OnTradeMax LogoOnTradeMax
VerticalesBlogServiciosMetodología
Hablemos
Inicio/Blog/Reconocimiento de imágenes en góndola: qué mide y cuándo rinde

Trade Marketing · Guía

Reconocimiento de imágenes en góndola: qué mide y cuándo rinde

Reconocimiento de imágenes en góndola: qué mide la IA, qué precisión exigirle, qué costos implica y cuándo conviene frente a la auditoría manual.

Publicado el 30 de octubre de 2026 · 8 min de lectura
Góndola de supermercado fotografiada para medir share of shelf con reconocimiento de imágenes

El reconocimiento de imágenes en góndola convierte las fotos que toma tu equipo de campo en datos de presencia, share of shelf y cumplimiento de planograma. Esta guía explica qué mide bien, dónde falla, cómo validar la precisión de un proveedor y en qué casos la inversión rinde más que una auditoría manual.

La promesa comercial suele ser una foto, un dato y una acción. En la operación diaria, el resultado depende de la calidad de las imágenes, del entrenamiento del catálogo y de que alguien corrija lo que el sistema encuentra. Por eso la pregunta útil no es si la IA reconoce productos, sino qué decisión va a mejorar con ese dato.

Qué es el reconocimiento de imágenes en góndola

Es una aplicación de visión por computadora para retail. El mercaderista fotografía el tramo de la categoría desde una app y el sistema procesa la imagen en cuatro pasos:

  1. Control de captura. Evalúa foco, encuadre e iluminación, y une varias fotos cuando el tramo no entra en una sola.
  2. Detección. Marca cada producto visible y separa estantes, frentes, exhibidores y etiquetas de precio.
  3. Clasificación. Asocia cada frente con un SKU del catálogo entrenado, incluida la competencia que se haya cargado.
  4. Comparación. Contrasta lo detectado con el estándar del formato y calcula los indicadores.

El cuarto paso no es técnico: depende de tus reglas. Sin surtido obligatorio, cantidad de frentes y ubicación definidos por tipo de PDV, el sistema solo describe la góndola. Por eso el reconocimiento se monta sobre una auditoría de punto de venta con estándar claro, no en su reemplazo.

Qué mide bien y qué no mide

La regla es simple: la IA ve lo que aparece en la foto. Todo lo demás necesita otra fuente de datos.

Indicador Qué tan bien funciona Principal limitación
Presencia de SKU Alta, si el producto está bien entrenado Packs nuevos o variantes casi idénticas
Frentes y share of shelf Alta, con la categoría completa en foto Tramos parciales o productos tapados
Planograma Alta si el planograma está digitalizado Versiones desactualizadas o locales que no lo aplican
Exhibiciones y material POP Media Piezas nuevas sin entrenar, formatos irregulares
Precio exhibido Media Etiquetas chicas, reflejos, precios digitales o promociones superpuestas
Quiebre operativo Parcial La foto muestra el hueco, no si hay stock en depósito
Recomendación en mostrador No mide Requiere observación o consulta al personal

Dos confusiones cuestan caro. La primera es tratar un hueco como un quiebre real: el sistema detecta ausencia en el estante, pero la causa sigue siendo desconocida. La segunda es leer más share of shelf como una mejora comercial automática. El espacio importa cuando el producto rota y el shopper lo encuentra, algo que analizamos en la guía de visibilidad en punto de venta.

Cómo validar la precisión antes de comprar

Un proveedor puede mostrar un porcentaje global muy alto y aun así fallar en tus SKUs críticos. La prueba tiene que hacerse con tus productos, tus PDV y fotos tomadas por tu propio equipo, no con material preparado para la demo.

Para que el piloto sirva:

  • Pedí una muestra representativa. Incluí formatos grandes y chicos, buena y mala iluminación, y categorías con envases parecidos.
  • Armá una verdad de referencia. Dos personas etiquetan una muestra de fotos y resuelven las diferencias. Esa es la base de comparación.
  • Separá precisión y cobertura. La precisión indica cuántas detecciones fueron correctas. La cobertura indica cuántos productos reales encontró el sistema.
  • Abrí el resultado por SKU. Un promedio alto puede esconder una línea entera mal reconocida.
  • Medí el tiempo real. Contá cuánto tarda el dato en llegar y cuántas fotos se rechazan en la calle.

