
Optimera lagret med AI, även på Shopify
Vad AI förändrar när du ska optimera lagret: prognos dag för dag, väder och trender, beslut och mätning. Och hur du tillämpar det på Shopify.
För att optimera lagret gör AI fyra saker: den prognostiserar efterfrågan produkt för produkt och dag för dag, den beslutar hur mycket som ska beställas, flyttas eller reas ut genom att väga riskerna, den förklarar varje beslut, och den mäter sedan vad beslutet gav. Den ersätter inte din kunskap om branschen. Den gör, på hundratals artiklar, de beräkningar som ingen hinner göra för hand.
Det är det Sway One gör för butiker som säljer både i butik och online, Shopify inkluderat. Här är vad AI faktiskt tillför, dess begränsningar, metoden i sju steg och specialfallet Shopify.
Sway One och Sweet 1.4: applikationen och dess AI
Sway One är applikationen som kopplas till allt: webbutiker som Shopify, PrestaShop, WooCommerce eller Magento, kassor som Square, SumUp, Lightspeed, Zettle eller Hiboutik, ERP-system som Odoo eller Dolibarr, logistikpartners som Bigblue eller Amazon FBA. Över tjugo verktyg som du kopplar själv från sidan Kopplingar, på några minuter.
Sweet 1.4 är dess beslutande AI. Den prognostiserar, föreslår påfyllningar, överföringar och rabatter, och sänker inte längre priserna av reflex. Varje rekommendation kommer på svenska, med sitt varför, sin uppskattade effekt och en konfidensnivå: du godkänner den med ett klick, justerar den eller avfärdar den, för alla dina butiker från en enda skärm.
Vad AI gör bättre än ett kalkylblad
Ett kalkylblad tillämpar en regel. AI väljer regeln produkt för produkt och justerar den efter det som händer runt omkring dig.
Prognostisera dag för dag, produkt för produkt
Ett medelvärde av förra månadens försäljning missar helgerna, helgdagarna, reornas start. En prognos dag för dag ser dem.
Man måste ändå veta när man kan lita på den. Horizon, prognosen i Sweet-familjen, låter för varje produkt en statistisk modell tävla mot en prognos dag för dag, spelar upp dem på de 28 senaste dagarna och viktar efter vilken som prognostiserade bäst. På de svåra produkterna på vår testbänk delas felet med mer än två jämfört med enbart prognosen dag för dag. Detaljerna finns i Horizon, lagerprognosen produkt för produkt.
Med Sweet 1.4: prognosen visas på produktkortet, med den horisont du väljer och sitt osäkerhetsband.
Läsa signalerna från omvärlden
Regn, en köldknäpp, ett ämne som stiger i sökningarna: efterfrågan rör sig innan din försäljning visar det. Ett kalkylblad ser det inte.
Med Sway One: din försäljning korsas med kommande väder, söktrender och nyheter. Varje signals effekt kalibreras på din egen försäljning, produktfamilj för produktfamilj, och dess tillförlitlighet visas. En sammanfattning av nyheterna i din bransch, med källor, tas fram varje dag.
Besluta under osäkerhet
En prognos är aldrig exakt. Den verkliga frågan är: hur mycket ska man beställa, när det inte kostar lika mycket att missa ett exemplar som att ha ett för mycket?
Det är beräkningen av den kritiska kvantilen, gjord för varje produkt med din marginal, din lagerhållningskostnad och restvärdet på osålda varor. Därefter kommer avvägningen: bland hundratals möjliga åtgärder, vilka är värda besväret? Sweet Instinct läser om de åtgärder som filtren avfärdat och uppskattar sannolikheten att var och en ändå är värd det. På åtta demobutiker hittar den 2,2 gånger fler lönsamma än en sortering efter uppskattad vinst: se Sweet Instinct, AI:n som plockar tillbaka de bra åtgärderna.
Med Sweet 1.4: den kritiska kvantilen och Sweet Instinct ingår i varje beslutsträd, och Sweet Instinct får bara siffror, kategori och varumärke: varken produktnamn eller artikelnummer.
Sänk bara priset om det lönar sig
Ett klassiskt verktyg reor ut det som inte har rört sig på X dagar. Men en långsam artikel är inte en död artikel.
Med Sweet 1.4: en kampanj eller en nedsättning föreslås bara om den ger mer än att vänta på fullpris, och aldrig under inköpspriset utanför rea. Det är kärnan i Sweet 1.4.
Begränsningarna med AI för lagerhantering
Smutsiga data ger felaktiga prognoser
En AI lär sig av din historik. Om lagerbristerna syns där som dagar utan efterfrågan, om samma artikel finns under två koder, prognostiserar den fel med säkerhet.
Med Sway One: produkterna stäms av mellan kanaler per artikelnummer eller streckkod, och dagarna med lagerbrist korrigeras innan prognosen görs.
