Lucro convierte un recorrido casual por la tienda en inteligencia de punto de venta: qué productos hay, cuántos frentes ocupa cada marca y dónde — con cada cifra respaldada por el frame que la originó.
Un video repite cada botella en decenas de frames. El valor está en resolver la identidad: contar cada envase una sola vez y agruparlo en el producto comercial correcto.
Reportamos 929 apariciones → 116 facings reales en 80 productos.
La arquitectura separa lo que se ve, lo que existe, lo que se agrupa y lo que se confirma. Los modelos de visión se pueden reemplazar; el modelo de datos permanece.
Cada aparición de un objeto en un frame, con caja, nitidez y confianza propias.
El mismo envase seguido en el tiempo: 12 observaciones se consolidan en un solo track.
Envases visualmente equivalentes se agrupan en un producto hipotético, sin catálogo previo.
Solo se asigna con evidencia suficiente o fotos de referencia. Nunca se inventa tamaño ni empaque.
Composición de los 116 frentes anotados en la muestra. Los desconocidos se declaran en el denominador — no se ocultan.
El sistema no necesita una base maestra para empezar: agrupa lo que ve y guarda la evidencia. Cada candidato se confirma una sola vez y queda aprendido para todos los videos siguientes.
Seis frames ancla revisados, homografías registradas y trazabilidad completa desde la métrica hasta el pixel. Así se audita — y así se defiende ante un cliente.
Preferimos declarar UNKNOWN a inventar un SKU.
La arquitectura ya soporta el camino completo. Cada paso reemplaza un componente sin rehacer el análisis.
Una revisión humana de los 80 candidatos y 3–5 fotos por referencia convierten "productos parecidos" en COCA_COLA_ORIGINAL_350_PET con evidencia.
Detector retail entrenado con las correcciones acumuladas: cada video nuevo se procesa sin sembrado manual, en cualquier tienda.
SOS lineal, gaps de góndola, adyacencias competitivas y evolución en el tiempo — el digital twin del punto de venta.