AIによる欠品・陳列管理
欠品と陳列ミスを 画像で確認。
選択した棚画像と基準の棚割を比較し、欠品や商品の誤配置を確認します。担当者が画像を確認して、品出しと陳列点検の優先順位を決めます。
- 欠品（OOS）検知
- 棚割・プラノグラム遵守確認
- 商品移動分析
- 売り減り・復旧パターン分析
必要な棚の確認機能を選定
欠品検知、棚割との比較、商品移動分析を、店舗の棚画像と確認手順に照らして個別に検証します。
OOS
欠品検知と品出し確認
商品不足・欠品を検知し、未完了の品出し業務を通知。SKU別の時間履歴も確認できます。
棚割
陳列ガイドラインと実際の配置を比較
実売場と計画棚割を比較して誤配置を見つけ、アラートと確認業務を管理します。
商品移動
データに基づく売場変更の最適化
電子棚札（ESL）連携により、手動のバーコード読取なしで値札移動や棚変更を支援します。
棚画像の登録から担当者の確認までの3ステップ
対象の課題と撮影条件を定め、担当者が結果を確認してから対応します。
-
01
解決する課題と基準状態を設定
欠品や陳列ミスなど優先課題を選び、比較基準となる売場状態を登録します。
-
02
店舗の条件に合わせて分析を確認
照明、商品の見え方、撮影角度を確認します。対象を広げる前に、棚画像と照らして分析結果を確認します。
-
03
結果を確認し、担当者へ対応を割り当て
担当者が画像で欠品や誤配置を確認し、品出しや陳列変更を手配します。
機器上で棚画像を分析
オンデバイスVision・VLMが棚画像をSKU観測、OOS状態、棚割不一致候補、商品移動結果へ変換します。送信・保存・確認ルールは選択した構成に合わせて定義します。
設定した棚、スロット、ROI内で商品とSKU観測を区別します。
各候補には担当者確認に必要な状態と根拠を残します。
店舗の機微な画像はセキュリティポリシーに沿って管理し、権限のある担当者のみ確認できます。
売場アクションの根拠を確認
デモでは、OOS・棚割・商品移動ごとに画像、観測状態、確認結果を表示します。
棚・スロット画像、解析領域（ROI）、解析時刻、状態判定
OOS観測、品出しタスク、確認可能な履歴
棚割不一致候補ごとの想定商品、観測結果、AI判断根拠
商品移動結果、確認判断、対応状況、確定した連携範囲
技術紹介
基盤となるVision AI技術
- 適用環境
- 公開技術紹介資料
- 分析内容
- 物体検知・追跡と技術試験の紹介
- 活用結果
- 分析原理と検証範囲を確認
連携した棚データから確認の優先順位を検討
AIエージェントは、データ連携を前提に提供する別ソリューションです。権限内のデータを分析し、結果の要約、CSV出力、施策案を提供します。担当者が提案を確認して実行します。
連携データへの質問例
確認が必要な欠品スロットを根拠付きで優先順位付けしてください。
棚割不一致候補を観測結果と確認状況別に分類してください。
担当者判断が必要な商品移動だけを一覧にしてください。
連携データのうち、アカウントとワークスペースの権限で許可されたデータのみを使用します。回答には期間・フィルター・指標を示し、観測結果と解釈を区別します。
よくあるご質問
1店舗で3つの機能をすべて利用できますか？
はい。カメラ視野と設置環境が適していれば、欠品検知、棚割確認、商品移動分析を同一店舗で運用できます。
対象商品への適用にはどのくらいかかりますか？
優先度の高い商品群から開始できます。照明、パッケージ、見え方を確認し、対象商品を段階的に広げます。
どこまで自動化できますか？
AIが分析と確認準備を自動化し、欠品や陳列ミスを根拠付きで提示します。最終確認と店舗対応は担当者が行います。
店舗で最も優先度の高い売場課題から始めましょう
デモでカメラ環境、必要な機能、分析と担当者確認の流れを確認します。