能做到这样的图像识别，可大致还原货架陈列情况，对于品牌和产品的面位及次序分布做出较准确判断，解决缺货和陈列匹配度问题。
对品牌商来说，由于零售渠道上架空间有限，同品类产品铺货竞争激烈，如何通过铺货策略吸引消费者尤为关键。基于人工智能的图像识别技术应运而生。但实际运用中，图像识别技术往往会出现置信度较低，需要后期人工干预的情况，铺货成本因此水涨船高。
尼尔森基于多年深耕中国零售监测的经验成立实验室，对市面上近10种不同图像识别零售应用方案展开实地测试。本文将揭秘测试结果，带您了解图像识别技术的运作原理，为您解答图像识别技术到底如何助您赢得消费者的关注，制胜零售新业态！
为什么需要图像识别技术？
对于品牌商而言，如何通过铺货策略引起消费者的注意至关重要。众多品牌商都希望通过提高品牌在店内空间的绝对占比（即货架的长度占比），或增加产品面位陈列的方式来加强消费者的品牌意识。
市面上的图像识别技术则基于以上需求，使用人工智能，通过店内拍照的方式还原店内货架实际情况，并将图片直接识别转换成数据，帮助管理层一目了然获悉门店铺货执行情况。相比传统的人工店内核查，该技术可以将图像证据与报表进行关联，让数据更加直观。
但AI课题之大，实在难以一文以概之。尼尔森基于数据采集的百年经验，结合零售研究实战，聚焦近年来中国图像识别技术在零售终端执行监测的应用，为广大客户分析AI技术在销售执行管理自动化（SFA - Sales Force Automation）的应用，为设计、落实和评估销售绩效管理体系献计献策。
尼尔森中国图像识别实验室
智能化大数据 + AI效率提升 +监控销售前线战绩：这高大上的玩法背后是否代表革命性的转变呢？这是不是解决厂商长久以来对店内执行监测所有痛楚的良药呢？
尼尔森在今年4-6月间在上海建立实验室，通过多轮筛选对中国市场中近10种不同图像识别零售应用方案展开实地测试，旨在衡量不同图像识别解决方案准确率及效率标准，并衡量使用图像识别对提高整体产能的影响。
测评方法
尼尔森基于多年来深耕中国零售监测的经验，还原了中国零售各大业态的不同场景及货架环境，挑选了45个有中国特色的快消品品类下的862个单品，拍摄了近两千组货架照，传送给不同的识别引擎，并与每个单品的200张全方位照片进行匹配。
测评标准
通过多轮筛选与实地测试，尼尔森以如下三种匹配方式作为测评量度，对不同图像识别技术的准确性进行测评：
1、位置还原型匹配
所有产品的货架序号、层数、数量及品种与实际情况一致，并且每个产品在货架上的位置及长度也与实际情况匹配。
能做到这样的图像识别，意味着AI可以较真实还原货架实际情况，包括一直让厂商挂心的货架长度及面位占比，进而达成实际货架图与完美货架图的匹对，属于一站全包能力。
2、次序还原匹配
所有产品的货架序号、层数、摆放的次序、数量及品种与实际情况一致。此处的难点在于产品顺序，错一个则全错，比如AABBCC的陈列，如果被识别为AABCC则AAB得分，原本的BCC部分都不得分。
能做到这样的图像识别，可大致还原货架陈列情况，对于品牌和产品的面位及次序分布做出较准确判断，解决缺货和陈列匹配度问题。
3、“佛系”匹配
此方法以结果为导向，以送分为目的。只要有产品被正确识别且次序不错则加分。比如AABBCC的陈列被识别为CCAABB，虽然实际上全部张冠李戴，但是产品有无的结果和AABB的先后次序是一样的。
能做到这样的图像识别，基本只能用来判断店内品牌及产品的基本陈列有无情况，无法还原货架图。
测评结果
实验结果显示，参加测试的引擎纯机器识别三种方法平均准确率为76%，无论是自身能力不到位或者机器学习能力差， 引擎产出的结果仍需要人工检查，才能为客户输出高精度的报告。而人工干预使得识别效率大大降低，工作成本大幅提高，违背了客户使用图像识别技术的初衷。
在测试中，AI识别置信度是一个关键衡量因素。AI识别置信度指图像识别引擎对商品识别结果可信度的一个自我评估，即引擎对商品识别结果有没有底气。对于引擎没有底气的识别结果，可以通过人工干预的方式进行修正，较为完善地弥补机器的不足。
比如某引擎虽然自主识别正确率有80%，人工只需要查20%，工作量还是可以节省的；但如果遇到有些引擎无法告诉你它识别的准确率置信区间，那样人工依然要大规模介入来重新核查或抽查图像，使工作量反而会大规模增加。
不过，图像识别技术是具备机器学习功能的，即随着学习样本和周期的积累，引擎自主识别正确率会不断提升，人工干预和成本会慢慢减少。但是由于引擎学习能力不同，市面上的产品包装更新或促销价格变动，引擎所需的学习周期也随之加长，对于引擎及图像库的长期维护也是必须的。
尼尔森通过中国图像识别实验室，基于不同的品类及产品包装形式、店铺场景、新产品上市周期、新包装更换周期，计算出人工干预的比例，给广大希望提高一线销售执行管理自动化的客户提供“最优AI图像识别及问卷形式信息采集方式的组合比例”，并结合尼尔森中国超过100万的庞大产品编码数据库以及35年深耕中国零售数据采集的经验，为客户销售管理自动化出谋划策。
