ShelfWatch · Brasil e América Latina

Cada gôndola.Cada loja.Em tempo real.

Reconhecimento de imagens com IA que monitora e ajuda a corrigir na hora a execução no PDV, melhorando a experiência do shopper e as vendas.

Solicitar demo Calcular o impacto

Qual é o seu perfil?

Mão usando um smartphone em uma loja iluminada
  • 98%+de precisão em SKUs
  • 45países com projetos
  • 15 mi+fotos analisadas por mês

Capítulo 01

O problema

Mesmo que os sistemas digam que há estoque na loja, se o produto não está visível na gôndola, a venda não acontece.

Gôndola de supermercado com prateleiras vazias

O custo da má execução

Uma má execução no PDV custa muito caro.

25%

das vendas são perdidas por falhas de execução no ponto de venda

1,7

trilhão de dólares por ano: o custo global da distorção de estoque em 2026

<40%

de cumprimento dos programas de “Loja Perfeita”

Fontes: ParallelDots Research; IHL Services, “The 2026 Inventory Distortion Study”.

Gôndola de supermercado com produtos embalados e etiquetas de preço

Por que a execução falha

Quando a execução falha, a empresa inteira sente.

  1. 01Rupturas frequentes
  2. 02Má gestão do espaço na gôndola
  3. 03Baixa visibilidade do produto
  4. 04Baixo ROI do investimento em trade marketing
  5. 05Experiência de compra ruim
  6. 06Promoções e planogramas descumpridos
  7. 07Custos de mão de obra mais altos
  8. 08Preços incorretos
  9. 09Vendas perdidas

Os limites das auditorias manuais

As auditorias manuais já não dão conta.

~70%

de precisão média nas auditorias manuais, por causa do erro humano.

  • Sem dados em tempo real

    Os problemas não são corrigidos enquanto o promotor ainda está na loja.

  • Processos lentos

    Horas de digitação reduzem a produtividade da equipe de campo.

  • Cobertura parcial

    Só uma fração das lojas chega a ser auditada.

  • Difíceis de escalar

    Mais lojas significam mais pessoas e mais custo.

Capítulo 02

A solução

Uma foto. Inteligência artificial. Decisões em segundos. Execução no PDV corrigida. Mais vendas.

Mão usando um smartphone em uma loja iluminada

Como ganhar na gôndola, loja após loja? Com a plataforma de reconhecimento de imagens mais avançada:

ShelfWatch

by ParallelDots

Skyline de uma cidade ensolarada
45países com projetos ShelfWatch

Quem somos

Visão computacional para o varejo, comprovada em escala global.

15 mi+
fotos de lojas analisadas por mês
150+
colaboradores
US$ 6,5 mi
de investimento Série A
2017
ano de fundação

Parceiros de tecnologia e reconhecimento

Desenvolvida junto aos líderes globais em tecnologia.

  • Google Cloud
  • NVIDIA Inception Program
  • Intel AI
  • SAP Startup Studio

“Recomendamos amplamente a ParallelDots: um parceiro valioso, com aplicações digitais excepcionais, robustas e fáceis de usar, que impulsionam o sucesso do negócio.”

Tereza Šebková · Asahi

Liderança de opinião

Forbes Technology Council

Como os gigantes do varejo estão redefinindo a experiência do cliente com reconhecimento de imagens e IA.

Podcast

Retail Conversations

Show & Tell, com a ParallelDots.

A confiança das grandes marcas globais

Marcas globais de bens de consumo usam o ShelfWatch. E também marcas locais relevantes.

  • Coca-Cola
  • Unilever
  • Mondelēz International
  • Heineken
  • Asahi
  • Danone
  • Kenvue
  • Haleon
  • BAT
  • Philip Morris International
  • Kraft
  • Kellanova
  • Bacardi
  • SC Johnson
  • Sigma Alimentos

E muitas outras…

Equipe ParallelDots

Liderança global, experiência local.

