Optimaliser lageret med KI, også på Shopify

For å optimalisere lageret gjør KI fire ting: den forutsier etterspørselen produkt for produkt og dag for dag, den bestemmer hvor mye som skal bestilles, flyttes eller settes ned ved å veie risikoen, den forklarer hver beslutning, og den måler etterpå hva beslutningen ga. Den erstatter ikke bransjekunnskapen din. Den gjør, på hundrevis av varer, beregningene ingen har tid til å gjøre for hånd.

Det er dette Sway One gjør for butikker som selger både i butikk og på nett, Shopify inkludert. Her er hva KI faktisk tilfører, begrensningene, metoden i sju trinn og spesialtilfellet Shopify.

Sway One og Sweet 1.4: applikasjonen og KI-en

Sway One er applikasjonen som kobles til alt: nettbutikker som Shopify, PrestaShop, WooCommerce eller Magento, kasser som Square, SumUp, Lightspeed, Zettle eller Hiboutik, ERP-systemer som Odoo eller Dolibarr, logistikkpartnere som Bigblue eller Amazon FBA. Over tjue verktøy du kobler til selv fra siden Koblinger, på noen minutter.

Sweet 1.4 er den besluttende KI-en. Den forutsier, foreslår påfyll, overføringer og rabatter, og setter ikke lenger ned prisene av refleks. Hver anbefaling kommer på norsk, med sitt hvorfor, sin anslåtte effekt og et tillitsnivå: du godkjenner den med ett klikk, justerer den eller forkaster den, for alle butikkene dine fra én skjerm.

Hva KI gjør bedre enn et regneark

Et regneark bruker én regel. KI velger regelen produkt for produkt og justerer den med det som skjer rundt deg.

Forutsi dag for dag, produkt for produkt

Et gjennomsnitt av forrige måneds salg overser helgene, helligdagene, starten på utsalgene. En prognose dag for dag ser dem.

Man må likevel vite når man kan stole på den. Horizon, prognosen i Sweet-familien, lar for hvert produkt en statistisk modell konkurrere mot en prognose dag for dag, spiller dem av på de siste 28 dagene og veier etter hvilken som forutså best. På de vanskelige produktene på testbenken vår deles feilen med mer enn to sammenlignet med prognosen dag for dag alene. Detaljene står i Horizon, lagerprognosen produkt for produkt.

Med Sweet 1.4: prognosen vises på produktkortet, med den horisonten du velger og sitt usikkerhetsbånd.

Lese signalene fra omverdenen

Regn, en kuldebølge, et tema som stiger i søkene: etterspørselen beveger seg før salget ditt viser det. Et regneark ser det ikke.

Med Sway One: salget ditt krysses med kommende vær, søketrender og nyheter. Hvert signals effekt kalibreres på ditt eget salg, varefamilie for varefamilie, og påliteligheten vises. Et sammendrag av nyhetene i bransjen din, med kilder, lages hver dag.

Beslutte under usikkerhet

En prognose er aldri nøyaktig. Det virkelige spørsmålet er: hvor mye skal man bestille, når det ikke koster det samme å mangle ett stykke som å ha ett for mye?

Det er beregningen av den kritiske fraktilen, gjort for hvert produkt med marginen din, lagerkostnaden din og restverdien på usolgte varer. Så kommer avveiingen: blant hundrevis av mulige handlinger, hvilke er verdt det? Sweet Instinct leser på nytt de handlingene filtrene har forkastet og anslår sannsynligheten for at hver enkelt likevel er verdt det. På åtte demobutikker finner den 2,2 ganger flere lønnsomme enn en sortering etter anslått gevinst: se Sweet Instinct, KI-en som fisker opp de gode handlingene.

Med Sweet 1.4: den kritiske fraktilen og Sweet Instinct inngår i hvert beslutningstre, og Sweet Instinct mottar bare tall, kategori og merke: verken produktnavn eller varenummer.

Sett bare ned prisen hvis det lønner seg

Et klassisk verktøy selger ut det som ikke har beveget seg på X dager. Men en tregtgående vare er ikke en død vare.

Med Sweet 1.4: en kampanje eller prisnedsettelse foreslås bare hvis den gir mer enn å vente på full pris, og aldri under innkjøpsprisen utenfor utsalg. Det er kjernen i Sweet 1.4.