La precisión global engaña sobre todo en los eventos poco frecuentes. Un ejemplo ilustrativo: sobre 1.000 controles de SKU hay 40 ausencias reales. Si el modelo acierta el 95% tanto en ausencias como en presencias, detecta 38 y genera 48 falsas alarmas sobre los 960 productos presentes.

Resultado Controles
Ausencias reales detectadas 38
Falsas alarmas 48
Alertas totales 86
Alertas correctas 44%

Con una precisión anunciada del 95%, más de la mitad de las alertas serían falsas. Si el equipo de campo sale a verificarlas, va a dejar de confiar en el sistema en pocas semanas. La cifra que te sirve no es cuánto acierta el modelo en promedio, sino cuántas alertas son accionables.

Cuándo rinde frente a la auditoría manual

El costo no se agota en la licencia. También hay que considerar el entrenamiento de catálogos, la actualización por cada cambio de pack, la digitalización de planogramas, la integración con la app de campo y el tiempo extra de foto en cada visita.

Situación Opción razonable
Pocos PDV y portafolio corto Auditoría manual con foto y checklist corto
Muchos PDV con formatos estándar y visitas frecuentes Reconocimiento de imágenes en categorías prioritarias
Equipo tercerizado o necesidad de un dato comparable entre agencias Reconocimiento más reauditoría por muestra
Canal atomizado con visitas esporádicas Muestreo manual o censos puntuales
Estándar sin definir o sin dueño Resolver primero el proceso; la herramienta no lo reemplaza

También pesa la tasa de cambio del portafolio. Una marca con lanzamientos, promos y packs temporarios seguidos debe medir cuánto tarda el proveedor en entrenar cada novedad y quién paga ese trabajo. Si el nuevo SKU tarda semanas en reconocerse, el sistema falla justo durante el lanzamiento, cuando más necesitás el dato.

Para ubicar proveedores, los informes de Gartner pueden servir como punto de partida, aunque suelen mirar grandes operaciones de consumo. Para una marca mediana, pesan tanto el soporte local y la capacidad de entrenar productos regionales como la lista de funciones.

Reconocimiento de imágenes en farmacia

El canal farma agrega dificultades que una demo en supermercado no muestra.

  • Autoservicio vs. mostrador. En farmacias de autoservicio, la lógica es parecida a consumo masivo. En mostrador, la pared queda detrás del personal, la foto llega de lejos y no siempre se puede tomar en horario de atención.
  • Envases parecidos. Una misma línea puede tener presentaciones y concentraciones casi iguales. Un error de clasificación puede cambiar el dato de presencia del SKU clave.
  • Autorización y privacidad. Cada cadena o farmacia define qué se puede fotografiar. Las imágenes no deberían registrar recetas, clientes ni personal identificable. Si capturan datos personales, hay que tratarlos según las pautas de la AAIP.
  • Compliance. La foto puede documentar el material en PDV, pero no reemplaza su revisión contra la normativa de publicidad de ANMAT. Para medicamentos de prescripción, tampoco tiene sentido medir material dirigido al público.

La cobertura también hay que leerla con cuidado. Si el sistema funciona solo en cadenas con autoservicio, el dato va a representar esa parte del canal, no al total de farmacias. Cómo ordenamos ese trabajo por tipo de punto está en nuestra propuesta de trade marketing farmacéutico.

Cómo implementarlo sin frenar al equipo de campo

Un despliegue razonable arranca angosto y gana alcance con evidencia:

  1. Elegí una decisión. Por ejemplo, verificar el cumplimiento de planograma en una categoría y una cadena.
  2. Definí el estándar por formato. Surtido, frentes, ubicación y excepciones.
  3. Entrená el catálogo crítico. Propios, competidores clave, material POP y variantes activas.
  4. Compará en paralelo. Durante el piloto, reconocimiento y revisión humana miden las mismas fotos.
  5. Fijá el circuito de corrección. Cada alerta necesita dueño, plazo y evidencia de cierre.
  6. Evaluá contra sell-out por cluster. Si la mejora de ejecución no se relaciona con la venta, revisá el estándar antes de ampliar.