Nyheter har ingen historik
Ingen modell kan prognostisera en produkt som lanserades i går utifrån dess egen försäljning.
Med Sweet 1.4: en produkt med färre än tre försäljningsdagar lånar rytmen från de fem närmaste produkterna i sin familj och lösgör sig sedan från den allteftersom dess försäljning kommer in.
AI vet inte allt
Den vet till exempel inte hur mycket dina kunder reagerar på en prishöjning. I stället för att gissa föreslår Sweet 1.4 en höjning bara om en signal motiverar den: väder, trend eller säsong. Språkmodellerna levererar i sin tur siffersatta hypoteser och förklaringar; det är beräkningen som avgör.
En AI ska mätas
En övertygande demo bevisar ingenting. En AI för lagerhantering bedöms på försäljning som den aldrig har sett, mot en referens. Det är vad vår testbänk gör, och vad Sway One sedan gör hos dig, beslut för beslut.
Så optimerar du lagret med AI i 7 steg
- Koppla all din försäljning. Kassor, webbutik, logistikpartner, ERP: en AI som bara ser en kanal prognostiserar bara en kanal. Med Sway One: över tjugo anslutningar, skrivskyddade.
- Rensa historiken. Unika artikelnummer, streckkoder, korrigerade lagerbrister. Med Sway One: avstämning per artikelnummer eller streckkod, korrigerade lagerbrister.
- Ställ in dina branschregler. Servicenivå, leveranstider från leverantörer, trösklar per familj eller produkt, minimiorder och fraktfritt. Med Sway One: trösklar per familj och per artikel, leverantörsvillkor i konfigurationen av din driftsättning.
- Låt AI:n prognostisera. Produkt för produkt, dag för dag, med ett intervall i stället för en enda siffra. Med Sweet 1.4: prognos med justerbar horisont och osäkerhetsband.
- Lägg till externa signaler. Väder, söktrender, nyheter, kalender för rea och helgdagar. Med Sway One: signaler kalibrerade på din försäljning, produktfamilj för produktfamilj.
- Godkänn beslut i siffror. Varje rekommendation med sitt varför, sin uppskattade vinst och sin konfidens. Med Sweet 1.4: påfyllningar, överföringar, rabatter och förbeställningar rangordnade efter effekt; autopilot som tillval, över en konfidenströskel som sätts tillsammans med dig.
- Mät utfallet. Jämför vad varje beslut skulle ge med vad det gav, och kalibrera om. Med Sway One: uppnådd effekt mäts efter horisonten, nästa uppskattningar kalibreras om.
AI och lager på Shopify
Vad Shopify gör på egen hand
Shopify följer lagret för varje variant per plats, vare sig det är en butik, ett lager eller en logistikpartner, och erbjuder försäljnings- och lagerrapporter. Om alla dina butiker säljer med Shopify finns din försäljning redan på samma ställe.
Det som saknas är beslutet: hur mycket du ska köpa in, när, var och till vilket pris.
Vad prognosapparna tillför
Shopify App Store har många appar för lagerprognoser. Enligt deras presentationer prognostiserar de flesta efterfrågan per artikel och förbereder leverantörsbeställningar. Det är redan ett stort steg jämfört med kalkylbladet.
Deras typiska begränsningar beror på utgångspunkten: de analyserar försäljningen på Shopify-sajten. Om dina butiker säljer på en annan kassa undgår den försäljningen dem. Flera butiker handlar ofta bara om lager per plats, utan föreslagna överföringar mellan butiker. Och vi har inte hittat väder- och trendsignaler, nedsättningar placerade i de lagliga reorna eller mätning av den verkliga effekten av varje beslut angivna i deras presentationer.
Vad Sway One gör på Shopify
Sway One kopplas till Shopify med några klick och läser dina produkter, varianter, beställningar och ditt lager. Sedan fyller det i det som är öppet:
| Behov | Prognosapp för Shopify, i allmänhet | Sway One med Sweet 1.4 |
|---|---|---|
| Prognos per artikel och inköpsorder | ja | ja, med minimiorder, fraktfritt och leveranstider från leverantörer, export i CSV och PDF |
| Analyserad försäljning | den på Shopify-sajten | Shopify plus dina kassor (Square, SumUp, Lightspeed, Zettle, Hiboutik…), avstämda |
| Flera försäljningsställen | lager per plats | varje skärm per butik, föreslagna överföringar, lagerbristlarm per butik i appen och på Discord |
| Väder, nyheter, trender | inte angivet | korsade med din försäljning, produktfamilj för produktfamilj |
| Nedsättningar och rea | inte angivet | föreslås bara om de lönar sig, placerade i de lagliga reorna |
| Resultatet av varje beslut | inte angivet | uppnådd effekt mäts, uppskattningar kalibreras om |
Ditt ERP eller din logistikpartner läggs till bredvid: Odoo, Dolibarr, Bigblue, ShipBob, byrd, Amazon FBA. Och din AI-assistent kan läsa och godkänna rekommendationerna via MCP.
