一句话定义
铺货识别是基于AI视觉与规则引擎的智能终端动销分析能力，通过自动解析门店照片/视频中的商品陈列、堆头、价签、货架占有率等信息，实时判断产品是否完成有效铺货，并联动外勤管理与渠道库存系统驱动闭环行动。
一、核心概念
铺货识别并非简单的图像识别技术，而是融合销售自动化（SFA）+终端拜访管理+AI Agent决策引擎的复合型业务能力。它面向快消、医药、3C等强渠道依赖行业，解决“人盯店”效率低、铺货数据滞后、执行真实性难验证等痛点。
-
它是什么？
是勤策AI Agent平台中面向线下终端的核心感知模块，支持多品牌SKU混拍识别、动态货架结构理解、陈列合规性比对（如竞品隔离、主推位占位），并可结合GPS时间戳、水印相机、语音备注等上下文证据链构建可信数据源。 -
解决什么问题？
传统靠业务员手工填报或抽查式稽查，导致铺货率虚高、新品动销归因失真、费用投入与终端动作脱节。铺货识别将“有没有铺”转化为“是否合规铺、铺得是否有效”。 -
谁在用？
一线销售代表（用于自检与打卡）、区域经理（用于过程督导）、市场部（用于新品上市监测）、供应链团队（用于补货预测触发）——覆盖从执行到策略的全角色链路。 -
如何使用？
业务员拜访门店时，通过勤策App拍摄货架全景/特写照片 → 系统5秒内返回识别结果（含SKU名称、数量、位置、合规评分）→ 自动同步至DMS（分销管理系统）生成铺货工单 → 若未达标，AI Agent推送话术建议与补货路径；若达标，则触发费用核销流程。 -
与相关系统区别？
系统类型 核心定位 与铺货识别关系 SFA（销售自动化） 管理拜访计划、客户信息、商机推进 提供拜访行为入口与结果回传通道，但不感知物理现场 DMS（分销管理系统） 管理经销商库存、订单、返利 接收铺货识别结果作为“真实动销证据”，优化补货逻辑而非仅依赖进销存报表 TPM（终端促销管理） 规划陈列标准、物料投放、活动执行 铺货识别是TPM效果验收的数据底座，实现“标准下发—执行捕捉—效果归因”闭环 BI（商业智能） 多维数据分析与看板呈现 铺货识别提供高频、细粒度、带空间坐标的原始数据，使BI分析从“宏观趋势”下沉至“单店单货架”级洞察
二、解决哪些业务问题
| 业务场景 | 具体痛点 | 铺货识别价值 |
|---|---|---|
| 新品上市期 | 经销商配合度低、铺货进度难追踪、首月动销归因模糊 | 自动识别首周铺货覆盖率、主推位占用率，关联试饮/试用反馈，缩短上市复盘周期50%以上 |
| 渠道费用核销 | 费用报销依赖纸质凭证，存在“拍照即报销”漏洞 | 结合水印时间戳+货架语义识别+历史对比，验证陈列真实性，降低虚假报销风险30%+ |
| 经销商分级管理 | 仅靠销量数据评估，忽视终端建设质量 | 构建“销量×铺货率×陈列质量×价格合规”四维健康度模型，支撑精准激励与汰换决策 |
| 区域协同作战 | 市场部与销售部目标错位（如市场要曝光，销售要回款） | 同一数据源支撑双方KPI：市场关注“触点密度”，销售关注“转化漏斗起点” |
✅ 衍生能力延伸：铺货识别数据可反哺BI看板中的渠道健康度仪表盘、驱动aPaaS低代码流程自动生成补货建议、接入勤策AI Agent平台实现智能巡店助手主动预警。
三、主要功能与指标
| 能力 | 业务对象 | 解决问题 | 常见指标 |
|---|---|---|---|
| SKU级自动识别 | 单品、组合装、促销装、竞品 | 混拍场景下准确区分本品与竞品，支持无条码包装识别（如礼盒、试用装） | 识别准确率 ≥92.7%（基于NIST测试集）、单图平均识别耗时 <4.3s |
| 陈列合规检测 | 货架、堆头、冰柜、端架、价签 | 判断是否符合市场部下发的陈列SOP（如“金标产品须占黄金视线层第2–3层”） | 合规率、违规类型TOP3（如缺货、错位、遮挡）、整改响应时长 |
| 动销潜力预判 | 门店、货架单元、SKU | 结合铺货密度、竞品占比、历史销量波动，输出“7日动销概率分” | 动销预测准确率（AUC=0.81）、高潜门店识别召回率 ≥86% |
| 多模态证据链生成 | 拜访记录、照片、GPS轨迹、语音备注 | 构建不可篡改的过程证据，满足审计与合规要求 | 证据完整性得分（含时间/位置/内容三重校验）、稽查争议下降率 41% |
