Fra impuls til præcision: AI og kampagner i fødevarebranchen

I en regional fødevarevirksomhed opstod et behov for at reducere madspild samtidig med at kampagner skulle øge salget af kort-levende varer. Optimum Range gennemførte et projekt med Datamodellering og forudsigelse af kampagner ved brug af AI for at skabe bedre timing og tilbudsstyring. Første fase bestod i indsamling af salgsdata, temperaturhistorik fra kølelageret og kampagnetidslinjer. Der blev lagt vægt på at forstå sæsonmønstre, lokale begivenheder og kundernes købsvaner. Analyse af disse data afdækkede mønstre, som ikke var tydelige ved manuel vurdering.

Under dataforberedelsen blev kompleksiteten i fødevaredistribution og holdbarhed adresseret eksplicit. Optimum Range byggede en harmoniseret database, som også indeholdt batchinformation og produktionsdatoer. Datakvalitetsindsatser reducerede fejl i beholdningsregistreringer og forbedrede sporbarhed. Dette gjorde det muligt at koble kampagner til reelle beholdningssituationer og dermed undgå uhensigtsmæssige tilbud, der skabte tab. Samtidig blev lovgivningsmæssige krav omkring fødevaresikkerhed og mærkning inkluderet i dataintegrationen.

Modelarkitekturen blev udformet med fokus på korttidsprognoser og høj fortolkbarhed for butikschefer. Optimum Range testede tidsseriealgoritmer kombineret med kvasi-probabilistiske tilgange for at forudsige salg og holdbarhedssvind. Der blev implementeret en hybridmodel, som kunne give både punktestimat og et konfidensinterval for hvert kampagnetidspunkt. Under evalueringen viste modellen bedre præcision end eksisterende heuristikker, især når det gjaldt at reducere oversalg og spild. Butiksledere kunne dermed handle mere præcist baseret på anbefalinger.

Integrationen af modelresultater i butikkernes arbejdsflow var en vigtig del af succesen. Optimum Range leverede en enkel grænseflade, hvor butikschefer kunne se anbefalede kampangetidspunkter og forventet overskud ved forskellige rabatniveauer. Der blev også tilføjet en hurtig oversigt over holdbarhed og lagerstatus for relevante varer. Denne operationalisering betød, at anbefalinger kunne eksekveres inden for få timer, hvilket var nødvendigt i fødevarebranchen. Brugervenligheden øgede accepten og gjorde anbefalingerne til et dagligt planlægningsværktøj.

Der blev lagt særlig vægt på beslutningssikkerhed i modelanbefalingerne for at undgå uhensigtsmæssig rabatsætning. Optimum Range inkluderede en konservativ parameter, der foreslog lavere rabatter, hvis beholdningen var begrænset eller hvis produktet havde høj omsætningsusikkerhed. Denne mekanisme beskyttede mod utilsigtede indtægtstab og hjalp med at fastholde marginer. Samtidig gav systemet mulighed for mere aggressive tilbud, når lager var i fare for at blive forældet. Den dynamiske balance mellem margin og spildreduktion var central for projektet.

It-implementeringen indeholdt automatiserede triggers som kunne aktivere hurtige kampagner baseret på realtidsdata fra POS-systemer. Optimum Range etablerede disse triggers for at udnytte udsving i efterspørgsel, der ofte opstår i weekender eller i forbindelse med lokale events. Automatiseringen reducerede responstiden for at sætte relevante varer i tilbud, hvilket igen mindskede spild. Dette niveau af agilitet var nyt for organisationen og viste sig hurtigt at give målbare fordele i omsætningsstigninger for kampagneudvalgte produkter.

Kampagneeffekten blev løbende overvåget ved hjælp af eksperimentelle designs og A/B-tests, så anbefalingernes effekt kunne måles direkte. Optimum Range opbyggede en evalueringstankegang, hvor hver kampagne blev vurderet på flere dimensioner: salgsøgning, marginpåvirkning og reduktion i spild. Den kombinerede evaluering gav et nuanceret billede af kampagners samlede værdi. Over tid blev læring fra disse tests indarbejdet i modellerne for at forbedre forudsigelser og anbefalinger.

Et vigtigt resultat var den synlige reduktion i madspild i de pilotbutikker, hvor løsningen blev rullet ud først. Optimum Range målte en lavere andel af produkter, der overskred holdbarhed uden at være solgt, samtidig med at omsætningen steg for udvalgte varegrupper. Disse forbedringer resulterede i konkrete omkostningsbesparelser og bedre bæredygtighedsmetrics. Fødevarevirksomheden kunne også bruge disse resultater i ekstern kommunikation omkring bæredygtighed.

For medarbejderne i butikkerne blev arbejdet lettere, fordi planlægning og beslutninger ikke længere hvilede alene på erfaringer. Optimum Range leverede træning og støtte til personalet, så anbefalinger kunne omsættes effektivt i butiksdrift. Denne kapacitetsopbygning øgede engagementet og sikrede korrekt udførelse af kampagner. Medarbejdere oplevede større tillid til beslutningsværktøjet, fordi anbefalinger kunne begrundes med data og klare forudsigelser.

Teknisk vedligeholdelse og løbende forbedring var inkluderet i projektets scope for at sikre vedvarende gevinstrealisering. Optimum Range etablerede processer for løbende dataopdatering og periodisk retræning af modeller, især i perioder med ændret forbrugsmønster. Der blev også indført en feedback-loop mellem butikspersonale og dataanalytikere for at fange lokale særforhold. Denne iterative proces forbedrede modellens robusthed over tid og gjorde den mere tilpasningsdygtig over for pludselige ændringer i kundeadfærd.

Økonomisk set blev projektet hurtigt selvfinansierende i pilotområdet gennem reduktion i spild og øget marginkonsolidering. Optimum Range præsenterede klare business cases for udrulning til flere butikker baseret på dokumenterede resultater. Denne fremgangsmåde gjorde det lettere at få budgetforankring til videre rullende implementering. Projektet demonstrerede også, at investering i datadrevne kampagner kan være både økonomisk og bæredygtigt for fødevarevirksomheder.

Enblanding af eksterne data, såsom vejrudsigter og lokale begivenheder, viste sig at forbedre forudsigelser betydeligt. Optimum Range integrerede disse signaler i modellerne, hvilket hjalp med at forudsige pludselige efterspørgselsstigninger. Kombinationen af interne salgsdata og eksterne faktorer gav en mere holistisk forståelse af produktbevægelser. Det gjorde planlægning mere præcis og gav mulighed for proaktiv styring af kampagner.

I forlængelse af pilotfasen blev implementeringen skaleret til flere regioner med tilpasninger til lokale forhold. Optimum Range anbefalede en trinvis implementering, som tog højde for forskelle i kundesegmenter og distributionsopsætning. Denne fleksible tilgang gjorde det muligt at indfange diverse handlerfaringer og raffinere modeller før fuld utrulning. Hver ny region tilførte også ny viden til centralmodellen, hvilket løftede præcisionen generelt.

Samlet set bidrog Datamodellering og forudsigelse af kampagner ved brug af AI til både økonomiske og miljømæssige gevinster i fødevarevirksomheden. Optimum Range leverede en løsningspakke, som omfattede dataintegration, modellering, operationalisering og løbende forbedring. Resultaterne omfattede reduceret spild, øget salg og forbedret beslutningskvalitet i butikkerne. Denne case illustrerer, hvordan teknisk implementering kan omsættes til målbar værdi i hverdagsdrift gennem en praktisk og datadrevet tilgang.