De uppmätta resultaten för Sweet 1.4
Innan vi släppte Sweet 1.4 spelade vi upp det på fyra simulerade butiker, byggda på de publika katalogerna från femton kedjor: sport, outdoor, möbler, mode. Tjugosex veckor, från mars till augusti 2026, med samma försäljning för varje version.
Referensen är handlarens rutin: en genomgång i veckan, påfyllning efter försäljningen de senaste 60 dagarna. Sweet 1.4 läggs ovanpå, med 10 tillämpade rekommendationer per dag. Marginalen räknas efter en lagerhållningskostnad på 25 % per år.
| Bransch | Vunnen marginal på rutinen | Förlorad försäljning vid lagerbrist, rutin | Förlorad försäljning vid lagerbrist, Sweet 1.4 |
|---|---|---|---|
| Sport | +69 k€ (+4,7 %) | 17,9 % | 14,2 % |
| Outdoor | +135 k€ (+7,6 %) | 24,6 % | 19,3 % |
| Möbler | +324 k€ (+11,6 %) | 9,1 % | 3,7 % |
| Mode | +84 k€ (+5,8 %) | 21,2 % | 15,6 % |
Det är simulerade butiker, med uppskattade marginaler och överföringar utan kostnad: det är storleksordningar, inte ett löfte. Den verkliga vinsten mäts på dina data.
Checklistan för att välja ett AI-system för lagerhantering
- Det läser all din försäljning och allt ditt lager: webbutik, kassor, ERP, logistikpartner.
- Det prognostiserar per produkt och dag för dag, med ett intervall.
- Det korrigerar lagerbristerna i historiken och hanterar nyheter.
- Det korsar din försäljning med väder, trender och nyheter, och visar tillförlitligheten hos varje signal.
- Det beslutar i euro: marginal, lagerhållningskostnad, risk för lagerbrist.
- Det sänker bara priset om det lönar sig.
- Det resonerar butik för butik och föreslår överföringar.
- Det förklarar varje rekommendation, med en effekt i siffror och en konfidensnivå.
- Det mäter utfallet och kalibrerar om sig.
- Det har mätts mot en referens innan det kommer till dig.
Den här listan är specifikationen för Sway One och Sweet 1.4: Sway One bockar av varje punkt.
Varför Sway One och Sweet 1.4
- En app som kopplas till allt: Shopify och över tjugo kassor, webbutiker, ERP-system och logistikpartners, kopplade av dig.
- Alla dina butiker och din webbutik på en skärm, filtrerbar butik för butik.
- En mätt beslutande AI: Sweet 1.4 prognostiserar dag för dag, läser väder, trender och nyheter, och sänker inte längre priserna.
- Tydliga rekommendationer, på svenska, godkända med ett klick.
- Från påfyllning till inköpsorder, med minimiorder, fraktfritt och leveranstider.
- Varje beslut mäts, och din AI-assistent kopplas via MCP.
På fyra simulerade butiker lägger Sweet 1.4 +4,7 % till +11,6 % marginal efter lagerhållningskostnad till handlarens rutin, med mindre lagerbrist i alla fyra fallen.
Sway One kostar 289 € exkl. moms per månad, med en driftsättning dedikerad till din butik. För att veta vad det skulle ge dig räknar vinstkalkylatorn ut tre scenarier över tolv månader, abonnemanget avdraget. För att se det på dina data, boka en demo.
För grunderna utan AI (nyckeltal, beställningspunkt, ABC-metoden), läs Optimera lagret: nyckeltal, metoder och system.
Vanliga frågor
Hur optimerar jag lagret med AI?
Koppla all din försäljning, rensa historiken, ställ in dina leverantörsregler och låt sedan AI:n prognostisera dag för dag och föreslå beslut i siffror. Godkänn de som passar dig och mät vad de gav.
Vilket system ska man välja för att optimera lagret med AI på Shopify?
Sway One, med sin beslutande AI Sweet 1.4. Det läser Shopify, men också dina kassor, ditt ERP och din logistikpartner, resonerar butik för butik och mäter effekten av varje beslut.
Kan AI prognostisera försäljningen av en ny produkt?
Inte utifrån dess egen försäljning. Sweet 1.4 lånar rytmen från de närmaste produkterna i samma familj och stöder sig sedan på produktens försäljning så fort den kommer in.
Räcker det med en Shopify-app för att hantera lagret i mina butiker?
Om alla dina butiker säljer med Shopify och du inte behöver överföringar är det en bra början. Med en annan kassa eller flera butiker som ska balanseras behövs ett verktyg som läser all din försäljning.
Används mina data för att träna AI:n?
Nej. Varje kund har sin egen driftsättning, och dina data används inte för att träna någon modell. För Sweet Instincts beslut skickas bara siffror, kategori och varumärke.