NRF 2026: 小売業者が本当に注目したこと

NRF 2026は一つのことを明確にした：ほとんどの小売業者はもはや派手なコンセプトを追い求めていない。彼らは、ある頑固で非常に実用的な問題集を解決しようとしている。

• 実際に棚にあるものを見る
• 生鮮食品の無駄を減らす
• 店舗内フルフィルメントを持続可能にする
• フロントラインチームの成功を支援する

以下は、ショーでの会話において浮かび上がった主なテーマと具体的なアプローチの簡潔な要約です。

在庫盲点: システムではなく、実際の棚を見る

多くの小売業者が同じ問題を報告しました：システム上では在庫があると表示されていますが、買い物客は空の棚しか見つからないのです。

一般的な痛点:

• 手動、不定期のサイクルカウント。
• 補充と電子商取引を通じて伝播するエラーを受け取る。
• 限られた信頼 棚での在庫可用性 データ。

実用的なアプローチについて議論しました。

• モバイルデバイスを使用して、時折のカウントからより頻繁で軽いチェックに移行します。
• 使用 コンピュータビジョン 棚と複数のバーコードを一つのビューで捉えて、チームが全体の棚をスキャンできるようにするために、 トップ株式またはバックオブハウスエリアを迅速に。
• 棚の観察を静的な報告書ではなく、ランク付けされたタスク（例：最も影響の大きいギャップを優先）に変換します。

根本的なアイデアは、精度を別のプロジェクトとして扱うのではなく、店舗チームが通常のルーチンの一部として問題を明らかにし、修正しやすくすることです。

棚の問題を解決する

アクショナブルな棚のインテリジェンス

シェルフビューを探索する

生鮮食品ロス: 賞味期限を義務ではなくデータとして扱う

生鮮食品と食料品の小売業者は示した 廃棄物の主要な要因としての期限切れ：

• 日付チェックは人、時間、店舗によって異なります。
• 期限が近い製品は、大規模には見つけにくいです。
• マークダウンのタイミングは、洞察よりも習慣に基づいていることが多い。

実践的なアプローチが議論されました。

• バーコードと印刷された有効期限を自動的にキャプチャする、より短時間でより多くの項目をカバーできるようにチェックします。
• 使用期限データを集約してパターンを分析する。例えば、どのSKUや店舗が一貫して廃棄を増加させるかを確認する。
• 実際の有効期限データからマークダウンや取り下げをトリガーし、経験則より正確に。

シフトは「列を歩いて日付を確認する」から「一度有効期限をキャプチャし、それを日々の意思決定と長期的な計画の両方に活用する」に変わっています。

店内フルフィルメント：ピッキングを反復可能でスケーラブルにする

より多くの注文が店舗から履行されるにつれて、小売業者はどのように再評価しています。 選ぶこと 完了しました。

主な懸念点:

• 非効率的なルートを歩くことで失われた時間。
• 経験豊富なピッカーの小グループへの依存。
• トート内のピッキングエラーと誤って分類されたアイテム。

実際的なアプローチが議論された点:

• ピッキング作業者を、個々の判断に完全に任せるのではなく、最適化されたルートに沿って視覚的に導く。
• デバイスのカメラを使用して、特にパッケージが似ている場合に棚の上の正しいアイテムを確認します。
• 各アイテムがどのトートやコンパートメントに入れるべきかを画面に表示して、仕分けミスを減らします。

目的は、「お店を熟知すること」に依存するのではなく、誰もが従うことができる明確でシンプルなガイダンスに依存するように、パフォーマンスを向上させることです。

高級品＆特製品: 会話をフロアに保つ

高級品および専門小売業者は、馴染みのある緊張を語りました：サービスに対する高い期待と、在庫および製品詳細を確認するという実際的な必要性。

一般的な課題：

• アソシエイトが頻繁にお客様を残してバックルームに行く。
• 製品と在庫情報への断片的なアクセス。
• クライエンテリングツール ライブインタラクションから切り離された感じ。

実際的なアプローチの議論:

