在技术升级和消费升级的双重驱动下，零售数字化转型已成为零售市场的基本共识。现如今，零售现场的大数据已成为零售管理的一项重要数字资产，囊括了从消费者到门店、从零售场景到供应链上下游延伸的全域数字化过程中最不可忽视的数字支撑点。
Trax作为全球零售业的计算机视觉解决方案领导者，在中国率先引入F1指标，通过科学和专业的AI评估模型，帮助零售企业客观的评估货架数字化的数据可用性和价值。
相比准确率，综合指标F1更显优势
在过去的数年中，实体零售场景中的货架实景、面位、价签、陈列、以及促销等这些基础的数字化信息，逐步构建了零售数字化的底层框架。作为效率革命的AI技术，被应用到图像识别领域，因此，图像中商品的准确率成为最为常见的指标。
事实上，在对人工智能训练能力水平评估的标准中，通常会用到准确率（Accuracy）、精准率（Precision）、召回率（Recall）和综合F1指标。准确率又是大家在近几年经常使用的作为衡量图像识别效果的常用指标，它计算了分类正确的预测数与总预测数的比值，但当样本不均衡时，准确率评估方法的缺陷尤为显著，不能真正客观的衡量结果。
F1指标作为精确率和召回率的综合指标，能够更科学的评估AI模型的好坏。F1指标可以应用在不同维度，包括分销与排面、场景及层数、二次陈列和价签、以及翻拍防作弊等特定需求。
影响F1指标的关键因素主要有：产品外包装，样本丰富性和算法能力。Trax建议客户选取不低于1068张图像样本，降低图片数量少带来的指标统计学风险，这些样本充分考虑不同门店类型，不同照片拍摄环境，以及不同产品摆放方式。同时建议客户聚焦在核心SKU，避免过于关注长尾SKU，这样会大大拖慢项目进度并对最终的收益没有明显提升。
四大算法领先优势，Trax助力客户客观评估数据可用性和价值
F1指标为客观评估数据可用性带来新的启示，究其本源，Trax的算法能力有着不可忽视的影响。
首先是Trax的全场景数字化解决方案。无论面向大店小店，还是特殊场景，Trax拥有丰富且适用的场景模块，面向中国广袤纵深、渠道复杂的零售市场，亦能轻松驾驭。
其次是专家推理决策系统。对于通过计算机视觉无法识别的产品，可以通过价签、临近产品进行推理，进一步以算法和专家推理系统提升数据可用性。
再则是360度全方位检测。Trax独有的图像识别算法，不受图片中产品摆放与货架的角度影响，充分利用每一张图片，精确进行分类、标注和识别，全面提升数据的可用性。
最后则是强泛化能力。在过去十年的累计的经典案例基础上，Trax成熟的建模经验，能够延伸满足到更多的场景，帮助到更多商品的识别。
从大规模上线应用AI图像识别的客户案例来看，Trax已经建立了不同品类的F1指标行业标杆。某国内领先饮品客户单日照片量超过60万张，超过1万人使用，F1分销指标达到99%，F1排面指标达97%。除此之外，某全球领先日化客户F1分销指标达到96%，某全球领先医药客户F1排面指标达到95%，某国内新锐母婴连锁客户F1分销指标达99%……这些数据引领零售数字化转型进入更高的数据标准。
可以预见，F1指标或将成为零售AI算法的新标准，客观和精准的数据服务于管理实践和升级，每一帧被采集上来的数据图像都呈现其对应的数据价值，Trax亦将为零售数字化转型提供加速动能。
