Hur kan modeföretag fatta bättre beslut när en vara returneras? Det var frågan som Team Fox tog sig an under Implemas hackathon. Med lösningen NoRagrets vann Alice Stattin, Emma Landelius, Maja Wennstig och Stigove Borgmeister juryns gillande genom att visa hur AI och data kan bidra till smartare returflöden, effektivare processer och bättre kontroll över produktens väg efter en retur.
För många företag inom handeln är returer en komplex utmaning. När en kund skickar tillbaka ett plagg börjar en ny process: Ska produkten tillbaka till ordinarie lager? Ska den säljas via outlet? Behöver den kontrolleras, repareras eller hanteras på något annat sätt?
Varje beslut påverkar både kostnader, lagerhållning och möjligheten att ta tillvara produktens värde. Det var just den här utmaningen som Team Fox ville lösa.
Vad var det som fick er att välja just returhantering som utmaning?
– Vi ville hitta ett verkligt affärsproblem där teknik kan bidra till en konkret förbättring. Returer är ett område där många företag har komplexa flöden och där små förbättringar kan få stor effekt.
– När en produkt kommer tillbaka behöver företag snabbt fatta beslut om vad som är den bästa vägen framåt. Ska den tillbaka till lager, säljas via outlet eller hanteras på något annat sätt? Vi såg en möjlighet att använda AI för att skapa bättre beslutsunderlag och göra returhanteringen mer effektiv.
Vad såg ni att AI skulle kunna tillföra i just returprocessen?
– Returhantering är ett exempel på en process där stora mängder information behöver vägas samman för att fatta rätt beslut. Här kan AI hjälpa till att identifiera mönster och hantera information på ett sätt som är svårt att göra manuellt.
– Samtidigt var det viktigt för oss att utgå från problemet och användaren. Målet var inte att skapa en tekniskt avancerad lösning för sakens skull, utan något som faktiskt skulle kunna göra skillnad i en verksamhet.
Så hur fungerar NoRagrets i praktiken?
– NoRagrets är en AI-baserad lösning där man genom att analysera bilder relevant information kan ge stöd i att avgöra vad som bör hända med en returnerad produkt härnäst. Det kan exempelvis handla om att avgöra om en produkt ska tillbaka till lager, gå vidare till outlet eller hanteras på något annat sätt.
En viktig del i lösningen är att flytta fokus från att bara hantera returer till att aktivt styra produkternas nästa steg och därmed minska risken att värde går förlorat.
Kan ni ge ett exempel?
– Tänk dig att en kund skickar tillbaka ett par vita sneakers för att de var fel storlek. Bilder tas på skorna, antingen av en medarbetare med mobilen eller automatiskt med en kamera i flödet. AI:n analyserar bilderna tillsammans med returen och kundens order, bedömer skicket och kontrollerar att det är rätt produkt och att den verkar äkta.
– Efter några sekunder kommer ett förslag med motivering: skick B, till outlet, eftersom sulan är lätt sliten och originalkartongen saknas. Medarbetaren bekräftar eller ändrar, och skorna skickas till rätt hylla. Är AI:n osäker eller misstänker att varan är en kopia går returen till en person för granskning.
– Nyttan syns tydligast i att bedömningen blir lika noggrann för varje retur, oavsett vem som gör den eller hur stressigt det är på lagret. Det gör att fler produkter hamnar rätt och att varor som annars hade kasserats kan säljas vidare via outlet, repareras eller få ett andra liv i second hand.
Namnet NoRagrets sticker ut. Hur kom ni fram till det?
– Namnet NoRagrets är en ordlek med två betydelser. Dels kommer det från uttrycket ”no regrets” – att hjälpa företag fatta bättre beslut så att värde inte går förlorat i returflödet. Dels leker vi med ordet ’rags’, som knyter an till textilier och klädbranschen och problemet vi ville lösa.
– Grundidén är att en retur inte ska vara slutet för en produkt. Med rätt beslut kan plagget få en ny väg framåt i stället för att tappa värde.
Hur arbetade ni under hackathon:et för att gå från idé till fungerande koncept? Vad var den största utmaningen?
– Det var intensiva timmar där vi snabbt behövde gå från en idé till något konkret. Vi behövde prioritera och hela tiden fundera på vilken del som skapade störst värde.
– Samtidigt var det väldigt inspirerande att se hur mycket man kan åstadkomma på kort tid när olika perspektiv och kompetenser möts.
Om ni fick fortsätta utveckla NoRagrets, vad skulle nästa steg vara?
– Nästa steg skulle vara att testa lösningen mot verkliga returflöden och riktig data. Då kan man vidareutveckla modellen och se hur lösningen bäst kan integreras i företagens befintliga processer och system. Det skulle också vara spännande att se hur träffsäker AI:n faktiskt är när den behöver bedöma olika typer av produkter och returer.
Juryn bestod av:
- Fanny Widman, föreläsare, moderator och grundare av Fannys Förebilder
- Patrik Sundeborn, Sales Director på Implema
- Petra Ranhem, CMO på Implema
Juryns motivering:
”Lösningen som presenterades var lika värdeskapande som enkel att förstå. Returhanteringen skulle fungera oerhört mycket bättre imorgon om lösningen implementerades. Juryns medlemmar fokuserade mer på vidare potential än anmärkningar i sin feedback vilket säger massor. Stort grattis Team Fox!”
