В классическом мерчандайзинге один аудит торговой точки занимает от 40 до 60 минут ручного труда. Мерчандайзер фотографирует полку и отправляет снимки супервайзеру. Тот получает сотни таких фото в день и физически не успевает их все оценить. В итоге отчеты строятся на неполной информации, а руководитель принимает решения на основе данных, которые уже устарели или отражают лишь часть картины.
Решать эту проблему масштабированием команды становится все дороже. Поэтому рынок все активнее смотрит в сторону AI — и вопрос теперь не «нужно ли это», а «что из этого реально работает».
Сложность заключается в том, что за словосочетанием «AI в мерчандайзинге» скрываются очень разные вещи: от систем компьютерного зрения, которые уже работают в тысячах точек, до красивых презентаций с расплывчатыми обещаниями. В статье разберем, какие задачи мерчандайзинга AI решает уже сейчас, а какие пока остаются на уровне пилотов.
О чем расскажем в статье:
- Что такое эффективный мерчандайзинг в цифрах, а не в «ощущениях»
- Что сегодня называют «AI в мерчандайзинге» и где в этом хаосе логика
- Компьютерное зрение и IR: основа умного мерчандайзинга
- AI-рекомендации на основе KPI, а не «мнений»
- Что реально работает в 2026 году
- Что пока остается хайпом и красивыми словами
- Практика для сетей и поставщиков: как внедрять умный мерчандайзинг
- Ответы на типичные возражения
- AI как новый стандарт мерчандайзинга
Что такое эффективный мерчандайзинг в цифрах, а не в «ощущениях»
Мерчандайзинг помогает увеличить продажи в точке и снизить потери от отсутствия товара на полке или неправильной выкладки. Любая AI-инициатива должна быть привязана к конкретным KPI, иначе в большинстве случаев инвестиции окажутся бесполезными.
Ключевые показатели эффективного мерчандайзинга:
- OSA и OOS — наличие товара на полке в нужный момент. По оценкам ECR Europe, потери от OOS в FMCG составляют 4–8% оборота категории. Для крупного производителя это большие суммы недополученной прибыли.
- Доля полки и соответствие планограмме. Место на полке согласовывается с сетью и стоит денег. Если бренд по факту занимает меньше согласованного пространства или выкладка не соответствует планограмме — это прямые потери, которые часто не видны без автоматического контроля.
- Наличие ценников и промо-зон. Даже лояльный покупатель может отказаться от покупки из-за отсутствия ценника. Также и промозона, которая размещена не там или оформлена неправильно, не дает ожидаемого прироста продаж во время акции.
- Объем продаж по точкам. Финальный индикатор того, работает ли выкладка в конкретном магазине. Без детализации по точкам невозможно понять, где мерчандайзинг действительно влияет на результат, а где усилия тратятся впустую.
- Покрытие адресной программы. Этот KPI показывает, сколько точек посещено, выполнены ли задачи визита, как быстро команда реагирует на отклонения. С помощью этого показателя менеджеры могут оценить не только качество выкладки, но и эффективность работы самой команды мерчандайзеров.
Что сегодня называют «AI в мерчандайзинге» и где в этом хаосе логика
Рынок объединяет под термином «AI в мерчандайзинге» несколько принципиально разных направлений, зрелость которых сильно отличается друг от друга.
Компьютерное зрение (image recognition, IR) — автоматическое распознавание полки, SKU, ценников и POSM по фотографиям. Это наиболее зрелое направление. Технология уже давно активно используется бизнесом и масштабируется на тысячи точек.
AI-аналитика и «умные сигналы» — системы, которые агрегируют данные о полке и выдают приоритизированные уведомления: где есть риск OOS, где наблюдается несоответствие доли полки, где промо не работает. Это следующий уровень над IR, когда данные превращаются в сигналы к действию.
AI-рекомендации по выкладке — система предлагает, как и какие планограммы можно улучшить, где расширить бренд-блок, какие SKU поставить в дополнительные места. Такие рекомендации создаются на основе исторических данных по объему продаж.
Автоматизация маршрутизации визитов — планирование маршрутов мерчандайзеров по данным KPI, а не по привычной географии.
Автоматическая отчетность — формирование аналитики без ручного труда. Менеджер видит готовые данные, а не сырые фотографии.
Но не все из этих направлений одинаково зрелые. Дальше разбираем, на какие из них стоит обратить внимание бизнесу.
Компьютерное зрение и IR: основа умного мерчандайзинга
Компьютерное зрение и IR — это два инструмента, которые лежат в основе автоматического контроля полки. Разбираем, как они используются на практике.
Как работает компьютерное зрение для полки
Мерчандайзер фотографирует полку в мобильном приложении. Фотография отправляется на сервер, нейросеть анализирует снимок: распознает товары до уровня SKU, считает фейсинги, выявляет пустые места и несоответствия планограмме. Такая обработка занимает секунды. Если полка не помещается в один кадр, система объединяет несколько снимков в единое изображение стеллажа.
