У ВкусВилла помимо привычных магазинов есть дарксторы — закрытые склады, с которых доставляют онлайн-заказы. В отличие от магазина, здесь покупатель не выбирает фрукты и овощи сам — за него это делает сборщик.

Покупатели переживают, какие фрукты попадут к ним в заказ, а сборщики, в свою очередь, переживают за жалобы. Проще списать любой товар, который не похож на идеальный, чем рисковать.

У ВкусВилла более 200 позиций товаров в категории фруктов и овощей, и для каждого существуют спецификации — PDF-файлы объемом более 300 страниц с описанием допустимых и недопустимых дефектов. Сотрудник в перчатках физически не мог открыть PDF на телефоне, найти нужный продукт и понять, какой дефект допустим.

Единственная альтернатива — написать технологу, но ответа приходилось ждать более двух часов. При сборке заказов в реальном времени ждать невозможно, поэтому сотрудники перестраховывались: яблоко с одной точкой, которое по спецификации не теряет полезных свойств, отправлялось в списание. Доходило до того, что целый ящик апельсинов списывали из-за нескольких сморщенных штук сверху, вместо того, чтобы перебрать.

Проблему нужно было решать, но сразу вкладываться в дорогую разработку — рискованно: непонятно, изменит ли инструмент подход сотрудников. За проект взялась команда Открытых инноваций ВкусВилла, которая работает с внешними командами — стартапами, студентами, R&D-центрами — и запускает пилоты.

Методика Lean Startup, которую ВкусВилл использует с момента основания, предполагает три этапа: сформулировать гипотезу ценности с понятными метриками, создать MVP и протестировать на ограниченном контуре, а затем измерить результат и решить — продолжать или пересматривать гипотезу.

Создали чат, куда сотрудники дарксторов отправляли фотографии фруктов и овощей перед списанием или уценкой. На фотографии отвечал специалист, хорошо знающий спецификации, и помогал принимать решения в моменте.

Гипотеза ценности подтвердилась:

Этого хватило, чтобы окупить зарплату нанятого специалиста.

Следующий шаг — проверка гипотезы роста. Добавили 5 новых дарксторов в чат, и за пару часов прилетело 2000 фотографий. Один человек физически не справлялся, даже просматривать фото не успевал. Ценность подтверждена, но масштабировать руками невозможно — нужна автоматизация.

Команда привлекла студентов — дешевле дорогостоящего подрядчика и привносит свежий взгляд. Собрали датасет, обучили модели компьютерного зрения и создали Telegram-бота, который подключили в тот же чат вместо человека.

Логика бота такая:

Команда измерила результат и расстроилась: списания вернулись к прежним значениям. Но вместо того, чтобы отказаться от идеи, начали разбираться в причинах.

Нашли две проблемы:

Команда расширила датасет и дообучила модель по классу «уценка», подняв точность с 57% до 77%. Добавили новые категории — покрытие выросло с 50% до 80%. Итоговая точность системы вышла на более 90%.

Доля списаний снизилась на 3 процентных пункта, продажи по зеленому ценнику выросли, а сумма списаний сократилась на 14,3% в деньгах.

Корреляция подтверждает: чем больше фотографий отправляет конкретный даркстор, тем меньше у него списания. Все замеры — в сравнении с контрольными группами.

Сотрудник отправляет одну фотографию — система обрабатывает ее в три последовательных этапа.

Модель на базе YOLO v11 определяет, что на фотографии: цитрусы, яблоки, томаты или другая категория. Accuracy — 95,3%.

Модель на базе YOLO v8-v11 выделяет на изображении конкретные плоды — каждый отдельно. IOU — 0,81. Если результаты первого и второго этапов совпадают по типу продукта, запускается третий.

Для каждого выделенного плода модель на базе EfficientNet B4/B6 и YOLO v11 определяет класс: «полная цена», «зеленый ценник» или «списание». Accuracy — 90%.

Сейчас 80% сети ВкусВилл подключено к боту, который работает круглосуточно и обрабатывает более 20 000 сообщений в месяц.

Время ответа — 2 секунды вместо прежних 2 часов.

На 20-22% обращений система пока не отвечает — это сезонные категории, для которых еще не дообучены модели.

Команда ВкусВилла прошла путь от человека в чате до Telegram-бота с компьютерным зрением, измеряя бизнес-результат на каждом этапе. Первая итерация с точностью 85% не сработала — система не покрывала нужные категории и плохо определяла уценку. Вторая, с точностью более 90% и покрытием 80% ассортимента, сократила сумму списаний на 14,3%.

Технические метрики модели имеют значение только в связке с бизнес-показателями. Точность 90% оказалась порогом, с которого система начала приносить экономию, а бережливый подход позволил дойти до результата без крупных начальных вложений.

Если у вас есть идея для пилота во ВкусВилл — заполните форму на сайте команды Открытых Инноваций: https://innovation.vkusvill.ru. Возможно, это станет следующей историей!