
Objektiv AI-baseret forecast-model til klassificering af salgsemner på tværs af 180 butikker for Home
Kunde
Home
Industri
Detailhandel
Services
Data Science, Forecast
Teknologi
SQL
Udfordring
For at kunne prioritere salgsindsatsen, indførte Home en manuel klassificering af de enkelte salgsemner: Grøn betyd, at emnet ikke behøvede en stor indsats for at sikre et salg, mens Gul & Rød udtrykte behov for større niveauer af engagement. Da klassificeringen var baseret på subjektive kriterier, manglede der konsistens i metodikken på tværs af kædens 180 butikker, og opgaven blev kun foretaget af hver 3. medarbejder. Det umuliggjorde overblik og sammenlignelighed, hvilket besværliggjorde prioriteringen i den enkelte butik, ligesom Home centralt havde svært ved at yde støtte.
Løsning
Der blev etableret en forecast-model, der med baggrund i tilgængelige data klassificerede de aktuelle salgsemner. Dermed blev det nemmere at prioritere salgsindsatsen i den enkelte butik, uden behov for manuelle opgaver. Logikken bag modellen blev gjort tydelig for medarbejderne, hvilket var afgørende for at få skabt tillid til klassificeringerne.
Resultat
Ud over at spare manuelle arbejdsgange i butikkerne, giver objektive og konsistente klassificeringer hovedkontoret bedre forudsætninger for aktivt at byde ind med hjælp, hvis andelen af røde salgsemner bliver for høj.
Det bliver en win-win hele vejen rundt i Home – for ledelsen, franchisetagere, medarbejdere og kunderne.
- Hans Henrik Buchreitz, HOME
Vi har arbejdet for et bredt udsnit af brancher og funktioner - og vi bruger den erfaring til at skabe løsninger, der er skræddersyet præcis til jer. Det er sådan, vi arbejder. Hver gang.
Explore cases
Explore cases
Alle forretninger er forskellige
Forskellige forretninger kræver forskellige løsninger. Dét er vi vant til. Fra danske detailvirksomheder til globale brands har vi udviklet løsninger, der konverterer data til overblik, indsigt og handlemuligheder.