Решение основано на компьютерном зрении. Это повышает эффективность использования полочного пространства в розничных магазинах. Технология повышает точность распознавания ассортимента до 99% и снижает трудозатраты торгового персонала на 80%. По статистике, чтобы увеличить товарооборот на 1%, необходимо увеличить показатель доступности на полке на 3%. Клиенты Intelligence Retail уже добились повышения доступности товаров на полках до 15%.
Контроль полочного ассортимента, цен и другой информации происходит онлайн. Ailet удалось сократить время, необходимое для получения электронного отчета по одному проверенному разделу полки, до десяти секунд. Сервис распознает до 2,5 млн изображений в месяц, а количество пользователей системы превышает 3000 человек. Библиотека изображений содержит около 100 000 единиц продуктов питания и других FMCG-товаров.
Продукция Ailet используется компаниями Danone, Heineken, Perfetti Van Melle, Action group и другими компаниями в странах Центральной и Восточной Европы, Ближнего Востока и Латинской Америки. Из 50 ведущих компаний, производящих товары повседневного спроса, 12 используют решение стартапа, восемь проводят пилотные испытания сервиса. В случае с Danone срок реализации занял один месяц. Столько же времени требовалось на испытания. В результате точность распознавания ассортимента достигла 95%.
Увеличивается и доля доходов от международных проектов. К концу 2021 года Ailet планирует довести ее до 50%. Активная экспансия за пределы России также потребует увеличения штата. На данный момент в компании работает более 40 человек.
Фонд ExpoCapital, а также Aii Сorporation Oy и несколько бизнес-ангелов профинансировали стартап до этого раунда. Но Finsight Ventures, инвестировавшая в Badoo, взяла на себя роль ведущего инвестора. Совсем недавно Intelligence Retail подписала крупный контракт на развертывание в 12 странах Латинской Америки с лидерами фармацевтической отрасли. Все собранные средства направлены на развитие, в том числе сервисов рекомендаций по выкладкам в магазинах на основе больших данных.
Сергей Барамзин, генеральный директор Ailet :
«Полученные средства мы направим на разработку продукта, подразумевающего улучшение распознавания изображений, а также полную автоматизацию процесса обучения нейросети. Это удешевит запуск решения и позволит заказчикам перейти к массовому использованию. В будущем решение будет не только собирать информацию и измерять уровень несоответствия между планограммами и реальным положением товаров на полках, но и давать рекомендации по идеальной проблеме отсутствия товаров на полках, строя прогнозы на основе анализа больших данных».
Алексей Гарюнов, сооснователь Finsight Ventures:
«Мы следим за командой Ailet уже год. Этот бизнес показывает сильную динамику. На рынке есть несколько подобных международных проектов. что обычно означает, что они не могут конкурировать на развивающихся рынках, где затраты на рабочую силу научно ниже.В основном они сосредоточены на расширении функциональности с помощью ручного «повторного распознавания».И это приводит к значительным задержкам.Команда Ailetl предложила альтернативную модель.Это 100% автоматическое распознавание в реальном времени.
Технология распознавания компьютерного зрения, безусловно, является следующим шагом в эволюции робототехники. Это сопровождается повышением эффективности и снижением затрат. Мы хотим участвовать в этом тренде и надеемся, что Ailet сможет применить свою экспертизу в различных случаях с недостаточной цифровизацией, таких как логистический фулфилмент и производство».
Полученные средства мы направим на разработку продукта, предполагающего повышение точности распознавания, а также полную автоматизацию процесса обучения нейронных сетей новому ассортименту. Это удешевит запуск решения и откроет возможность использования не только крупным производителям, но и начать массовое использование. В будущем решение будет не только собирать информацию и измерять уровень несоответствия планограмм и фактического положения на полке, но и давать рекомендации, как построить идеальную выкладку товаров на основе анализа больших данных».