01 研究背景

在快速消费品行业，终端货架不仅是陈列空间，更是决定销量与市占率的关键资源。品牌商通常与零售终端签订细化到“层数-面数-标签朝向”的货架租赁合同，以确保最佳可见度。但在东南亚、拉丁美洲等高度碎片化的市场，独立小店林立，“千店千面”的合同结构让人工巡店成本呈线性攀升，且数据滞后与人为录入误差长期困扰管理层。近年，计算机视觉模型取得突破，品牌方开始在巡店App内嵌智能图像处理（IIP）模块：驻店代表现场拍照，云端模型实时识别品牌与面陈，自动生成合规报告并推送后台。这一方案在技术层面看似成熟，但其经济有效性、行为影响路径及可持续性仍缺乏大样本、严因果的实地证据。论文作者携手跨国日化企业，在真实商业环境中展开三阶段研究，以评估IIP对销量、合规及渠道协同的综合价值。

值得注意的是，巡店数字化并非始于今日。早在功能机时代，一些领先厂商就尝试让代表用相机拍照，再由后台人工作业标注。然而，照片回传往往需要数日，且分辨率不足、角度偏差严重，加班标注后的数据已失去时效性。随着4G网络普及、智能手机摄像头像素突破千级、云端GPU计算成本下降，IIP才真正具备了“即拍即判”的可行性。再加上疫情期间“非接触式审计”需求高涨，零售商对数字监控的接受度显著提高，行业迎来升级窗口。与此同时，品牌方还面临日益严格的内部合规审计：渠道返利与陈列补贴必须基于可核验的数据发放，传统手工巡店难以满足总部财务稽核的透明度要求。IIP因而被视作同时解决效率、准确率与合规性的“一揽子”工具，但它是否真能带来超额回报，抑或只是技术幻象，仍有赖实证检验。

02 研究问题：

基于智能图像处理（IIP）的货架监测如何帮助制造商进行货架管理

本研究从决策者关心的“三连问”切入。第一，IIP监控能否显著提升产品销量，抑或只是短期数据噪声？第二，如若销量跃升，究竟是零售商因监督压力而提高合同履约，还是驻店代表因数字化赋能而提升管理效率？第三，当停止使用IIP监控后，增量收益是否会迅速归零，还是会因行为惯性保留部分红利？此外，作者亦关注不同业态门店与合同复杂度对技术冲击的异质反应，并尝试阐释技术-组织-人三元互动背后的管理机理。

03 实验设计

Stage 1：准实验。研究首先利用品牌方2019年4月在六座中国二线城市推行的IIP试点作为自然实验。2217家门店被纳入IIP监控，其余维持人工巡店。作者将2017–2019年的月度销售与合同元数据整理为门店层面面板，先以倾向得分匹配控制可观测异质性，再以双向固定效应双重差分模型估计干预效应，并通过趋势检验确认试点前销量轨迹平行，该阶段为后续研究提供了因果识别“前测”。

Stage 2：随机对照实验。为进一步排除选择性偏差，团队在2019年5–8月于同一商圈随机抽取3808家门店，分为三组：①全程使用IIP；②使用两个月后停用；③始终人工巡店。随机化按城市、门店规模与合同复杂度分层进行，确保基线可比。所有门店仍须接受代表常规拜访，从而隔离“拍照即监督”干扰。研究每周收集销售、缺货、订单回补等高频指标，并在后台记录代表巡店时长与照片数，以衡量效率变动。作者量化了IIP对销量与合规的即时及滞后效应，并检验学习与记忆效应。

Stage 3：机制与异质性分析。在第三阶段，作者聚焦两条因果通路与三类异质影响。通路方面，先依据IIP报告计算“面陈合规率”和“位置合规率”，再在结构方程模型中测试“监控→合规→销量”的中介效应；另一路则通过比较代表每日巡店时长、拜访覆盖率与返工率，评估效率提升贡献。为进一步排除“摄像头在场”效应，团队设置只拍照不识别的安慰剂子样本，并通过双盲访谈获取零售商与代表的行为动机，佐证量化结果。

04 结论

三阶段证据显示，IIP系统对销售具有稳健且显著的正向影响：准实验阶段月销量平均提升约15%，随机对照阶段综合提升约17%，其中合同复杂度最高的门店增幅超过30%。当监控被停用后，销量虽在两周内回落约20%，但仍保持显著高于从未使用IIP的对照组，证明零售商在短期密集监督下形成了可观的合规惯性。成本-收益评估表明，以15.5万美元年成本测算，项目可在12–18个月内收回全部投入，收益-成本比预计达到1.75:1。同时，代表人均巡店时长减少22%，拜访覆盖率提升18%，侧面印证了效率通道的存在。

对于品牌管理者而言，研究提出三点策略建议：第一，优先在合同异质性最高、人工监督最薄弱的独立小店部署IIP，以最大化早期投资回报；第二，搭配基于IIP数据的绩效激励和培训，帮助零售商理解并内化陈列标准，巩固行为惯性；第三，将IIP生成的合规指标与订单管理系统打通，构建实时“监控-决策-执行”闭环，以支持动态补货和货架优化。对于学界而言，本研究丰富了技术-组织-环境视角下“数字监控—渠道合规—绩效提升”机理，也为计算机视觉在零售场景的经济学评估提供了可复制的研究范式。当然，研究仍受限于单一品牌与四个月观测窗口，未来可在多品类、跨文化场景中持续跟踪，以检验长期竞争效应与消费者福利影响。综上，IIP并非替代人力，而是在人机协同框架下放大执行效率、塑造合规文化的有效工具，为品牌在高度碎片化市场实现可持续增长提供了坚实的技术支撑。

参考文献：Deng, Y., Zheng, J., Huang, L., & Kannan, K. (2023). Let artificial intelligence be your shelf watchdog: The impact of intelligent image processing-powered shelf monitoring on product sales. MIS quarterly, 47(3), 1045-1072.

文章链接：https://doi.org/10.25300/MISQ/2022/16813

作者详细信息：

Yipu DENG

Position: Associate Professor of Innovation and Information Management, HKU Business School, Hong Kong

Area: Artificial Intelligence, Crowdfunding, User-generated Content, Sharing Economy

Site: https://www.hkubs.hku.hk/people/yipu-deng/

Email: yipudeng@hku.hk

Jinyang ZHENG

Position: Assistant Professor of Information Systems, Simon Business School, University of Rochester, USA

Area: AI for Business, Moderating Content Platforms, Managing Two-sided Platforms, and Digital Resilience

Site: https://simon.rochester.edu/faculty/jinyang-zheng

Email: zhengjy@rochester.edu

Liqiang HUANG

Position: Professor of Information Systems and Data Science, School of Management, University of Zhejiang, CHINA

Area: Digital Commerce, Human-Computer Interaction, and Cloud Computing

Site: https://person.zju.edu.cn/en/liqianghuang#0

Email: huanglq@zju.edu.cn

Karthik KANNAN

Position:Halle Chair of Leadership and the dean of the Eller College of Management, University of Arizona, USA

Area: Digital Transformation, Analysis of Digital Traces and Strategic Foresight

Site: https://eller.arizona.edu/people/karthik-kannan

Email: dean@eller.arizona.edu