Fix Price lança serviço com VLM para controlar prateleiras e etiquetas de preço em 8.000 lojas

A Fix Price automatizou o controle da exposição de produtos e das etiquetas de preço em suas mais de 8.000 lojas ao implantar um serviço de visão computacional baseado em Vision Language Models externos, sem desenvolver modelos de ML próprios do zero e sem um ciclo de treinamento de vários anos.

8.000 lojas, uma tarefa

A Fix Price é uma rede de lojas de preço fixo com um público de dezenas de milhões de clientes na Rússia e na CEI. Mais de 8.000 pontos de venda significam milhares de prateleiras que precisam ser verificadas todos os dias: os produtos estão dispostos conforme o planograma, todo item tem etiqueta de preço, há espaços vazios?

Controle manual nessa escala é irreal: não dá para enviar um auditor todos os dias a cada uma das 8.000 lojas. E o custo do erro é direto: uma prateleira vazia ou uma etiqueta errada significa uma venda perdida na hora, além de uma experiência negativa que o cliente lembra por muito tempo. Em uma rede desse tamanho, até uma pequena porcentagem desses casos se acumula em perdas financeiras relevantes.

O centro de análise de dados da Fix Price teve de resolver um problema: identificar automaticamente falhas de exposição e erros em etiquetas, com rapidez, em escala industrial e sem investimentos excessivos em infraestrutura própria de CV.

Por que VLM e não um modelo próprio

O caminho clássico em visão computacional para o varejo é treinar uma rede neural personalizada com fotos de prateleiras rotuladas. Funciona, mas exige milhares de imagens anotadas, uma equipe de engenheiros de ML, infraestrutura de treinamento e um ciclo longo sempre que o sortimento muda.

A Fix Price escolheu uma alternativa: Vision Language Models (VLMs) externos. São modelos multimodais capazes de analisar uma imagem e responder perguntas sobre ela em linguagem natural, princípio semelhante ao do GPT-4o Vision ou do Claude com suporte a imagens.

Principais vantagens da abordagem com VLM neste caso:

• Início rápido sem um grande conjunto de dados rotulado
• Um único modelo verifica ao mesmo tempo exposição, etiquetas e disponibilidade de produtos
• Novos tipos de verificação são adicionados alterando o prompt, sem retreinamento
• Flexibilidade para expandir para novas categorias e formatos de loja
• Menor custo de desenvolvimento e manutenção em comparação com um CV personalizado

Como o serviço funciona

As imagens vêm de câmeras de vigilância ou de dispositivos móveis dos funcionários das lojas. O VLM recebe a foto e analisa o quadro segundo um conjunto de critérios: conformidade com o planograma, etiqueta de preço em cada item e ausência de espaços vazios na prateleira.

O resultado é uma lista estruturada de infrações vinculada a uma loja específica. O funcionário responsável recebe um alerta e resolve o problema antes que o cliente o perceba. A velocidade de resposta aumenta, e as rondas manuais com bloquinho diminuem.

"Acho que todos nós sabemos como os clientes reagem à falta de etiqueta ou a um preço errado nela, e o que se sente diante de uma prateleira vazia, sem o produto pelo qual se veio", disse

Kristina Istratova, chefe do centro de análise de dados da Fix Price.

O que isso significa

O caso da Fix Price mostra que os VLMs baixaram tanto a barreira de entrada para a visão computacional industrial que uma grande varejista lançou um serviço funcional sem um projeto de ML de vários anos. 8.000 lojas não são um piloto, mas uma carga real de produção. Para o resto do varejo, é um sinal claro: automatizar o controle de prateleiras não exige mais um laboratório de ML próprio.