AI v maloobchodu: co učí krach Instant Pot o maržích

V roce 2023 šla firma Instant Brands (Instant Pot, Pyrex) do reorganizace podle Chapter 11. Nešlo o „jednu špatnou sezónu“ – šlo o kombinaci saturovaného trhu, tenkých marží, dluhu a slabé obrany proti kopírování. Pro lidi z maloobchodu a e‑commerce je to až nepříjemně čitelný příběh: produkt se stane hitem, všichni ho chtějí, pak ho mají… a najednou už není kam růst.

Dnes, 22.12.2025, v době vysoké cenové citlivosti zákazníků a permanentních promo akcí, je podobných „rychlých vzestupů a rychlých pádů“ víc než dřív. A právě tady dává smysl přemýšlet o umělé inteligenci v maloobchodu a e‑commerce ne jako o hračce na personalizaci bannerů, ale jako o nástroji řízení marží, zásob, inovací a výrobních rozhodnutí. Jinak řečeno: AI není marketingový doplněk. Je to disciplína provozní efektivity.

Proč Instant Pot vyrostl rychle – a proč to byla past

Rychlý růst byl do velké míry „zabudovaný“ do samotné nabídky: za relativně nízkou cenu dostal zákazník multifunkční spotřebič (tlakový hrnec, rýžovar, parní hrnec, jogurtovač atd.). Hodnota byla zřejmá a snadno vysvětlitelná na produktové stránce i v reklamě.

Jenže u zboží dlouhodobé spotřeby platí jednoduchá matematika: když je produkt levný a „stačí koupit jednou“, saturace přijde rychle. U smartphonů existuje rytmus obměny. U hrnce ne.

Saturace se v datech pozná dřív, než je vidět v tržbách

V praxi retailu se saturace často maskuje:

• krátkodobě ji překryjí slevy a „end-cap“ akce,
• tržby drží expanze do nových kanálů,
• pomůže krátká vlna dárkových nákupů (typicky Q4).

Jenže signály existují. A jsou měřitelné.

Co by v takové situaci měla hlídat AI analytika poptávky:

1. Klesající podíl „nových domácností“ (první nákup v kategorii) versus opakované nákupy.
2. Rostoucí promo elasticita – bez slevy prodej padá rychleji než dřív.
3. Zpomalení vyhledávání (v interním vyhledávání e‑shopu i v kampaních) při stejné investici.
4. Růst vratek a negativních recenzí u levných variant, které ředí vnímání celé kategorie.

Tady je moje zkušenost z projektů v e‑commerce: firmy často vidí jen „konverze“ a „ROAS“. Jenže to, co rozhoduje o budoucnosti, jsou kohorty, saturace domácností a dlouhodobá frekvence nákupu. AI umí tyto signály vytáhnout dřív a přesněji, než když se čeká na pokles v P&L.

Tenké marže a kopie: když neexistuje ochranný příkop

Instant Pot byl inovativní „balíček“ funkcí v jedné krabici – ale zároveň snadno napodobitelný. Online tržiště a marketplace prostředí (typicky Amazon) tohle urychlují: jakmile se objeví poptávka, algoritmy i prodejci zvednou nabídku copycatů.

Když je produkt snadno okopírovatelný, konkurenční výhoda se přesouvá do tří oblastí:

• nákupní cena a logistika (kdo umí levněji a rychleji),
• výkon v digitálních kanálech (vyhledávání, recenze, obsah),
• práce s portfoliem (bundly, příslušenství, služby).

Co s tím má společného AI v maloobchodu a e‑commerce

AI nedokáže změnit fyziku výroby, ale dokáže zásadně zlepšit rozhodování, která marže „sežere“ nejvíc peněz.

Prakticky:

• Dynamická cenotvorba: model, který odlišuje promo cenu pro akvizici nových zákazníků od ceny pro zákazníky s vysokou ochotou připlatit.
• Optimalizace promo kalendáře: méně „slevového šumu“, více cílených akcí v týdnech, kdy to dává smysl pro zásoby i cashflow.
• Predikce konkurence: monitoring cen a dostupnosti konkurentů + predikce, kdy spustí slevy (u marketplace je to často pattern).

„V kategorii s kopiemi nevyhrává ten, kdo má nejlepší produkt. Vyhrává ten, kdo má nejlepší rozhodování.“

A teď důležitý most k zemědělství a potravinářství: komoditní tlak a nízké marže jsou tam norma. Pokud se dá v retailu zvednout hrubá marže o 1–2 procentní body díky lepší predikci a cenám, v potravinách to často rozhoduje o tom, jestli dodavatel přežije sezonu.

Dluh a finance: když růst skončí, pákový efekt bolí

Instant Brands šel do reorganizace mimo jiné proto, že kombinace vyšších úrokových sazeb a horšího přístupu k úvěrům zhoršila cash pozici. V překladu do e‑commerce: jakmile se změní cena peněz, slabiny v zásobách a maržích se ukážou okamžitě.

AI jako nástroj řízení cashflow přes zásoby

Zásoby jsou v retailu „zamrzlé peníze“. V potravinářství navíc rychle stárnou.

AI řízení zásob (demand forecasting + replenishment) má největší dopad, když:

• zkrátí dobu obrátky,
• sníží out-of-stock u top SKU,
• omezí přestřelené objednávky u sezónních položek.

Konkrétní přístup, který funguje:

1. Forecast po SKU × kanál × region (kamenné prodejny vs e‑shop, Praha vs regiony).
2. Oddělený model pro promo týdny (promo není „normální poptávka“).
3. Simulace scénářů: co se stane se zásobami a marží, když konkurence zlevní o 10 %.