• アソシエイトに、製品情報と在庫確認の両方のための単一の目立たないデバイスを提供します。
• 基本的な質問（サイズ、バリエーション、近隣店舗での在庫状況）が顧客を離れることなく回答できるようにする。
• 棚卸し、商品探し、注文の組み立てなどのバックオフィス業務を自動化し、顧客対応により多くの時間を割けるようにします。

目標は新しい技術そのものではなく、高接触の相互作用を妨害する小さな摩擦を取り除くことです。

小売業者が自問していた三つの大きな質問

さまざまなセグメントにおいて、3つの大きな質問が浮かび上がってきました。

店舗に過剰な負担をかけずに、在庫の盲点をどのように減らすか？

アイデアには、より軽量で頻繁なカウント、より良い受信サポートの使用が含まれていました。 シェルフインテリジェンス より少ない時間でより多くの棚をカバーするシステム。

私たちの実際の棚はプラノグラムからどれくらい離れていますか？

小売業者は「リアログラム」にますます関心を寄せています。これは、棚の実際の外観を示し、ギャップや不遵守を見つけるのに十分な頻度でキャプチャされるビューです。

これらすべてがどのように私たちのより広いエコシステムに結びつくのでしょうか？

多くのチームが、棚や製品のデータをどのように分析、AIの取り組み、さらにはリテールメディアの計画に活用できるかを考えており、理想的には既存のデバイスやカメラを活用しています。

より広いNRFのテーマ: AI、メディア、「静かな技術」

ショーの大きな物語は、これらの運営上の懸念と一致していました。

エージェンティックAI

「エージェンティックAI」– 質問に答えるだけでなく行動を起こすシステム – は主要なテーマでした。

店舗にとって、それは簡単な前提条件を引き上げる：補充、価格設定、またはルーティングの決定を行うエージェントは、顧客の前に実際にあるものについて、正確でタイムリーな情報を必要とする。

それが、棚や在庫室、ラベルからのアイテムレベルのデータを一貫して収集することが、単なる便利な運用の追加ではなく、重要な入力となる理由です。

メディア資産としてのストア

小売メディアネットワークは、デジタルスクリーン、スマートシェルフ、アプリによるガイド付きの旅を通じて、通路に進出しています。

1つの影響: ストアの実行（在庫状況と価格設定）とメディアのパフォーマンスは、現在緊密にリンクしています。プロモーションされた製品が棚に適切に在庫されていない、または適切に価格設定されていない場合、メディアの結果とショッパーの信頼が損なわれます。

それがもう一つの理由であり、正確でほぼリアルタイムな棚データがますます重要になっているのです。それは運用とメディアの信用性を支えているからです。

「静かな技術」とフロントラインの仕事

いくつかの講演者が「静かな技術」について話しました。それは:

• 改善する 在庫精度 と縮小。
• 既存のワークフローおよびハードウェアに適合させる。
• スタッフに最小限の行動変化を求める。

これに加えて、明確な焦点がありました 最前線の経験 タイトな労働市場で：

• 複雑なタスクをよりガイド付きでビジュアル化する。
• 新しいスタッフの研修時間を短縮する。
• 従来の企業システムよりも消費者アプリに近い感覚のツールを設計する。

コンピュータービジョンとモバイルワークフローは、劇的な一度きりの変革というよりも、業務日を段階的に改善する方法として位置付けられることがよくありました。調査の減少、繰り返しのスキャンの削減、次のステップの明確化などです。

小売業者がNRF後に尋ねるべき重要な質問

NRFに参加したかどうかに関わらず、議論は内部会話のためのいくつかの有用なプロンプトを示唆しています。

• 店舗ごとの棚在庫率の数値にどれほど自信がありますか？
• 賞味期限やその他の主要な属性が手動で扱われているのはどこですか？
• プラノグラムと顧客が実際に見るものの間のギャップはどれくらい大きいですか？
• 新しいアソシエイトが正確にピックし、在庫をカウントし、価格を確認するのはどれくらい簡単ですか？
• 私たちのAI、分析、およびリテールメディアの取り組みは、信頼性のある実世界の店舗データに基づいていますか？

これに答えるために一から始める必要はなく、既存のデバイスやカメラ、ワークフローがどのように異なる方法で使用できるかを考えることが多い。