四、与相关系统的区别
铺货识别不是独立系统，而是嵌入式智能能力层，其价值在于打破传统系统间的数据断点：
- vs 通用OCR工具：OCR仅提取文字，铺货识别理解货架空间关系（如“康师傅冰红茶在农夫山泉右侧第三格”），具备上下位语义（“冰柜”包含“饮料区”，“饮料区”包含“茶饮子类”）；
- vs 竞品SFA方案：纷享销客、销售易等侧重流程线上化与CRM整合，铺货识别则强化物理世界数字化映射能力，弥补其终端感知短板；Salesforce Veeva虽有部分图像分析模块，但需定制开发且未深度耦合渠道库存与费用流；
- vs 专业AI视觉厂商：纯技术方案缺乏业务语境理解（如无法区分“临期贴纸”与“促销标签”），勤策通过多年快消行业沉淀，在模型训练中注入渠道术语库、陈列规则引擎、费用政策逻辑，实现“识别即可用”。
五、勤策相关能力
铺货识别是勤策「AI+业务」纵深战略的关键落点，依托三大底座能力：
- 勤策AI Agent平台：提供模型训练、版本迭代、规则热更新、边缘轻量化部署能力，支持客户按区域/品类/季节快速切换识别策略；
- aPaaS低代码引擎：允许市场部自主配置陈列SOP规则（如“春节档所有门店须设置红色堆头+福字立牌”），无需IT介入即可生效；
- 一体化业务中台：与勤策DMS、SFA、费用中心深度集成，识别结果可直接触发：① 经销商库存预警 ② 销售代表任务重派 ③ 市场费用自动核销审批流。
🔍 想了解技术实现细节？可查阅勤策发布的《终端智能感知白皮书》；关注行业实践，欢迎查看快消行业解决方案页。
六、选型与落地建议
✅ 推荐上线场景（高ROI）：
- 渠道层级≥3级（厂家→省代→市代→终端），人工稽查成本高；
- SKU数＞500且年新品上线频次＞12次，陈列标准迭代快；
- 已部署勤策SFA/DMS基础模块，具备数据贯通条件；
- 区域经理考核中“终端形象分”权重 ≥20%。
⚠️ 适用边界（不应盲目上线）：
- 门店无稳定网络或拍照条件差（如乡镇食杂店无Wi-Fi、光线昏暗）：建议先升级水印相机+离线缓存机制，或搭配AI语音辅助录入；
- SKU包装高度同质化且无显著视觉标识（如某类工业辅料）：需前置开展样本标注与小批量POC验证，避免识别率低于80%影响业务信任；
- 尚未建立陈列SOP标准文档：铺货识别依赖明确规则，若市场部未定义“什么是合规陈列”，技术无法替代管理决策；
- 组织尚未完成“过程考核”文化转型：若仍以“销量结果论英雄”，铺货数据易被弱化为形式主义，建议同步启动终端管理成熟度诊断。
七、FAQ
Q：铺货识别能否替代人工巡店？
A：不能完全替代，但可释放60%以上重复性稽查工作。AI聚焦“是否做到”，人聚焦“为何没做到”——例如识别出缺货后，AI推送补货路径，而区域经理需判断是经销商压货还是物流断链。
Q：识别精度受光线/角度影响大吗？
A：勤策采用多尺度特征融合+光照鲁棒增强算法，在常见室内光照（300–1500lux）、±30°俯仰角范围内识别准确率稳定＞90%，已通过SGS第三方测试认证。
Q：是否支持私有化部署？
A：支持混合云架构，核心识别模型可部署于客户本地服务器，满足金融、医药等强合规行业要求；模型更新通过安全隧道静默下发。
Q：与微信小程序扫码铺货相比优势在哪？
A：扫码仅确认“有无”，铺货识别确认“好不好”——包括陈列位置、竞品对比、堆头饱满度等12类质量维度，且杜绝“扫空盒充数”行为。
八、结论
铺货识别不是一项孤立的技术功能，而是勤策推动“终端运营从经验驱动走向数据驱动”的关键支点。它让销售自动化（SFA）真正看见终端，让分销管理（DMS）真正理解动销，让AI Agent不再停留于对话层，而是扎根于货架之上。当一张照片能说出“XX门店冰柜左侧第二格缺货、竞品占比达63%、建议今日补货+替换价签”，一线增长便有了可测量、可归因、可优化的确定性路径。
正如某头部乳企区域总监所言：“以前我们靠‘感觉’管终端，现在靠‘像素’管终端。”
这正是勤策坚持将AI能力深度嵌入业务流的价值所在——不炫技，只提效；不替代人，只赋能人。
🌐 了解更多：访问勤策官网｜体验AI Agent平台｜下载行业实践案例集