V zemědělství je analogie přímá: přesná predikce poptávky a plánování výroby znamená méně přebytků, méně odpadu a stabilnější ceny. Overproduction je zemědělský ekvivalent retailové přeobjednávky.

Slabá loajalita: když značka znamená „levně“

Instant se stal synonymem kategorie, ale nevybudoval automaticky silnou loajalitu. Když zákazník vnímá produkt jako „dobrá koupě ve slevě“, často nemá důvod zůstat u značky.

Jak budovat loajalitu v kategorii, která se kupuje jednou za pár let

Tady se retail často plete: loajalita není jen klubová kartička. Je to důvod vracet se.

U „one-and-done“ produktů se vyplatí postavit loajalitu na:

• příslušenství a spotřebáku (těsnění, nádoby, vložky, filtry),
• obsahu (recepty, návody, video),
• servisu a náhradních dílech (rychlé řešení, dostupnost),
• bundlech (např. set pro určité použití).

AI v e‑commerce tady umí praktické věci, které rovnou zvedají tržby:

• doporučování příslušenství podle reálného používání (z nákupního chování podobných zákazníků),
• predikce, kdy zákazník pravděpodobně dokoupí doplňky,
• segmentace podle hodnoty a rizika odchodu.

A teď opět most k agri/food: potravinářské značky bojují o loajalitu každý týden. Personalizace nabídky, predikce nákupu a práce s cenovou citlivostí je v potravinách ještě důležitější, protože rozdíl mezi značkou a privátní značkou je často jen v příběhu, kvalitě a dostupnosti.

„Jak by AI mohla pomoct vyhnout se bankrotu?“ Praktická mapa kroků

AI sama o sobě firmu nezachrání, pokud je produkt mimo realitu trhu. Ale umí výrazně snížit pravděpodobnost, že management přehlédne saturaci a přecení své možnosti.

1) Včasná detekce saturace a řízení portfolia

• Sledujte penetraci kategorie a podíl first-time buyerů.
• Zaveďte pravidla pro ukončování SKU: když 12 týdnů po sobě klesá organická poptávka a roste závislost na slevách, SKU jde ven.
• Plánujte nástup „next category“ dřív, než začne propad.

2) Přesnější cenotvorba a promo mix

• Modelujte marži po kanálech (marketplace vs vlastní e‑shop vs retail).
• Oddělte akviziční cenu od retenční ceny.
• Měřte, kolik promo zákazníků se vrací bez slevy.

3) Zásoby jako strategická výhoda, ne účetní položka

• Forecast a replenishment s promo kalendářem.
• Minimalizujte „mrtvé zásoby“ (dead stock) rychlými rozhodnutími, ne čekáním na další sezónu.
• U potravin a zemědělských produktů přidejte model expirace a trvanlivosti do plánování.

4) Inovace řízená daty, ne intuicí

Tady si dovolím být přímočarý: mnoho firem inovuje podle toho, co ukáže veletrh nebo co dělá konkurence. To je pozdě.

AI může dát inovaci strukturu:

• analýza recenzí a servisních ticketů (NLP) → co zákazníky reálně štve,
• sledování search trendů v e‑shopu → co lidé chtějí, ale nenajdou,
• simulace cannibalizace → co nový produkt sebere starému a jestli to stojí za to.

Nejčastější otázky, které si v retailu (ne)klademe

„Nejsou tyhle modely jen pro obří hráče?“

Ne. Největší přínos bývá u firem, které mají chaos v datech a rozhodují se pocitově. I jednoduchý forecast a segmentace často udělá větší službu než deset nových kampaní.

„Kde začít, když máme data rozházená?“

Začněte jedním use-casem s jasným dopadem: řízení zásob nebo promo optimalizace. Vyžadují data, která většina firem už má: prodeje, dostupnost, ceny, promo kalendář.

„Jak to souvisí se zemědělstvím a potravinářstvím?“

Stejná logika, jen jiné komodity: poptávka kolísá, marže jsou tenké, zásoby se kazí a přebytky bolí. AI pro predikci poptávky a snížení odpadu je dnes jeden z nejrychlejších způsobů, jak stabilizovat výnos.

Co si odnést (a co udělat hned po svátcích)

Příběh Instant Brands je varování pro každého, kdo staví růst na jednom hitu a doufá, že to bude trvat věčně. Jakmile trh nasytíte a konkurence vás okopíruje, zůstane vám jen to, co umíte nejlépe: řídit marži, zásoby, inovaci a loajalitu.

Pokud jste v maloobchodu, e‑commerce nebo potravinářském dodavatelském řetězci, udělejte si v lednu 2026 rychlý audit:

• Které SKU prodáváte jen díky slevám?
• Kde máte nejvíc zamrzlých peněz v zásobách?
• U kterých kategorií se blíží saturace?
• Jak rychle umíte z dat poznat, že se trh láme?

Chcete-li z toho vytěžit leadově (a prakticky), nejlépe funguje krátký workshop nad vašimi daty: vybrat 1–2 priority (zásoby, promo, personalizace), nastavit metriky a do 6–8 týdnů mít první měřitelné výsledky.

A jedna otázka na závěr, která je nepříjemná, ale užitečná: Kdyby vám zítra někdo okopíroval váš nejprodávanější produkt a prodával ho o 15 % levněji, co přesně vás ochrání – značka, data, nebo jen doufání?