Begrensningene ved KI for lagerstyring

Skitne data gir gale prognoser

En KI lærer av historikken din. Hvis lagermangel vises der som dager uten etterspørsel, hvis samme varenummer finnes under to koder, forutsier den feil med selvsikkerhet.

Med Sway One: produktene avstemmes mellom kanaler per varenummer eller strekkode, og dagene med lagermangel korrigeres før det forutsies.

Nyheter har ingen historikk

Ingen modell kan forutsi et produkt som ble lansert i går ut fra dets eget salg.

Med Sweet 1.4: et produkt med færre enn tre salgsdager låner rytmen fra de fem nærmeste produktene i familien sin og løsriver seg så fra den etter hvert som salget kommer inn.

KI-en vet ikke alt

Den vet for eksempel ikke hvor mye kundene dine reagerer på en prisøkning. I stedet for å gjette foreslår Sweet 1.4 en økning bare hvis et signal begrunner den: vær, trend eller sesong. Språkmodellene leverer derimot hypoteser i tall og forklaringer; det er beregningen som avgjør.

En KI må måles

En overbevisende demo beviser ingenting. En KI for lagerstyring vurderes på salg den aldri har sett, mot en referanse. Det er det testbenken vår gjør, og det Sway One gjør etterpå hos deg, beslutning for beslutning.

Slik optimaliserer du lageret med KI i 7 trinn

1. Koble til alt salget ditt. Kasser, nettbutikk, logistikkpartner, ERP: en KI som bare ser én kanal, forutsier bare én kanal. Med Sway One: over tjue tilkoblinger, skrivebeskyttet.
2. Rydd opp i historikken. Unike varenumre, strekkoder, korrigert lagermangel. Med Sway One: avstemming per varenummer eller strekkode, korrigert lagermangel.
3. Sett forretningsreglene dine. Servicegrad, leveringstider fra leverandører, terskler per familie eller produkt, minimumsbestillinger og fraktfri grense. Med Sway One: terskler per familie og per varenummer, leverandørvilkår i konfigurasjonen av installasjonen din.
4. La KI-en forutsi. Produkt for produkt, dag for dag, med et intervall i stedet for ett enkelt tall. Med Sweet 1.4: prognose med justerbar horisont og usikkerhetsbånd.
5. Legg til eksterne signaler. Vær, søketrender, nyheter, kalender for utsalg og helligdager. Med Sway One: signaler kalibrert på salget ditt, varefamilie for varefamilie.
6. Godkjenn beslutninger i tall. Hver anbefaling med sitt hvorfor, sin anslåtte gevinst og sin tillit. Med Sweet 1.4: påfyll, overføringer, rabatter og forhåndsbestillinger rangert etter effekt; autopilot som tillegg, over en tillitsterskel satt sammen med deg.
7. Mål det oppnådde. Sammenlign hva hver beslutning skulle gi med hva den ga, og kalibrer på nytt. Med Sway One: oppnådd effekt måles etter horisonten, de neste anslagene kalibreres på nytt.

KI og lager på Shopify

Hva Shopify gjør av seg selv

Shopify følger lageret for hver variant per lokasjon, enten det er en butikk, et varehus eller en logistikkpartner, og tilbyr salgs- og lagerrapporter. Hvis alle butikkene dine selger med Shopify, er salget ditt allerede samlet på ett sted.

Det som mangler, er beslutningen: hvor mye du skal kjøpe inn, når, hvor og til hvilken pris.

Hva prognoseappene tilfører

Shopify App Store har mange apper for lagerprognoser. Ifølge beskrivelsene deres forutsier de fleste etterspørselen per varenummer og forbereder leverandørbestillinger. Det er allerede et stort skritt sammenlignet med regnearket.

De typiske begrensningene deres skyldes utgangspunktet: de analyserer salget på Shopify-nettstedet. Hvis butikkene dine selger på en annen kasse, går det salget dem forbi. Flere butikker handler ofte bare om lager per lokasjon, uten foreslåtte overføringer mellom butikker. Og vi har ikke funnet vær- og trendsignaler, prisnedsettelser plassert i de lovlige utsalgene eller måling av den reelle effekten av hver beslutning oppgitt i beskrivelsene deres.

Hva Sway One gjør på Shopify

Sway One kobles til Shopify med noen få klikk og leser produktene, variantene, bestillingene og lageret ditt. Så fyller det inn det som står åpent:

ERP-et eller logistikkpartneren din kommer i tillegg ved siden av: Odoo, Dolibarr, Bigblue, ShipBob, byrd, Amazon FBA. Og KI-assistenten din kan lese og godkjenne anbefalingene via MCP.

