在技術升級和消費升級的雙重驅動下，零售數字化轉型已成為零售市場的基本共識。現如今，零售現場的大數據已成為零售管理的一項重要數字資產，囊括了從消費者到門店、從零售場景到供應鏈上下游延伸的全域數字化過程中最不可忽視的數字支撐點。

Trax作為全球零售業的計算機視覺解決方案領導者，在中國率先引入F1指標，通過科學和專業的AI評估模型，幫助零售企業客觀的評估貨架數字化的數據可用性和價值。

相比準確率，綜合指標F1更顯優勢

在過去的數年中，實體零售場景中的貨架實景、面位、價簽、陳列、以及促銷等這些基礎的數字化信息，逐步構建了零售數字化的底層框架。作為效率革命的AI技術，被應用到圖像識別領域，因此，圖像中商品的準確率成為最為常見的指標。

事實上，在對人工智能訓練能力水平評估的標準中，通常會用到準確率(Accuracy)、精準率(Precision)、召回率(Recall)和綜合F1指標。準確率又是大家在近幾年經常使用的作為衡量圖像識別效果的常用指標，它計算了分類正確的預測數與總預測數的比值，但當樣本不均衡時，準確率評估方法的缺陷尤為顯著，不能真正客觀的衡量結果。

F1指標作為精確率和召回率的綜合指標，能夠更科學的評估AI模型的好壞。F1指標可以應用在不同維度，包括分銷與排面、場景及層數、二次陳列和價簽、以及翻拍防作弊等特定需求。

影響F1指標的關鍵因素主要有：產品外包裝，樣本豐富性和算法能力。Trax建議客戶選取不低于1068張圖像樣本，降低圖片數量少帶來的指標統計學風險，這些樣本充分考慮不同門店類型，不同照片拍攝環境，以及不同產品擺放方式。同時建議客戶聚焦在核心SKU，避免過于關注長尾SKU，這樣會大大拖慢項目進度并對最終的收益沒有明顯提升。

四大算法領先優勢，Trax助力客戶客觀評估數據可用性和價值

F1指標為客觀評估數據可用性帶來新的啟示，究其本源，Trax的算法能力有著不可忽視的影響。

首先是Trax的全場景數字化解決方案。無論面向大店小店，還是特殊場景，Trax擁有豐富且適用的場景模塊，面向中國廣袤縱深、渠道復雜的零售市場，亦能輕松駕馭。

其次是專家推理決策系統。對于通過計算機視覺無法識別的產品，可以通過價簽、臨近產品進行推理，進一步以算法和專家推理系統提升數據可用性。

再則是360度全方位檢測。Trax獨有的圖像識別算法，不受圖片中產品擺放與貨架的角度影響，充分利用每一張圖片，精確進行分類、標注和識別，全面提升數據的可用性。

最后則是強泛化能力。在過去十年的累計的經典案例基礎上，Trax成熟的建模經驗，能夠延伸滿足到更多的場景，幫助到更多商品的識別。

從大規模上線應用AI圖像識別的客戶案例來看，Trax已經建立了不同品類的F1指標行業標桿。某國內領先飲品客戶單日照片量超過60萬張，超過1萬人使用，F1分銷指標達到99%，F1排面指標達97%。除此之外，某全球領先日化客戶F1分銷指標達到96%，某全球領先醫藥客戶F1排面指標達到95%，某國內新銳母嬰連鎖客戶F1分銷指標達99%……這些數據引領零售數字化轉型進入更高的數據標準。

可以預見，F1指標或將成為零售AI算法的新標準，客觀和精準的數據服務于管理實踐和升級，每一幀被采集上來的數據圖像都呈現其對應的數據價值，Trax亦將為零售數字化轉型提供加速動能。