Client: One consumer goods distributor (name confidential)
Latar Belakang
Salah satu operator distribusi produk konsumen (nama klien dirahasiakan) menerima pesanan dalam berbagai format — formulir tulisan tangan, foto label produk, dan chat — yang harus dimasukkan manual ke sistem ordering. Proses ini lambat, rawan salah input SKU, dan sulit diskalakan saat volume pesanan naik.
Klien membutuhkan platform yang bisa membaca teks dari gambar (OCR) sekaligus mengenali produk dari foto menggunakan computer vision — terintegrasi ke master produk dan alur validasi pesanan.
Teknologi OCR AI dan computer vision untuk membaca informasi produk dari foto.
Tantangan
Input pesanan manual dari foto/WhatsApp — turnaround lama di jam sibuk
Tulisan tangan sales dan outlet sering tidak terbaca konsisten oleh operator
Master produk ribuan SKU — foto referensi tidak seragam antar tim
Butuh feedback loop: koreksi user meningkatkan akurasi model over time
TextSnap OCR AI — Baca Tulisan Tangan & Label
Modul TextSnap menerima foto atau upload gambar, melakukan pra-pemrosesan, ekstraksi teks via model OCR, post-processing, lalu menampilkan hasil untuk review user. Koreksi pengguna disimpan sebagai sinyal pembelajaran untuk meningkatkan akurasi berikutnya.
TextSnap mengenali tulisan tangan pada formulir pesanan.Alur: input gambar → pra-proses → OCR → review → koreksi → pembelajaran model.
SmartProduct — Identifikasi Produk dari Foto
Modul SmartProduct memecah foto produk master menjadi tiga segment (front / side / label) untuk database visual. Saat sales mengirim foto produk di lapangan, sistem mencocokkan dengan master dan menyarankan SKU terdekat.
SmartProduct mencocokkan foto lapangan dengan master produk tersplit.
Dashboard Ordering & CMS Master Produk
Dashboard operasional menampilkan validasi pesanan, aturan limit/reorder, dan role-based access. CMS master produk mengelola nama, kategori, dan foto referensi tiga-segment untuk feeding model vision.
Dashboard order validation dengan status scan dan saran produk.CMS master produk dengan foto referensi multi-segment.
Hasil (Pilot)
Waktu input pesanan dari foto turun signifikan — operator fokus pada review, bukan ketik ulang
Akurasi SKU suggested meningkat setelah siklus koreksi user (human-in-the-loop)
Master produk terpusat — foto referensi konsisten antar tim sales