De målte resultatene for Sweet 1.4

Før vi ga ut Sweet 1.4, spilte vi det av på fire simulerte butikker, bygget på de offentlige katalogene til femten kjeder: sport, outdoor, møbler, mote. Tjueseks uker, fra mars til august 2026, med samme salg for hver versjon.

Referansen er forhandlerens rutine: én gjennomgang i uken, påfyll etter salget de siste 60 dagene. Sweet 1.4 legges oppå, med 10 anvendte anbefalinger per dag. Marginen regnes etter en lagerkostnad på 25 % i året.

Dette er simulerte butikker, med anslåtte marginer og overføringer uten kostnad: det er størrelsesordener, ikke et løfte. Den reelle gevinsten måles på dine data.

Sjekklisten for å velge et KI-system for lagerstyring

• Det leser alt salget og alt lageret ditt: nettbutikk, kasser, ERP, logistikkpartner.
• Det forutsier per produkt og dag for dag, med et intervall.
• Det korrigerer lagermangel i historikken og håndterer nyheter.
• Det krysser salget ditt med vær, trender og nyheter, og viser påliteligheten til hvert signal.
• Det beslutter i euro: margin, lagerkostnad, risiko for lagermangel.
• Det setter bare ned prisen hvis det lønner seg.
• Det tenker butikk for butikk og foreslår overføringer.
• Det forklarer hver anbefaling, med en effekt i tall og et tillitsnivå.
• Det måler det oppnådde og kalibrerer seg på nytt.
• Det er målt mot en referanse før det kommer til deg.

Denne listen er spesifikasjonen til Sway One og Sweet 1.4: Sway One oppfyller hvert punkt.

Hvorfor Sway One og Sweet 1.4

• En app som kobles til alt: Shopify og over tjue kasser, nettbutikker, ERP-systemer og logistikkpartnere, koblet til av deg.
• Alle butikkene dine og nettbutikken din på én skjerm, kan filtreres butikk for butikk.
• En målt besluttende KI: Sweet 1.4 forutsier dag for dag, leser vær, trender og nyheter, og setter ikke lenger ned prisene.
• Tydelige anbefalinger, på norsk, godkjent med ett klikk.
• Fra påfyll til innkjøpsordre, med minimumsbestillinger, fraktfri grense og leveringstider.
• Hver beslutning måles, og KI-assistenten din kobles til via MCP.

På fire simulerte butikker legger Sweet 1.4 til +4,7 % til +11,6 % margin etter lagerkostnad på forhandlerens rutine, med mindre lagermangel i alle fire tilfellene.

Sway One koster 289 € eks. mva. per måned, med en installasjon dedikert til butikken din. For å vite hva det ville gitt deg, regner gevinstkalkulatoren ut tre scenarier over tolv måneder, abonnementet fratrukket. For å se det på dine data, book en demo.

For grunnprinsippene uten KI (nøkkeltall, bestillingspunkt, ABC-metoden), les Optimaliser lageret: nøkkeltall, metoder og system.

Ofte stilte spørsmål

Hvordan optimaliserer jeg lageret med KI?

Koble til alt salget ditt, rydd opp i historikken, sett leverandørreglene dine, og la så KI-en forutsi dag for dag og foreslå beslutninger i tall. Godkjenn de som passer deg og mål hva de ga.

Hvilket system bør man velge for å optimalisere lageret med KI på Shopify?

Sway One, med den besluttende KI-en Sweet 1.4. Det leser Shopify, men også kassene dine, ERP-et ditt og logistikkpartneren din, tenker butikk for butikk og måler effekten av hver beslutning.

Kan KI forutsi salget av et nytt produkt?

Ikke ut fra dets eget salg alene. Sweet 1.4 låner rytmen fra de nærmeste produktene i samme familie og støtter seg deretter på produktets salg så snart det kommer inn.

Er en Shopify-app nok til å styre lageret i butikkene mine?

Hvis alle butikkene dine selger med Shopify og du ikke trenger overføringer, er det en god start. Med en annen kasse eller flere butikker som skal balanseres, trenger du et verktøy som leser alt salget ditt.

Brukes dataene mine til å trene KI-en?

Nei. Hver kunde har sin egen installasjon, og dataene dine brukes ikke til å trene noen modell. Til Sweet Instincts beslutning sendes bare tall, kategori og merke.