AI blir allt viktigare för detaljhandelns prognosmakare

Tänk om man i januari 2020 hade kunnat förutspå att efterfrågan på toalettpapper skulle gå i taket två månader senare. Hur mycket merförsäljning hade man då inte kunnat generera? Klart folk går till den affär som har kvar något toalettpapper, när det är slut överallt annars. 

Allt tyder på att stora omvälvande händelser som pandemin kommer bli allt vanligare. Är det inte covid-19, kommer det vara extremväder som orsakats av klimatförändringar, plötsliga migrationsvågor eller politiska oroligheter i vår omvärld. Att då fatta beslut om inköp, lagerhållning och efterfrågan baserat på försäljningssiffrorna för motsvarande period förra året räcker helt enkelt inte. Vår samtid är för komplex för det. 

Därför måste detaljhandeln börja automatisera prognoser med hjälp av AI – och de som säger något annat måste tänka om. För om man inför automatiserade prognoser i det dagliga arbetet finns det mycket att vinna. Lagerhållningen blir mer effektiv, distributionen optimeras, arbetskraften kan allokeras på ett bättre sätt och marknadsföringen kan anpassas efter kundernas efterfrågan. 

Lätt som en plätt, eller hur? Nja. Det räcker tyvärr inte med att bara börja prognostisera med AI-verktyg. Alltför ofta blir det ett slag i luften, som inte används i det dagliga arbetet. Lite som att bestämma sig för att komma i form och köpa svindyra träningsredskap som sedan samlar damm i garaget. Man måste leva med de automatiserade prognoserna i sitt dagliga retail-liv, precis som man lever med sina andra kunskaper: sin intuition, sin trendkänslighet, sin allmänna erfarenhet. 

Jag brukar säga att det finns fem steg för att bättre utnyttja sin kunddata. I korthet handlar det om att förbättra kundupplevelsen, optimera distributionskedjan, arbeta i realtid, fatta beslut och främja en datadriven kultur. 

Naturligtvis är alla fem steg viktiga, men frågan är om inte det sistnämnda – att främja en datadriven kultur – är det viktigaste. Det är kanske också det svåraste, mest komplexa steget, eftersom det handlar om att förändra en kultur. 

På seminariet SAS Global Forum, som anordnades av SAS Institute tidigare i år, berättade revenue management-legendaren Andrew Jennings om något han kallar för ”the trust equation”. Det är helt enkelt ett trestegsprogram för att skapa tilltro till de automatiserade prognoserna. 

För det första måste man se till att folk förstår ungefär hur verktyget fungerar – ingen vill jobba med något som är obegripligt. 

För det andra måste verktyget vara pålitligt – prognoserna ska vara bättre än de man använde innan. 

För det tredje måste prognoserna kunna användas i det dagliga arbetet – man måste kunna se den direkta nyttan. 

Jag tror att ”the trust equation” är nyckeln till att lyckas med datadriven detaljhandel i framtiden. 

Men utåt då? Kundens upplevelse? Ja, den är naturligtvis central. Undersökningar visar att kunder idag föredrar en bra upplevelse framför ett lågt pris. Digital handel blir allt vanligare, vilket ökar möjligheterna till en personligare kundupplevelse. Vad händer när kunden får ett erbjudande om prisvärda sneakers? Stannar kunden kvar i butiken? Letar hen efter något annat? Köper hen mer eller mindre än veckan innan? Allt detta – och mycket mer – kan AI undersöka, för att sedan optimera upplevelsen ännu mer. Det blir en ständig cykel av dataoptimering, där slutmålet är att förstå kunden så bra som det bara är möjligt. 

Alltså: Framtidens detaljhandlare måste fatta snabba beslut, hela tiden. Framtidens kunder vill ha personlig service, hela tiden. 

För att möta de kraven måste vi jobba med automatiserade prognosverktyg för att fatta rätt beslut och komma närmare våra kunder på en nyckfull marknad. 

Stefan Borensjö
Retailexpert på SAS Institute