Результат называется реалограммой — цифровым слепком реальной выкладки, полученным с фотографии. Реалограмма автоматически сравнивается с эталонной планограммой. Это не субъективная оценка мерчандайзера, а объективные данные.
IR-контроль исполнения: планограммы, реалограмма и ценники
Распознавание изображений, или Image recognition, одновременно проверяет соответствие выкладки планограмме, наличие и корректность ценников, размещение POSM и наличие товара на полке (OSA/OOS). Компьютерное зрение превращает обработанную фотографию в структурированные данные по KPI. Процент соответствия планограмме, OSA по категории, количество точек с отсутствующими ценниками — все это становится управляемыми показателями, а не субъективными наблюдениями.
Роль Goods Checker
Goods Checker — облачная платформа на базе компьютерного зрения, которая автоматизирует контроль выкладки и аналитику мерчандайзинга. Платформа распознает товары до уровня SKU с точностью выше 95%, проверяет соответствие планограмме, контролирует ценники и POSM, отслеживает OSA. Данные поступают в аналитику сразу после обработки фото. Запуск пилота занимает от двух до трех недель — без долгой разработки и закупки оборудования.
AI-рекомендации на основе KPI, а не «мнений»
AI-рекомендации работают там, где управленческие решения раньше принимались на основе опыта и оценок супервайзера. Сейчас это меняется: система анализирует KPI по каждой точке и сама выдает приоритеты команде.
Почему «на глаз» больше не работает
В сети из 50 магазинов субъективная оценка супервайзера еще масштабируется. В сети из 500 или 5000 точек — уже нет. «Эта полка выглядит нормально» — не KPI, это мнение. В крупных программах управление мерчандайзингом должно опираться на данные, иначе это будет просто иллюзия контроля.
Как выглядит pipeline умных рекомендаций
Цепочка от данных до действия выглядит так: мерчандайзер фотографирует полку, система формирует KPI по каждой точке (OSA, доля полки, выполнение промо, корректность ценников), аналитика выявляет отклонения и формирует приоритизированные сигналы, а те превращаются в задачи для команды.
Пример рекомендаций:
«В магазинах формата А доля полки бренда падает ниже норматива — нужно усилить выкладку».
«Промозона в 12 точках не дает прироста объема продаж — проверить размещение». «Перераспределить частоту визитов — точки с высоким OOS получают приоритет».
Ключевое отличие от традиционного подхода в том, что рекомендации основаны на данных и результат можно измерить.
Как Goods Checker помогает с рекомендациями
Благодаря Goods Checker менеджер видит не просто фотографии полок, а готовую аналитику по KPI в разрезе точек, регионов, категорий и брендов. Система показывает, где отклонения от стандартов, где рост OOS, где не выполнено промо-размещение. Решения о приоритетах команды принимаются без ручной обработки сотен снимков.
Что реально работает в 2026 году
Рассмотрим наиболее распространенные сценарии, по которым уже накоплена практика внедрения и есть понятные цифры.
Автоматический контроль выкладки и ценников — наиболее отработанный сценарий применения компьютерного зрения. Благодаря технологии время на составление отчетности сокращается на 60–70%, а аудит торговой точки — в три раза. Кроме этого, нейросеть одинаково внимательна в первой и последней точке рабочего дня, что помогает исключить человеческий фактор из проверки практически полностью.
«Один из клиентов Goods Checker, мерчандайзинговое агентство, развернул систему в 694 точках в 6 городах. На запуск ушло две недели. Мерчандайзеры стали тратить на отчетность 20 минут вместо часа, аудит точки ускорился на 10–50% в зависимости от размера магазина, а точность распознавания с первых недель составила 95% и выше. Пилот показал результат, и агентство масштабировало сервис в 6 раз — до 4500 точек.»
Отслеживание OOS и доли полки в динамике. Когда данные по наличию поступают после каждого визита, команда успевает реагировать до того, как проблема превратилась в системные потери. По данным ECR, снижение уровня OOS на 1 процентный пункт дает рост продаж в категории на 1–2%. В масштабах сети это ощутимые цифры.
Приоритизация визитов по данным. Маршрут строится на основе KPI: точки с высоким OOS, низкой долей полки, критическими отклонениями от планограммы получают приоритет. Мерчандайзер тратит время туда, где оно нужно, а не по привычной географии. Это позволяет охватить больше точек за тот же рабочий день без расширения команды.
Контроль вывода новинок и промо. Компьютерное зрение показывает, в скольких точках появился новый SKU или промо-материал. Провалы видны сразу, а не через две недели после окончания акции.
Что пока остается хайпом и красивыми словами
Некоторые направления активно продвигаются на рынке, но пока работают преимущественно в теории. Рассмотрим некоторые из них.
