陈列费用投了，门店也拜访了，照片按要求上传了。 为什么货架陈列，依旧有问题： 新品活动价签没有更新，主推商品少了几个排面，冰柜里的重点商品没有放在指定层位…… 等后台审核发现这些问题时，业务员往往已经离店。 回去整改，要重新安排路线、多跑一趟；等下次拜访，货架上的问题就还得留上几天。 审核晚一步，业务员就可能多跑一趟，终端陈列也多几天不达标。 能不能把反馈提前，让业务员还在店里的时候，就知道哪里需要调整？
01 把“事后补救”，变为“现场整改”
在实际工作中，业务员要处理各种事务，而厂家对终端陈列的要求又十分细致。 以某饮料品牌为例，一次陈列检核，就可能同时涉及多项标准：
货架上，必铺SKU需要超过5种，同时连续排面数量必须大于4； 冰柜里，重点商品需要占满第二层，竞品占比不得超过30%； 地堆旁，物料必须齐全，还要张贴2张以上活动海报。
这些要求，业务员要记得住、做得到，审核人员也要逐项看得清、判得准。 如果希望照片上传后马上出结果，仅靠人工审核，就需要有人随时响应。 门店数量越多、照片越集中，对审核人力和响应速度的要求就越高。 而在实时沟通过程中，如果双方对规则理解不一致，还容易反复确认，打乱现场工作节奏。
既要反馈及时，又要应对细致、复杂的陈列要求，这正是勤策陈列识别Agent要解决的问题。
首先，要认得准商品。
同一口味的不同容量，外观往往非常相似。如果连具体商品都没分清，SKU是否齐全、排面是否达标，也就无从判断。 因此，在模型训练时，勤策重点强化模型对瓶身比例、包装图案、容量标识等细节的识别能力。 并通过在不同光线、拍摄角度和遮挡情况下的样本训练，适应真实门店环境。
其次，要看得懂多条规则。
品牌审核陈列，通常要同时判断多个条件。 例如，品牌可能要求指定SKU必须齐全、连续排面不少于4个，且重点商品必须摆放在冰柜第二层。 为此，勤策将品牌的陈列要求拆解，结合视觉识别提取的商品、排面和空间位置等信息，由Agent进行关联分析与组合推理，完成多条规则的综合判断。
商品长得像、现场有遮挡、规则叠加多，这些实际检核中的难点，都需要逐一解决，现场反馈才能真正用起来。 具体到终端，业务员上传一张陈列照片后，勤策AI图像识别能力会识别画面中的商品及其位置关系，提取与检核有关的信息。 再调取品牌的陈列规则，由Agent进行推理和判断，将审核结果反馈给业务员。 以上的过程，在3秒之内完成。 人还在店里，就能根据反馈检查、调整陈列，再次拍照确认。 目前，勤策陈列识别Agent已支持货架、地堆、冰柜、价签等终端场景。
货架识别 主推商品，摆到位了吗？ 检核商品层数、排面数、集中度等信息，检查品牌要求是否落实到货架。 地堆/侧堆识别 付费争取的面积，落实了吗？ 检核地堆、侧堆的陈列面积，为检查终端陈列资源的执行情况提供依据。
冰柜/冰箱识别 投入的资产，用好了吗？ 检核品牌商品占比等信息，帮助品牌检查冰柜资源的实际使用情况。 价签识别 商品摆好了，价格对上了吗？ 识别价签与商品是否匹配，检核终端价格及活动信息的执行情况。 这样一来，业务员的工作流程就从过去： 做陈列→拍照→内勤审核→反馈问题→下一次到店→调整陈列→再次拍照确认 变成了： 做陈列 → 拍照Agent实时判断 → 现场整改 → 再次拍照确认 原本可能留在货架上好几天的问题，可以在当次拜访中解决。 02 陈列管理越精细， 品牌之间的差距越明显
如今，许多企业已经将勤策陈列识别Agent用于日常陈列检核。 一家国际饮料品牌，仅一周用于日常陈列检核的Agent调用量，就达到约100万次。 审核周期从原来的20天缩短到了1分钟。
企业有了把陈列管得更细、把问题改得更快的手段，也开始将这些能力用于日常管理。 有的企业已经能在业务员离店前发现问题、完成调整，有的还要等后台审核后再安排整改。 一次少摆几个排面、一次价签更新不及时，看起来都是小问题。但当这些差异持续发生在更多门店、更多次拜访中，就会影响陈列投入的实际效果。 同行已经开始把终端管得更精细时，继续等待，也可能让执行上的差距越拉越大。 让审核赶在离店前，让整改落在当次拜访中。 欢迎联系勤策，查看陈列识别Agent的实际效果，了解如何将您的陈列标准落实到每一家终端。
