Trax率先引入F1指标，客观评估数据可用性
影响F1指标的关键因素主要有：产品外包装，样本丰富性和算法能力。Trax建议客户选取不低于1068张图像样本，降低图片数量少带来的指标统计学风险，这些样本充分考虑不同门店类型，不同照片拍摄环境，以及不同产品摆放方式。同时建议客户聚焦在核心SKU，避免过于关注长尾SKU，这样会大大拖慢项目进度并对最终的收益没有明显提升。
四大算法领先优势, Trax助力客户客观评估数据可用性和价值
F1指标为客观评估数据可用性带来新的启示，究其本源，Trax的算法能力有着不可忽视的影响。
首先是Trax的全场景数字化解决方案。无论面向大店小店，还是特殊场景，Trax拥有丰富且适用的场景模块，面向中国广袤纵深、渠道复杂的零售市场，亦能轻松驾驭。
其次是专家推理决策系统。对于通过计算机视觉无法识别的产品，可以通过价签、临近产品进行推理，进一步以算法和专家推理系统提升数据可用性。
再则是360度全方位检测。Trax独有的图像识别算法，不受图片中产品摆放与货架的角度影响，充分利用每一张图片，精确进行分类、标注和识别，全面提升数据的可用性。
最后则是强泛化能力。在过去十年的累计的经典案例基础上，Trax成熟的建模经验，能够延伸满足到更多的场景，帮助到更多商品的识别。
从大规模上线应用AI图像识别的客户案例来看，Trax已经建立了不同品类的F1指标行业标杆。某国内领先饮品客户单日照片量超过60万张，超过1万人使用，F1分销指标达到99%，F1排面指标达97%。
除此之外，某全球领先日化客户F1分销指标达到96%，某全球领先医药客户F1排面指标达到95%，某国内新锐母婴连锁客户F1分销指标达99%……这些数据引领零售数字化转型进入更高的数据标准。
可以预见，F1指标或将成为零售AI算法的新标准，客观和精准的数据服务于管理实践和升级，每一帧被采集上来的数据图像都呈现其对应的数据价值，Trax亦将为零售数字化转型提供加速动能。