El tiempo de visita es el trade-off que más se subestima. Cada foto extra le quita minutos al orden de la góndola o a la negociación con el encargado. Cuando la visita se alarga, puede bajar la cantidad de PDV cubiertos. Conviene medir ese impacto y ajustar qué categorías se fotografían, en lugar de pedir fotos de todo. También conviene explicarle al equipo para qué sirve el dato: si lo perciben solo como control, van a buscar la manera de sortearlo.

Del dato a la góndola

El reconocimiento de imágenes en góndola acelera la medición y baja la subjetividad, pero la venta se mueve cuando un desvío se corrige a tiempo y hay demanda para aprovecharlo. Conviene concentrar las mediciones en las semanas en que una campaña empuja tráfico al PDV: una falla de ejecución cuesta más cuando ya pagaste para que el shopper llegue. En OnTradeMax trabajamos esa cadena completa, desde la demanda hasta la ejecución y el sell-out.

Si querés definir qué medir con fotos en tu operación y qué conviene seguir auditando en forma manual, escribinos por WhatsApp.

Preguntas frecuentes

¿Qué es el reconocimiento de imágenes en góndola?+

Es el uso de modelos de visión por computadora para identificar productos en fotos del punto de venta. A partir de la imagen, el sistema detecta cada frente, lo asocia a un SKU y calcula indicadores como presencia, share of shelf y cumplimiento del planograma. Reemplaza el conteo manual, pero no define el estándar de ejecución ni corrige los desvíos.

¿Cómo se mide el share of shelf con fotos?+

El sistema cuenta los frentes de cada marca dentro de la categoría fotografiada y calcula su participación sobre el total, en frentes o en metros lineales de estante. Para que el dato sea comparable, la categoría tiene que estar definida igual en todos los PDV y las fotos deben cubrir el tramo completo. Una foto parcial cambia el denominador y altera el resultado.

¿Qué precisión debería tener un sistema de image recognition en retail?+

No alcanza con un porcentaje global. Hay que pedir precisión y cobertura por SKU, por categoría y por formato de PDV, medidas contra una muestra propia validada por personas. El piso aceptable depende del uso: para ver tendencias de share of shelf se tolera más error que para reclamarle a una cadena una exhibición pagada o para disparar alertas de quiebre.

¿La IA puede reemplazar la auditoría de punto de venta?+

Reemplaza parte de la medición, no toda la auditoría. Mide bien lo visible: presencia, frentes, ubicación y, con buena calidad de foto, etiquetas de precio. No sabe si hay stock en depósito, si el personal recomienda el producto ni por qué el PDV no cumple. Esa información y la corrección en el momento siguen dependiendo del equipo de campo.

¿Cuándo conviene implementar reconocimiento de imágenes en el PDV?+

Conviene cuando ya existe un estándar por formato, hay visitas frecuentes con foto y el volumen de imágenes supera lo que un equipo puede revisar con criterio parejo. Si el portafolio es chico, los puntos son pocos o nadie actúa sobre las alertas, una auditoría manual bien diseñada suele dar mejor retorno que una plataforma.

¿Funciona el reconocimiento de imágenes en farmacias?+

Funciona mejor en farmacias de autoservicio, donde la góndola es accesible y se parece a la de consumo masivo. En farmacias de mostrador es más difícil: la pared queda detrás del personal, la distancia y los ángulos son peores y hay envases chicos muy parecidos entre sí. Además, cualquier relevamiento necesita autorización del punto de venta y no debe capturar datos de pacientes.

OnTradeMax

¿Querés aplicar esto a tu marca?

Integramos trade marketing, lead generation y performance en una sola estrategia. Te armamos una propuesta concreta para tu caso.

Hablemos por WhatsApp

Seguí leyendo

  • Software para gestión de equipos de campo: cómo elegirlo

    Software para gestión de equipos de campo: funciones que importan, qué pedirle a una app para mercaderistas, costos y errores al implementarlo en el PDV.

  • Cómo negociar con el área de compras en B2B sin regalar margen

    Cómo negociar con el área de compras en B2B: qué mide el comprador, cómo defender el precio y qué concesiones intercambiar sin erosionar el margen.

  • Sitio web para empresas industriales: estructura y catálogo

    Sitio web para empresas industriales: qué páginas necesita un fabricante, cómo armar el catálogo y las fichas técnicas, y cuándo conviene un rediseño B2B.

OnTradeMaxOnTradeMax

© 2026 OnTradeMax. Todos los derechos reservados.

[email protected]+54 9 11 6263-2404