每一家在中国扎根多年的零售企业都有庞大的销售网络。例如，某企业在全国设立了165个销售服务办公室，拥有1300多家一级分销合作伙伴和6000多家二级分销合作伙伴，控制了120万个销售终端。
对于这么大的零售品牌来说，120万个销售终端的管理，一点效率的提升会对整体销量产生很大的影响。
过去，为了有效支持销售领导和销售人员对网点的精细管理，企业通过SFA（掌管）系统跟踪行业代理访问线路、访问流程、访问后销售订单、网点库存等。在此过程中，现场拍摄的产品展示照片是最终分析每个终端效率的重要指标。
然而，由于目前大量的产品商店，每天都会增加数十万张产品展示图片，人工检查效率低，准确性低。因此，该公司考虑使用人工智能武器来帮助他们进行数据分析，找到企业，挖掘数据价值，并通过人工智能为终端销售服务。
回到货架管理的具体应用场景。图形识别技术可用于通过深度学习算法识别关键显示信息。例如，在检查工作质量的自动判断过程中，判断照片是否模糊，照片拍摄角度是否过于倾向，照片是否为目标区域；在图片信息的判断中，自动获取品牌/系列级别的信息可以输出display share/shelf share（品牌级别）和SKU级别的识别（图片中是否有特定的SKU，有多少）。
这些数据的捕获将作为算法建模的基本数据。企业将使用数控网络提取图像的底部特征，预测不同尺度的特征图上的类别概率，并确定物体坐标进行建模。
应该说，人工智能平台的建设是该项目最终实施的关键。零售企业可以引入更多的数据，建立更多的模型，为销售终端管理提供更多的决策支持。
