Medir o share de gôndola sempre foi um trabalho manual: o auditor chega à loja, conta as frentes de cada marca, anota em uma planilha e repete o processo em dezenas de lojas. É lento, caro e varia de pessoa para pessoa. A inteligência artificial muda esse cenário ao transformar uma foto em um número, em segundos e com critério padronizado.
Este artigo descreve, passo a passo, como essa medição funciona, o que determina a precisão e como validar os resultados na sua operação.
Um lembrete sobre o conceito
Share de gôndola é a participação percentual de uma marca no espaço de prateleira de uma categoria. A forma mais comum de medir é em frentes: a face visível de um produto voltada ao consumidor. Se uma categoria tem 100 frentes e a sua marca ocupa 28, o share é de 28%.
A fórmula completa, os tipos de share e as metas estão em share de gôndola: como calcular. Aqui o foco é como a IA chega ao número.
O pipeline completo: da foto ao percentual
Passo 1: foto bem tirada
Tudo começa no campo. O aplicativo orienta o promotor a fotografar a gôndola de frente, com a câmera na altura do centro da prateleira, sem cortar as extremidades e evitando reflexos. Quando a gôndola é longa, o app pede duas ou mais fotos com sobreposição.
A foto vem acompanhada de data, hora e localização, o que garante a prova da execução. O app de campo e a coleta com GPS são discutidos em check-in por GPS e foto.
Passo 2: verificação de qualidade
Antes de analisar, o sistema checa se a foto é utilizável: está nítida? Há luz suficiente? A gôndola aparece inteira? Se não, o app pede que o promotor refaça a foto na hora, evitando análise ruim.
Passo 3: detecção de produtos
Um modelo de detecção de objetos percorre a imagem e desenha uma caixa ao redor de cada item, atribuindo uma pontuação de confiança. Nessa etapa, o sistema responde apenas "onde há um produto?". Modelos modernos fazem isso em frações de segundo.
Passo 4: reconhecimento de marca e SKU
Cada caixa é recortada e passa por um modelo de reconhecimento, que compara o item com o catálogo conhecido (imagens de cada SKU, em vários ângulos) e responde "que produto é este?". A saída pode ser:
- SKU identificado, com confiança alta;
- Marca identificada, mas variante incerta;
- Desconhecido, quando o item não está no catálogo ou está muito encoberto.
O reconhecimento é a etapa mais exigente do pipeline, por causa de embalagens parecidas e variações de ângulo. Os desafios são detalhados em reconhecimento de SKU em prateleiras reais.
Passo 5: agrupamento em prateleiras e frentes
O sistema agrupa as caixas em linhas (prateleiras) pela posição vertical e conta quantas frentes cada produto ocupa. Itens empilhados contam como uma frente; itens lado a lado, como frentes distintas. Essa etapa também identifica os espaços vazios entre produtos.
Passo 6: cálculo do share
Com as frentes por marca, o sistema calcula:
Share da marca = frentes da marca ÷ frentes totais da categoria × 100
Ele pode apresentar o resultado por gôndola, por prateleira (nível), por categoria e por loja. Em seguida, os dados são consolidados por rede, região ou campanha.
Passo 7: revisão e exceções
Casos de baixa confiança (itens desconhecidos, fotos duvidosas) são sinalizados para revisão humana. Esse ciclo é importante: as correções alimentam o modelo, que melhora com o uso.
Um exemplo numérico
Considere uma gôndola de molhos com três marcas e uma prateleira vazia em parte:
| Marca | Frentes identificadas | Share |
|---|---|---|
| Marca A | 18 | 36% |
| Marca B | 14 | 28% |
| Marca C | 10 | 20% |
| Outras | 8 | 16% |
| Total | 50 | 100% |
Além desses números, o sistema aponta, por exemplo, que a Marca A tem duas posições vazias na prateleira 2 (ruptura) e que a Marca C está na prateleira mais baixa. Esse tipo de análise é o ponto de partida para conversas com o varejista sobre exposição e reposição. (Os valores são hipotéticos, apenas para ilustrar o cálculo.)
O que determina a precisão
Nenhum sistema de visão computacional é perfeito, e é saudável tratar a precisão como algo a ser medido e acompanhado. Os principais fatores são:
- Qualidade da foto: nitidez, luz, ângulo e enquadramento.
- Base de imagens do portfólio: quanto mais exemplos reais de cada SKU, melhor o reconhecimento.
- Similaridade entre produtos: sabores e tamanhos com embalagens quase iguais exigem treino específico.
- Condições da loja: reflexos em vitrines refrigeradas, prateleiras desorganizadas, produtos virados.
- Atualização do catálogo: novas embalagens e lançamentos precisam ser cadastrados.
