Vis sofaen i kundens stue. Gi tilbudet før de går.
Kunden kan se møbelet i sitt eget rom gjennom mobilkameraet, og selgeren kan levere et ferdig tilbud med leveringstid mens kunden fortsatt står på gulvet. Det som før ble en e-post i neste uke, blir en beslutning i dag.
- Møbelet vist hjemme hos kunden
- Tilbud med leveringsuke på minutter
- Selgeren har alltid siste ord
Fra «vi må nesten måle hjemme» til bestilling
- 13.02
Et par stopper ved en tresetersofa i utstillingen. Den finnes i elleve stoffer, men bare to står fremme, og de lurer på om den får plass mellom vinduet og pipa hjemme.
- 13.05
Selgeren lar dem se sofaen i sin egen stue gjennom mobilkameraet, i riktig stoff og riktig mål, bygget på leverandørens egne tredimensjonale modeller. Diskusjonen om plassen er avgjort på stedet.
- 13.12
Selgeren ber om et tilbud. Systemet henter lagerstatus og leveringstid fra leverandøren, legger inn riktig stoff og ben, og setter opp et ferdig tilbudsdokument med leveringsuke. Selgeren leser over og sender.
- 13.15
Paret har tilbudet på e-post før de har forlatt butikken. Ingen lapp som skal huskes på mandag, ingen «vi kommer tilbake» som aldri kommer tilbake.
Tre steder AI monner mest i en møbelbutikk
Anslagene gjelder en butikk med tre til seks selgere. I kartleggingen regner vi på deres egne tall.
-
Møbelet vist i kundens eget rom
Leverandørene har allerede tredimensjonale modeller av det meste i katalogen. Vi kobler dem til en visning kunden åpner i mobilen, uten egen app, og ser sofaen i riktig stoff og mål i sin egen stue. Tvilen om plass og farge, som ellers utsetter kjøpet, avgjøres mens kunden er varm.
5-8 t/mnd spart på retur og ombytte, og færre kjøp som aldri skjer -
Tilbud med leveringstid mens kunden står der
I dag betyr et tilbud gjerne å sjekke lagerstatus hos leverandøren, regne på stoff og tillegg og skrive dokumentet etter stengetid. Systemet gjør oppslagene og setter opp tilbudet mens samtalen pågår, med leveringsuke hentet fra leverandørens egne tall. Selgeren leser over, justerer og sender.
8-12 t/mnd spart på tilbudsskriving -
Åpne tilbud fulgt opp av seg selv
Tilbud som ikke besvares, blir liggende i alle møbelbutikker. En assistent minner kunden vennlig på tilbudet før leveringstiden endres, svarer på enkle spørsmål om stoff og mål, og varsler selgeren når kunden er klar til å slå til. Ingen kunde faller mellom to vakter.
6-10 t/mnd spart, og flere tilbud som blir til ordre
Slik innfører vi det uten å rote til driften
Pilot først
Vi starter med én produktgruppe, gjerne sofaer, og måler i noen uker hvor mange tilbud som sendes samme dag og hvor mange som blir til ordre. Tallene avgjør om vi ruller bredere ut.
Selgeren bestemmer
Ingen tilbud går ut uten at en selger har lest over og trykket send. Assistenten lover aldri bort en leveringstid på egen hånd, og priser mot kunde settes alltid av dere.
Data under kontroll
Kunderegister og tilbudshistorikk forblir deres, med databehandleravtale i bunn. Ingenting av kundedataene brukes til å trene åpne modeller.
Veien videre
Fra en kartlegging av butikkhverdagen til løsninger som er i drift mot systemene dere allerede bruker.
AI-strategi
Hvor i butikken gir AI størst gevinst hos dere? En prioritert plan, ikke et foredrag.
Les om AI-strategiAutomatisering
Tilbud, lageroppslag og oppfølging satt i drift mot kassesystem og leverandørdata.
Les om automatiseringAI-agenter
En assistent som kan sortimentet, stoffene og leveringstidene utenat.
Les om AI-agenterKurs og opplæring
Hele butikken trygg på verktøyene i løpet av en ettermiddag.
Les om kursBeslektede bransjer: klesbutikker og byggevarehandlere.
Hvor mange tilbud blir aldri sendt hos dere?
Fortell oss kort om butikken og systemene deres, så peker vi på de to eller tre stedene AI vil monne mest. Første samtale koster ingenting.