AI hjälper Coop att hitta rätt balans i sortimentet

Så optimerar vi sortimentet med AI och ger personalen nya verktyg

Coops nuvarande tillämpning av AI omfattar flera Machine Learning-modeller som bland annat optimerar sortimentet i butikerna. Jakob Liljedahl, AI-chef på Coop, utvecklar:

– Eftersom vi har över tiotusentals produkter som ska distribueras till ca 800 butiker kan vi inte bara lita på erfarenhet eller magkänsla när det gäller sortimentet i våra butiker och i vår onlinehandel. Vi använder Machine Learning-modeller för att så bra som möjligt matcha sortimentet i våra olika butiker med kundernas behov.

Eftersom det är begränsat utrymme i butikerna blir det komplext när sortimentet ska optimeras. Syftet med optimeringen är att distribuera dels de mest efterfrågade produkterna, dels att ha en bredd av olika typer av produkter. Machine Learning-modeller används för att hitta en balans mellan produkternas popularitet och deras funktioner.

Vi har byggt ett beslutsträd som beskriver alla kombinationer av funktioner. Detta hjälper Machine learning-modellen att hitta rätt mängd produkter inom varje funktion. Det hjälper också till att optimera produktfördelningen till olika butiker utifrån kundernas behov, som kan skilja sig åt rätt mycket beroende på var i landet butikerna ligger.

Jakob Liljedahl

AI-chef på Coop

Förutom ett omfattande användande av Machine learning håller Coop för närvarande på att bygga ett verktyg med generativ AI med namnet ”Coop GPT” som kommer att ha olika funktioner och kunna användas i flera processer. Ett av dessa är att hjälpa de anställda med arbetsrelaterade frågor.

– Vi har ett intranät där de anställda kan få svar på olika frågor. När Coop GPT är klar kommer den att kunna besvara en stor mängd frågor, så att de anställda slipper leta runt på intranätet och andra ställen efter rätt information. På så sätt spar vi tid, pengar och kan ge kunderna bättre service.

Coop är med cirka 800 butiker runt om i landet en av Sveriges största dagligvarukedjor.

Exempel på kundfokuserad AI

Analys av köpbeteende, köphistorik och preferenser för personliga rekommendationer.
Göra kundnöjdhetsanalys utifrån recensioner och inlägg i sociala medier.
Chatbottar och virtuella assistenter för hantering av kundfrågor och produktrekommendationer.
Skapa texter till marknadsföring, mail till kunder etc.
Virtuella provrum. Kunden kan prova kläder, läppstift o.s.v. virtuellt. Förbättrar nätshoppingen