一、药店陈列检查：OTC 营销的「最后一米」
对于 OTC 产品来说，药店货架就是战场。产品的陈列位置、陈列面积、价签信息、促销物料的展示效果，直接影响消费者的购买决策。
因此，大多数 OTC 药企都将「陈列检查」作为终端拜访的核心考核项。销售代表每次拜访药店，需要检查并记录产品的陈列状态，确保达到公司的陈列标准。
1.1 传统陈列检查的痛点
然而，传统的纸质台账式陈列检查存在多个顽疾：
- 数据造假成本极低：手写记录「产品在A区黄金位置，3个陈列面」——没有任何验证手段
- 数据汇总困难：纸质记录需要人工录入系统，周期长、错误率高
- 管理严重滞后：总部拿到汇总数据通常是2-3周后，早已错过最佳干预时机
- 标准模糊：什么是「合格陈列」？每个人的理解不同，判断结果因人而异
- 照片管理混乱：即使要求拍照，照片散落在各人手机里，无法系统化管理
二、数智化陈列检查的四层架构
第一层：照片采集——看得见的真实
照片是数智化陈列检查的基础证据。但仅仅「拍照上传」远远不够，需要确保照片的真实性和有用性：
防作弊机制：
- GPS定位：拍照时自动获取地理位置，确认销售代表确实到达了目标药店
- 时间水印：照片自动嵌入拍摄时间，防止使用历史照片冒充
- 在线拍摄：必须通过APP内置相机拍摄，不允许从相册选取
- 连续性验证：系统检查拍照时间与签到时间、签退时间的逻辑一致性
拍摄规范：
- 明确要求拍摄角度：正面全景（展示整体陈列面）+ 近景特写（展示价签/标签）
- 设定最低照片数量：每次陈列检查至少N张（根据检查项设定）
- 照片质量检测：自动检测模糊、过暗、遮挡等无效照片
第二层：AI 图像识别——看得懂的数据
照片采集解决了「有没有」的问题，AI 图像识别解决「好不好」的问题：
可识别的陈列指标：
- 产品识别：识别货架上的产品种类（自家产品 + 竞品）
- 陈列面计数：自动统计产品在货架上占据的面位数（SKU Face Count）
- 位置评估：判断产品是否在黄金视线区域（通常是货架第2-3层）
- 价签检查：识别价签是否存在、内容是否正确
- 物料检查：检查促销台卡、POP海报、价格标签等物料是否在位
AI 识别的局限性：
- 光线条件差时识别率下降（需要提示销售代表补光拍摄）
- 相似包装的竞品可能误识别（需要持续训练模型）
- 非标准货架（如收银台旁、橱窗内）的识别难度较高
第三层：标准化评分——看得清的差距
将陈列检查结果转化为可量化的评分，便于横向对比和纵向追踪：
评分维度设计示例：
- 产品在架率（30分）：目标SKU是否全部在架？
- 陈列面位（25分）：陈列面数是否达到合同要求？
- 陈列位置（20分）：是否在黄金位置/合同约定位置？
- 价签合规（15分）：价签是否存在且信息准确？
- 物料展示（10分）：促销物料是否在位且完好？
总分100分，设定合格线（如80分），低于合格线的药店自动进入「重点关注」名单。
第四层：数据分析闭环——看得远的趋势
单次陈列检查的数据价值有限，持续积累后的趋势分析才是核心价值：
- 门店陈列得分趋势：某门店的陈列得分是在改善还是恶化？
- 区域对比：各区域的平均陈列达标率对比，哪个区域执行最好？
- 品类对比：不同产品线的陈列达标情况是否有差异？
- 陈列与销量的关联：陈列改善后，该门店的动销数据是否有正向变化？
三、实施路径：从0到1的三个阶段
阶段一：基础数智化（1-2个月）
目标：用数智化手段替代纸质台账，确保数据真实可追溯
- 部署移动端拍照 + GPS签到功能
- 建立标准化的陈列检查模板（检查项、评分标准）
- 照片集中存储和管理，按门店/日期/销售代表检索
关键成功因素：系统操作足够简单（每次检查新增操作时间不超过3分钟），销售代表才不会抵触。
阶段二：智能化识别（3-6个月）
目标：引入 AI 识别能力，减少人工判断的主观性
- 训练产品识别模型（需要收集大量标注数据）
- 上线陈列面位自动计数功能
- 建立 AI 识别结果的人工复核机制（初期AI识别率可能在80%左右）
关键成功因素：AI模型的准确率需要达到可用水平才能推广，否则会增加一线人员的工作量。
阶段三：数据驱动运营（6个月+）
目标：用陈列数据驱动终端运营策略
- 建立陈列得分与终端分级的联动机制
- 陈列数据与流向动销数据关联分析
- 自动生成陈列改善建议（如：A门店的XX产品陈列面位下降，建议下次拜访重点协调）
四、常见实施陷阱
陷阱一：过度追求 AI 准确率
很多企业期望AI识别率达到99%才上线，结果项目永远在「优化中」。建议：先上线基础功能（照片+GPS），AI识别作为辅助逐步迭代，而不是一步到位。
陷阱二：检查标准过于复杂
如果一次陈列检查需要填写30+项指标，销售代表会花更多时间在系统操作上而不是实际改善陈列。建议：核心检查项控制在5-8项以内。
陷阱三：只有检查没有闭环
如果检查发现问题后没有后续的改善跟踪机制，陈列检查就变成了「形式主义」。建议：建立「检查→问题→任务→复查」的闭环流程。
陷阱四：忽视销售代表的接受度
数智化工具的使用者是一线销售代表，如果他们觉得系统是「监控工具」而非「效率工具」，抵触情绪会严重影响数据质量。建议：在设计系统时充分考虑一线使用体验，同时向销售代表展示系统如何帮助他们更高效地完成工作。
五、投入产出分析
典型投入
- 系统部署和定制化开发：根据需求复杂度和终端数量而定
- AI模型训练：需要数千张标注图片，初期训练周期2-3个月
- 培训推广：覆盖全国销售团队的培训和推广
可量化的产出
- 数据录入效率提升：消除纸质台账的人工录入环节，人力节约明显
- 管理报表时效性：从月度汇总缩短到实时可查
- 陈列达标率提升：数智化监管后，陈列达标率通常能提升15-25个百分点
- 终端动销改善：好的陈列直接带动消费者选择，动销提升可期
药店陈列检查数智化不是简单地把纸质表格搬到手机上，而是重构了「采集→识别→评分→分析→行动」的完整管理闭环。在 OTC 终端竞争日趋激烈的今天，谁能更快、更准确地掌握终端陈列状态并做出响应，谁就能在「最后一米」赢得消费者。