Blogg

Den artificiella intelligensens era i detaljhandeln har börjat

Konsumenternas köpbeteende har splittrats enormt. Det räcker inte längre att rikta sortiment och utbud till vissa kundsegment; än mindre att slaviskt följa det traditionella kedjekonceptet eller tillämpa massmarknadsföring. Kunden måste förstås som en individ. Utöver kompetent personal är centrala delfaktorer för en butiks konkurrenskraft utbudet, hylloptimering, prissättning och kampanjer. Dessa måste speglas mot varje kundkrets och konkurrenssituation.

AIS (Assortment In Space) är ett verktyg som utnyttjar artificiell intelligens för att synkronisera olika datahelheter i affären och därigenom optimera såväl sortiment som hyllor. Optimeringen utgår från en efterfrågeprognos som även möjliggör tyngdpunkter för försäljning och avkastning samt beaktande av butiksspecifika specialbehov. Med hjälp av försäljnings- och avkastningsscenarier kan man se vilka försäljningsmässiga och ekonomiska effekter olika lösningar har på resultatet. I modellen är det dessutom möjligt att utnyttja ostrukturerade data, såsom panelresultat och respons som kundtjänsten fått, vilket gör att kundnöjdheten kan inkluderas i analysen, inte bara i form av varukorgar utan också via föreställningar och associationer.

När sortimentet optimerats kan man börja optimera butikshyllorna. Detta kräver detaljerad information om såväl hyllor som produkter. Genom optimering av datahelheterna kan utrymmesfördelningen i hyllmodulerna tas ner på produktnivån. Den resulterande rekommendationen om produktsortiment och hyllutrymme tjänar optimalt både kundtillfredsställelsen och försäljningen samt affärsverksamhetens resultat. Med efterfrågeprognoser kan lagervärdena hanteras, vilket gör det möjligt att förbättra omsättningshastigheten och därigenom lönsamheten.

Så hur lönar det sig att prissätta sina produkter i dessa tider av prissänkning? Också här erbjuder den artificiella intelligensen en fungerande lösning. I grunden handlar det om att utreda efterfrågeelasticiteten, det vill säga hur priset inverkar på efterfrågan av en vara och vilket pris som är optimalt med tanke på helhetsförsäljningen och avkastningen. Å andra sidan ger inte analysen av en enskild produkt alltid den bästa helhetsbilden. Det relevanta kan vara att beakta förhållandet mellan olika produkter. Bidrar försäljningen av rökt fisk till efterfrågan på citron, och hur förhåller sig försäljningen av tårtbottnar till efterfrågan på grädde och färska bär? Hur mycket ökar varukorgens totala volym i förhållande till en bra kampanjprodukt?

Den mest diskuterade AI-tillämpningen för handelns behov är sannolikt marknadsföringsautomatisering. Denna typ av automatisering kan användas för att optimera produktutbudet så att det blir så intressant som möjligt för den enskilda kunden och erbjuds i rätt tid och via rätt kanal. Det handlar om en typ av marknadsföring som utgår från kundens behov och baserar sig på kundens köphistorik, men också på modellering av big data. Om andra hushåll som lägger vikt vid hälsoaspekter har till exempel köpt en ny sorts müsli, kan algoritmen föreslå produkten också för en kund med liknande profil och som inte ännu lagt den i sin varukorg. Varför då belasta kunden med distraherande erbjudanden när alternativet är att omvandla marknadsföringen till en tjänst som underlättar kundens vardag?

Få kunder går till mataffärer för att tillbringa tid – det handlar om en nödvändig vardagsrutin de vill kunna klara av så enkelt som möjligt. Genom att utnyttja artificiell intelligens kan kunden lockas till butiken med träffsäkra erbjudanden. Med rätt produkturval, fungerande hyllsystem och optimerad prissättning garanteras bäst att kunden blir så nöjd som möjligt med sina inköp och, i bästa fall, rekommenderar affären för sina grannar.

Om ämnet intresserar och är aktuellt, är Houston Analytics överlägset i fråga om AI-tillämpningar för butiksbranschen.