I livsmedelsbranschen är lager och att kunna erbjuda breda sortiment av livsmedel en speciell utmaning. Inte minst beroende på att livsmedel har en begränsad hållbarhet och ofta omfattas av särskilda temperaturkrav, samtidigt som ett stort totalt sortiment innebär stora kostnader. En av Sveriges största livsmedelskedjor såg en möjlighet att göra de fasta sortimenten i sina butiker dynamiska, för att kunna arbeta mer hållbart och samtidigt möta de lokala kundernas behov bättre i varje enskild butik.

Syfte
Målet är att kunna erbjuda butiksunika sortiment anpassade för den lokala kundkretsen och samtidigt undvika ett stort och onödigt kostsamt sortiment:

Datakällor
Ett års försäljningsdata från 40 butiker, produkthierarkier och kundkortsdata.

Metod

Vi fick tillgång till försäljningsdata från ett antal butiker i form av kundkorgar/kvitton, alltså de varor en kund köpt vid ett tillfälle. Med hjälp av dimensionsreducering (Deep Learning,  Embeddings och Uniform Manifold Approximation) plottar vi varje kundkorg i två dimensioner. Det innebär att vi kan konstruera ett ”fingeravtryck” för produkter och butiker genom att plotta relaterade kundkorgar i en heatmap.

 

Som synes får vi tydliga signaturer för olika produkter liksom för olika orter.

Så som fingeravtrycken konstruerats kan man nu räkna ut hur mycket en given vara skulle sälja i en given butik genom att multiplicera (falta) respektive fingeravtryck.

Resultat
Varje butik och produkt får ett 2D-fingeravtryck som beskriver vilket sortiment som passar bäst och ger en indikation på hur många av en specifik vara varje butik förväntas sälja under en tidsperiod. Med hjälp av detta kan man bygga upp ett optimalt sortiment för varje butik.

 

Author

Benita Bruzelius
Marknadsansvarig