  • Angam Parashar

    Angam Parashar

    Cofundador · CEO

    IIT Kharagpur · Ex-consultor de gestão · Colunista da Forbes

  • Ankit Narayan Singh

    Ankit Narayan Singh

    Cofundador · CTO

    IIT Kharagpur · 10+ anos em IA · artigos científicos e patentes

  • Muktabh Mayank

    Muktabh Mayank

    Cofundador · Chief Data Scientist

    Artigos científicos e patentes · palestrante do IEEE

  • Vivek Chaudhri

    Vivek Chaudhri

    Business Advisor

    Ex-Chief Digital, Data & AI Officer em empresas da Fortune 500

  • Madhu Kris

    Madhu Kris

    VP de Growth · APAC

    Ex-GM APAC e Europa na GreatVines · 2x fundador · 10+ anos em execução no varejo

  • Kaustubha Pimplikar

    Kaustubha Pimplikar

    Consultor · APAC

    Ex-Vispera · 20+ anos em transformação digital

  • Jennifer Hussey

    Jennifer Hussey

    Senior Sales · EMEA

    15+ anos em bens de consumo · Grande experiência em IA

  • Henrique Bragança

    Henrique Bragança

    Diretor Geral · América Latina

    Ex-Coca-Cola, Danone, Philips · 14+ anos em IA, incluindo reconhecimento de imagens

Conheça o ShelfWatch

Dados críticos do ponto de venda em tempo real.

  • Acompanhe seus produtos em tempo real com mais de 98% de precisão.
  • Dados precisos de gôndola por SKU em cada loja.
  • Aumente a disponibilidade na gôndola e o cumprimento do planograma.
  • Monitore promoções e preços na hora.
  • Venda mais por loja e ofereça uma experiência de compra consistente.
App ShelfWatch sobre uma geladeira de bebidas na loja

Como o ShelfWatch funciona

Da foto à decisão, em segundos.

App ShelfWatch capturando uma gôndola

Omnicanal

Uma única solução de IA para todos os canais.

  • Supermercado moderno Moderno/Tradicional
  • Pequena loja de conveniência com produtos embalados Conveniência
  • Balcão de bar com bebidas e taças Bares e restaurantes
  • Farmácia moderna Farmácias

Tecnologia disruptiva

Diversos indicadores de loja medidos em tempo real.

  • Share of Shelf

    Por SKU, marca, submarca, segmento e fabricante. Planos de ação em segundos.

  • Cumprimento de promoções

    70% das promoções não têm ROI positivo por falhas de execução.

  • Disponibilidade na gôndola

    3% a mais de disponibilidade elevam, em média, as vendas em cerca de 1%.

  • Cumprimento de planogramas

    +7,8% de vendas, em média, ao acertar blocos de marca, altura dos olhos, adjacências e regras de merchandising.

  • Pontos extras e materiais de PDV

    Os materiais de PDV estão bem distribuídos? Quanto tempo duram? Os freezers e geladeiras têm invasão da concorrência?

  • Cumprimento de preços

    As etiquetas de gôndola são reconhecidas automaticamente e comparadas ao preço sugerido por loja.

Fonte: publicações sobre varejo, incluindo McKinsey.

Relatórios executivos

Todas as lojas, um único dashboard.

  • Tendências de KPIs que mostram quais métricas mais movem as vendas.

  • Galeria de fotos para validar a IA e revisar relatórios por equipe e por loja.

  • Filtros por categoria, SKU, rede, região e vendedor.

  • Inteligência competitiva: capture os SKUs da concorrência e compare os KPIs.

Capítulo 03

ShelfWatch em ação

Clientes reais. Lojas reais. Resultados reais.

Gôndola organizada com produtos embalados

Pontos extras

Cada ponto extra, avaliado automaticamente.

  • Sinalização da marca
  • Blocos de marca
  • Materiais de gôndola da marca
  • Mínimo de frentes por produto

Pontuação personalizada para cada mercado.

Além do reconhecimento de imagens tradicional

Nossa IA vê o produto e o contexto.

Detecção de caixas, não só de SKUs individuais.
Leitura do contexto: o ponto extra está em uma área de alto tráfego, como perto dos caixas?

Regras de reconhecimento personalizadas

Cumprimento de HotZone: a localização também vende

A geladeira está perto dos caixas ou ao lado de outra geladeira.

Feito para o mundo real

Reconhecimento preciso, mesmo em condições difíceis.

Pouca luz · SKUs identificados mesmo assim.
Produtos girados · SKUs identificados mesmo assim.

Funcionalidades adicionais

Recursos modulares, prontos para qualquer mercado.

Produtividade da equipe de campo, de fábrica.

  • Portal de presença e gestão do supervisor

    Registro diário de check-in e check-out, com pesquisas opcionais.

  • Detecção automática de fachadas

    Reconhecimento avançado de fachadas no canal tradicional, com tipo e nome da loja verificados.