Como validar na sua operação
Antes de confiar nos números, faça uma validação simples:
- Escolha 30 a 50 fotos de lojas e redes diferentes.
- Peça a um auditor para contar as frentes manualmente.
- Compare com o resultado da IA, por marca.
- Calcule o erro médio e identifique onde ele concentra (categoria, rede, tipo de foto).
- Ajuste o fluxo (orientação de enquadramento, catálogo, regras de revisão) e repita.
Esse piloto mostra com honestidade se a tecnologia atende à sua necessidade e quais cuidados pedem atenção.
Do dado à decisão
Medir share só vale quando leva a uma ação. Algumas aplicações típicas:
- Negociação com o varejo: apresentar, por rede, o share atual e a meta, com fotos como evidência.
- Auditoria de contratos de exposição: conferir se o espaço pago foi entregue.
- Priorização de lojas: identificar as lojas em que o share está bem abaixo da média e investigar as causas.
- Avaliação de campanhas: comparar share antes e depois de uma ação.
Para estruturar indicadores como esses, veja KPIs de trade marketing e dashboards de trade marketing.
Como a Koomp aborda o problema
O Koomp Vision foi concebido para esse fluxo: o promotor fotografa a gôndola pelo app, a IA identifica produtos e marcas, calcula share e ruptura e devolve o resultado ao painel e ao próprio promotor. A abordagem prioriza foto feita pelo celular, sem equipamento especial, e resultados auditáveis: do indicador, é possível abrir a foto original com as caixas desenhadas. Veja a página da solução de visão computacional para gôndola.
Boas práticas para o promotor fotografar
- Posicione-se de frente para a gôndola, a cerca de 1,5 a 2 metros.
- Mantenha o celular na altura do meio da prateleira, na vertical ou horizontal, conforme o tamanho.
- Capture a gôndola inteira, com as laterais visíveis.
- Evite contraluz e reflexos de iluminação.
- Se o corredor for longo, tire fotos sequenciais com sobreposição.
- Retire carrinhos, caixas e pessoas do enquadramento sempre que possível.
Share por nível de prateleira e por bloco
Quando a IA identifica cada produto e sua posição, o cálculo vai além de um único percentual por gôndola. É possível analisar o share por nível (olhos, mãos, alto, chão) e o share por bloco (a área contínua ocupada pela marca). Essas visões respondem perguntas que o número geral esconde:
- A marca tem 30% das frentes, mas está concentrada na prateleira mais baixa? Nesse caso, o share "bonito" pode não se traduzir em visibilidade.
- O concorrente ocupa a altura dos olhos com poucas frentes e a sua marca ocupa o chão com muitas? Vale renegociar posições, e não só quantidade.
- A marca está espalhada em vários pontos da gôndola ou em um bloco compacto? Blocos contínuos costumam facilitar o reconhecimento pelo shopper.
Para fazer essa análise, o sistema associa cada produto a uma prateleira (pela posição vertical na foto) e agrupa as frentes adjacentes da mesma marca. O resultado pode aparecer em um mapa da gôndola, com cores por marca, facilitando conversas com o varejo. Veja como a posição influencia a decisão em merchandising no ponto de venda.
Limitações que vale comunicar ao varejo
Ao apresentar números de share ao varejista, a credibilidade depende de transparência sobre como eles foram obtidos. Algumas práticas:
- Explique o método: que a medição é feita por foto, em frentes, e quais regras de contagem foram usadas.
- Mostre a evidência: leve a foto original com as caixas desenhadas pela IA, para que qualquer divergência possa ser conferida na hora.
- Informe a margem de erro obtida na validação com contagens manuais, em vez de apresentar o número como exato.
- Separe gôndola principal e pontos extras, para evitar confusão sobre o que está sendo medido.
- Combine a periodicidade de atualização com o varejista, para que ambos olhem os mesmos dados.
Quando o varejo percebe que a metodologia é clara e verificável, a conversa passa a girar em torno de decisões de espaço e de giro, e não de quem contou certo. Para a parte comercial, o artigo share de gôndola: como calcular e quais metas fazem sentido traz um roteiro de apresentação.
Perguntas frequentes
A IA mede share em centímetros ou em frentes?
A medição mais comum é em frentes, por ser simples de detectar. Com referências de escala, é possível estimar também o espaço linear. A escolha depende do que a sua operação considera padrão.
Preciso de uma foto por prateleira?
Não. O ideal é uma foto que mostre a gôndola inteira ou várias prateleiras. Para gôndolas longas ou muito altas, o app pode pedir mais de uma foto.
O que acontece quando a IA não reconhece um produto?
O item é marcado como desconhecido e pode ser revisado manualmente. Depois da correção, o produto entra na base e passa a ser reconhecido nas próximas fotos.
