สินค้าอุปโภคบริโภค (FMCG)

Unilever เพิ่มความพร้อมของสินค้าบนชั้นวางด้วย Retail Execution AI

How Tigaraksa Cut Fleet Costs with Route Optimization

ชื่อบริษัท

Unilever

อุตสาหกรรม

สินค้าอุปโภคบริโภค (FMCG)

ขนาดบริษัท

10,001+

กรณีใช้งาน

Retail Execution AI

เพื่อเพิ่มการมองเห็นและประสิทธิผลของการดำเนินงานในร้านค้าทั่วอินโดนีเซีย Unilever ร่วมมือกับ MileApp นำโซลูชัน Retail Execution AI มาใช้ยกระดับความพร้อมของสินค้าบนชั้นวาง (On-Shelf Availability หรือ OSA) ภายในเวลาเพียงหนึ่งเดือน เทคโนโลยีนี้ถูกนำไปใช้กับผู้ใช้งานภาคสนามหลายพันคน และสร้างการเปลี่ยนแปลงที่ชัดเจนทั้งด้านการปฏิบัติตามมาตรฐาน ประสิทธิภาพ และความพร้อมของสินค้าบนชั้นวาง

ความท้าทายลักษณะเดียวกันนี้พบได้ในแบรนด์สินค้าอุปโภคบริโภค (FMCG) ในประเทศไทย ที่ต้องดูแลการวางสินค้าทั้งในร้านค้าปลีกดั้งเดิมอย่างร้านโชห่วย และร้านค้าสมัยใหม่ตั้งแต่กรุงเทพฯ และปริมณฑลไปจนถึงหัวเมืองใหญ่อย่างเชียงใหม่และชลบุรี

ความท้าทาย

ในฐานะหนึ่งในบริษัท FMCG ที่ใหญ่ที่สุดในโลก Unilever ต้องรับมือกับความท้าทายในการบริหารการดำเนินงานในร้านค้าระดับประเทศ โดยจำเป็นต้อง

  • เพิ่มจำนวนร้านค้าที่มีความพร้อมของสินค้าบนชั้นวาง (On-Shelf Availability) ในระดับที่เหมาะสม
  • ทำให้การปฏิบัติตามสัดส่วนพื้นที่ชั้นวาง (Share of Space) สม่ำเสมอในช่องทาง LMT และ MT
  • ลดเวลาในการตรวจสอบร้านค้า (Audit) ที่ฉุดผลิตภาพของทีมภาคสนาม
  • มีข้อมูลภาคสนามที่แม่นยำและเป็นปัจจุบันจากร้านค้ามากกว่า 350,000 แห่ง ตั้งแต่ร้านค้าดั้งเดิมจนถึงร้านค้าสมัยใหม่ (Modern Trade)

โซลูชันจาก MileApp: Retail Execution AI เพื่อความพร้อมของสินค้าบนชั้นวาง

Unilever เลือกใช้ Retail Execution AI ของ MileApp ซึ่งขับเคลื่อนด้วยเทคโนโลยี Computer Vision และ Machine Learning หรือระบบจดจำภาพด้วย AI (AI Image Recognition) โซลูชันนี้ได้รับการฝึกด้วย

  • SKU ของ Unilever มากกว่า 1,100 รายการ ใน 16 หมวดสินค้า
  • ความแม่นยำในการตรวจจับชั้นวางขั้นต่ำ 98% ตั้งแต่วันแรก
  • ติดตั้งใช้งานอย่างรวดเร็ว กับผู้ใช้งานภาคสนาม 7,000 คน ทั่วอินโดนีเซีย ภายในเวลาไม่ถึงหนึ่งเดือน

โซลูชันนี้ทำให้การเก็บข้อมูลภาพในร้านค้าผ่านแอปพลิเคชันภาคสนามของ MileApp เป็นไปโดยอัตโนมัติ ตรวจจับความพร้อมของสินค้า (Shelf Availability) คำนวณ Share of Space และสร้างการวิเคราะห์ได้ทันทีเพื่อสนับสนุนการตัดสินใจ รวมถึงต่อยอดสู่การตรวจสอบการจัดวางตามแผนผังชั้นวาง (Planogram Compliance)

ผลลัพธ์

ภายในเวลาเพียงสามเดือน Unilever มีผลการดำเนินงานที่ดีขึ้นอย่างมีนัยสำคัญ

  • OSA Excellence เพิ่มขึ้นสูงสุด 24% สินค้าพร้อมจำหน่ายอย่างสม่ำเสมอ และจำนวนร้านค้าที่มีผลงานดีเพิ่มขึ้น
  • การปฏิบัติตาม Share of Space เพิ่มขึ้นสูงสุด 6% ทั้งในช่องทางค้าปลีกสมัยใหม่และดั้งเดิม
  • เวลาในการตรวจสอบร้านค้าลดลงเฉลี่ย 56% ทีมภาคสนามจึงมีเวลาโฟกัสกับการขายและการดูแลลูกค้ามากขึ้น
  • ข้อมูลภาคสนามที่แม่นยำและเป็นปัจจุบัน พร้อมใช้งานอย่างสม่ำเสมอ ช่วยให้ทั้งองค์กรมองเห็นภาพรวมและตัดสินใจได้เร็วขึ้น

อ่านเพิ่มเติม: CDPS กับการกระจายสินค้า FMCG และทีมขายภาคสนาม

บทสรุป

กรณีศึกษาของ Unilever แสดงให้เห็นว่า AI ช่วยเปลี่ยนการตรวจสอบชั้นวางที่ใช้เวลานาน ให้เป็นข้อมูลที่แม่นยำและนำไปใช้ได้ทันที สำหรับแบรนด์ FMCG ที่ต้องการยกระดับความพร้อมของสินค้าบนชั้นวางในร้านค้าจำนวนมาก การใช้ Retail Execution AI คือก้าวสำคัญสู่การดำเนินงานค้าปลีกที่ขับเคลื่อนด้วยข้อมูล

พร้อมนำ AI มาใช้กับงานค้าปลีกของธุรกิจคุณหรือยัง? นัดหมายสาธิตระบบฟรีกับทีมขายของเรา