  • Geocerca

    Check-in por localização que comprova que cada visita realmente aconteceu. E as fotos não podem ser reutilizadas.

  • Roteirização automática

    Os roteiros de visita são sincronizados automaticamente entre o ShelfWatch e seus outros sistemas.

  • Grande angular

    Fotos grande angular para corredores estreitos, além de fotos horizontais unidas automaticamente.

  • Tempo em loja

    Mede o tempo total no app para concluir cada tarefa.

Capítulo 04

Excelente também no canal tradicional

Nossa IA sabe lidar com a realidade das lojas pequenas.

Pequena mercearia cheia de produtos embalados, com o comerciante atrás do balcão

Canal tradicional

Um modelo de visão e linguagem treinado para as lojas mais complexas.

  1. 01

    Identificação da marca de SKUs expostos de lado.

  2. 02

    Detalhe de sabor, fragrância e SKU sempre que a frente da embalagem estiver visível.

  3. 03

    Dois modelos de IA rodam sobre uma única imagem: um para a marca e outro para o sabor ou a fragrância.

Análise completa da loja

Reconhecimento avançado dos espaços secundários.

  • Vitrines da marca

    Disponibilidade de SKUs-chave e planogramas em vitrines e expositores da marca.

  • Materiais de PDV

    Cumprimento da execução em todos os tipos de material de ponto de venda.

  • Geladeiras/Freezers

    Cumprimento de planograma e pureza, localização na HotZone e promoções de preço.

  • Fitas e ganchos

    Share of Shelf e presença de SKUs em fitas penduradas e ganchos.

Capítulo 05

Impacto no negócio

Resultados que aparecem no caixa.

Degraus brancos subindo sobre uma parede laranja

Impacto do ShelfWatch

Até

23%

de crescimento em vendas nas mesmas lojas vs. sem IA.

  • +40% a +60%de melhora em disponibilidade, cumprimento de planograma, Share of Shelf e outros KPIs
  • −50% a −80%de tempo dedicado a auditorias de loja
  • 98%+de precisão no reconhecimento de SKUs

Medições com clientes da ParallelDots.

Geladeiras de bebidas bem abastecidas

Por que o ShelfWatch

Seis razões para medir todas as lojas.

  • Crescimento de receita
  • Eficiência operacional
  • Insights acionáveis
  • Menores custos por visita (menos tempo por loja)
  • Dados do estoque visível em tempo real
  • Shoppers mais satisfeitos

Calculadora de impacto

Quanto vale a execução perfeita na sua operação?

Informe alguns dados da sua operação e veja uma estimativa de vendas adicionais e horas de auditoria economizadas. Leva menos de um minuto.

MXN
Ajustes avançados
MXN
Cenário de crescimento em vendas

Capítulo 06

O que nos diferencia

Implementação mais rápida, mais precisão e adoção mais fácil.

Diferenciais do ShelfWatch

Projetado para o varejo real.

  • Reconhecimento offline

    Relatórios instantâneos, processados no próprio dispositivo do promotor/auditor, mesmo sem conexão com a internet.

  • Correção de inclinação

    Corrige automaticamente até 30° de inclinação e une as fotos em uma vista panorâmica da gôndola.

  • Descoberta rápida de SKUs

    Encontra SKUs novos ou desconhecidos e monta automaticamente um catálogo mestre, sem esforço da sua parte.

  • Controle de qualidade

    Sinaliza na hora fotos borradas, incompletas ou mal enquadradas.

  • IA fácil e rápida de treinar

    Uma imagem do produto por SKU e algumas fotos de gôndola. Configuração mínima.

  • Alta precisão

    Mantém a precisão mesmo com SKUs girados ou parcialmente encobertos.

Mais diferenciais

Um parceiro, não só uma plataforma.

  • Relatórios sob medida

    Dashboards construídos com você, ou resultados enviados diretamente para os dashboards que você já usa.

  • Gestão de dados mestres

    Ajudamos a coletar dados de treinamento para lançamentos e SKUs da concorrência.

  • Produtividade em campo

    Pontuações de Loja Perfeita, rankings da equipe, presença, roteiros e evolução da pontuação desde a última visita.

  • Omnicanal

    Do canal tradicional ao moderno. Treinado em algumas das lojas mais complexas do mundo.

Cronograma de implementação

Do kickoff a 98% de precisão.