Полностью автономный AI-мерчандайзер без людей. Полностью автономный AI-мерчандайзер без участия людей — это пока только концепция. Ни одна из существующих систем еще не может полностью заменить человека. Вендоры, которые обещают убрать людей из процесса полностью, чаще всего вводят в заблуждение.
AI-системы, которые сами придумывают планограммы с нуля. Генерация планограмм на основе AI — потенциальное направление, но только там, где есть историческая база по продажам и поведению покупателей. Без этих данных нейросеть не сможет создать работающие планограммы.
Нереалистичные цифры роста продаж благодаря AI. Осторожно стоит относиться и к цифрам роста продаж. Если вендор обещает прирост на 30–40% только за счет AI, то это повод задать уточняющие вопросы. При правильном мерчандайзинге рост продаж составляет 3–15% в зависимости от категории и стартовой точки. Искусственный интеллект помогает получить этот результат быстрее, но не умножает его на десять.
AR/VR-решения и «умные витрины» для массового ритейла. Такие решения на выставках выглядят убедительно, но масштабировать их на сеть из 500 магазинов становится дорого, сложно и без очевидного ROI. Пока это нишевые эксперименты, а не рабочий инструмент для FMCG.
Отличить хайп от рабочего решения несложно. Для этого нужно попросить вендора показать конкретные KPI до и после в сопоставимых условиях. Если цифр нет — внедрять такое решение стоит очень осторожно.
Практика для сетей и поставщиков: как внедрять умный мерчандайзинг
Начать с формулировки целей и KPI. Что именно нужно улучшить: OSA в ключевых категориях, скорость контроля промо, прозрачность отчетности? Без конкретного KPI-запроса внедрение будет размытым.
Выбрать пилотные категории и магазины. Не разворачивать сразу всю сеть, а ограничиться 2–3 категориями, небольшим количеством точек и одним регионом. Это позволяет быстро оценить точность системы и сформулировать ожидания до масштабирования.
Определить технологического партнера. Ключевые критерии при выборе — это точность распознавания (обычно это от 95% в реальных условиях), скорость обработки фото, качество аналитики по KPI, простота интеграции с существующими ИТ-системами.
Настроить IR (image recognition) и сбор данных. Мерчандайзеров обучают снимать полку по стандарту, планограммы загружают в систему, настраивают базовую отчетность. При грамотной поддержке партнера этот этап занимает дни, а не месяцы.
Запустить аналитику и рекомендации. На этом этапе настраивают, кто и что видит в системе, какие отклонения требуют реакции и как задачи попадают к мерчандайзерам.
Оценить эффект и масштабировать. KPI сравнивают до и после пилота. Если результат подтвержден, логику распространяют на всю сеть.
Goods Checker закрывает все эти этапы как готовое SaaS-решение. Распознавание, аналитика, контроль выкладки и управление работой мерчандайзеров собраны в одной платформе. От решения до первых данных — две-три недели.
Ответы на типичные возражения
«Это дорого и сложно». SaaS-модель принципиально изменила экономику внедрения. Не нужно покупать оборудование и нанимать разработчиков. Пилот запускается за несколько недель, стоимость масштабируется вместе с охватом. Окупаемость считается через снижение OOS, рост точности контроля и экономию на рутинной работе команды.
«У нас нет ИТ-команды и data scientists». Сегодня нет необходимости держать собственную команду, чтобы использовать отраслевые AI-решения. Менеджеры и полевые сотрудники работают в привычных и интуитивно понятных приложениях.
«AI заменит людей». В 2026 году — нет. AI снимает рутину: ручную сверку планограмм, составление отчетности, обработку фотографий супервайзерами. Люди остаются там, где они нужны, например, физические действия на полке, переговоры с сетью, аналитика и решение нестандартных ситуаций. Освободившееся время команда тратит на те задачи, которые реально влияют на продажи.
«Мы все видим в отчетах». Отчет по факту и управление в режиме реального времени — это разные подходы. Отчет показывает, что было. Онлайн-данные говорят, что происходит прямо сейчас и что нужно сделать. OOS, зафиксированный сегодня, становится задачей на сегодня. OOS в отчете за неделю — это потери, которые уже не вернуть.
AI как новый стандарт мерчандайзинга
AI и компьютерное зрение в мерчандайзинге перестали быть темой для презентаций на конференциях. Это рабочие инструменты с измеримым эффектом: точность распознавания выше 95%, сокращение времени на аудит на 70%, видимость OOS в режиме реального времени.
Ключевое условие, отличающее успешные проекты от неудачных: работа от KPI и конкретной бизнес-задачи, а не от технологии ради технологии. Умный мерчандайзинг — помогает руководителям знать, что происходит на полке прямо сейчас, и иметь возможность на это влиять.