Setup≈ 4 semanas Lançamento≈ 8 semanas Rolloutcontínuo
Dados mestres Definição de KPIs e critérios de pontuação. Dados de usuários, lojas, SKUs, categorias e planogramas.
Treinamento da IA IA proprietária treinada com uma única imagem por SKU, depois ajustada e testada com fotos reais de lojas.
Lançamento · ~93% Uma semana de testes e capacitação de usuários. A equipe de Controle de Qualidade trata as exceções para elevar a precisão. Dashboards ao vivo para os gestores. Primeiras semanas de reconhecimento de imagens.
Rollout · ~95% → ~98% A geração de dados começa com ~95% de precisão e chega a ~98% em 3 a 6 meses.

Capítulo 07

Integração

O ShelfWatch se conecta aos sistemas que você usa.

Cabos conectados

Integração de dados

Do campo ao seu BI, sem atrito.

Integração fluida com sistemas de terceiros, incluindo Salesforce, ERPs e as plataformas que você usa.

App de campo ShelfWatch

Seu app de campo

ShelfWatch ou outro app

API / deep link

Nuvem ParallelDots

Servidores e motor de IA

API / planilhas
Dashboard de BI com dados do ShelfWatch

Nossa ferramenta de BI

ou a que você já tem

Perguntas frequentes

O que costumam nos perguntar.

Qual é a precisão do reconhecimento de imagens?

O ShelfWatch supera 98% de precisão no reconhecimento de SKUs. Na implementação, a precisão começa perto de 93% no lançamento, chega a ~95% no rollout e alcança ~98% em 3 a 6 meses, com nossa equipe de Controle de Qualidade tratando as exceções.

Funciona sem conexão com a internet?

Sim. O reconhecimento offline processa as fotos no próprio dispositivo do promotor ou auditor e entrega relatórios instantâneos, mesmo sem sinal dentro da loja.

Preciso trocar meu app de campo?

Não. Você pode usar o app do ShelfWatch ou integrar o reconhecimento ao seu app atual por API ou deep link. Os resultados chegam ao seu BI por API ou planilhas.

Quanto tempo leva a implementação?

O setup leva cerca de 4 semanas (dados mestres e treinamento da IA) e o lançamento cerca de 8 semanas, incluindo uma semana de testes e capacitação. Depois vem o rollout.

O que é preciso para treinar a IA?

Uma imagem do produto por SKU e algumas fotos de gôndola. Além disso, o ShelfWatch descobre SKUs novos ou desconhecidos e monta automaticamente um catálogo mestre.

Serve para o canal tradicional e lojas pequenas?

Sim, é onde o ShelfWatch mais se destaca: um modelo de visão e linguagem identifica a marca de SKUs expostos de lado, o sabor ou a fragrância, e mede vitrines, materiais de PDV, geladeiras e fitas penduradas.

Como evitar fraudes ou fotos de baixa qualidade?

A geocerca comprova que cada visita realmente aconteceu e as fotos não podem ser reutilizadas. O controle de qualidade sinaliza na hora fotos borradas, incompletas ou mal enquadradas.

Funciona para agências de trade marketing?

Sim. As agências usam o ShelfWatch para entregar dados auditáveis por foto aos seus clientes, com geocerca, roteirização automática, tempo em loja, presença e rankings da equipe de campo.

Quanto custa?

Depende do número de lojas, visitas, KPIs e canais. Depois de uma demo com fotos das suas lojas, preparamos uma proposta sob medida, normalmente começando com um piloto.

Demo personalizada / piloto

Veja o ShelfWatch com fotos das suas próprias lojas.

Conte sobre a sua operação. Preparamos uma demo com seus SKUs e seus KPIs, e propomos um piloto sob medida.

  1. 01Respondemos em menos de um dia útil.
  2. 02Demo com fotos das suas lojas, seus SKUs e seus KPIs.
  3. 03Proposta de piloto sob medida, com escopo, prazos e métricas de sucesso.
Henrique Bragança

Henrique Bragança

Diretor Geral, América Latina · ParallelDots

Contato
Sua empresa é

Seus dados estão protegidos. Não compartilhamos informações com terceiros.

Vamos conversar

Queremos ajudar você a alcançar a excelência na execução no PDV e nas vendas.

Conte com a gente!

Henrique Bragança

Henrique Bragança

Diretor Geral, América Latina · ParallelDots

Agendar reunião WhatsApp · +55 11 96285-3000 henrique@paralleldots.com