AI som gör e-handel redo för exit och tillväxt

Footway har offentliggjort fyra försäljningar på två veckor. Senast ut: Racketnow, som köps av Aktiebolaget Stora Hälsingland med Billo-grundaren Christofer Carlson i spetsen (publicerat 2025-12-19). Det är inte bara ännu en affär i ett intensivt decemberflöde – det är ett kvitto på att svensk e-handel blivit mer mogen, mer finansiellt styrd och mer plattformifierad.

Det här är viktigt av en enkel anledning: när ägande av varumärken separeras från drift (teknik och logistik), blir det processerna, datan och effektiviteten som avgör hur snabbt ett bolag kan växa – och hur attraktivt det blir inför en exit. Och där är AI i e-handel inte en “nice to have”. Det är ofta skillnaden mellan stabil lönsamhet och dyrt kaos.

Jag har sett samma mönster i flera branscher: när marknaden går från “sälj lite av allt” till “bygg en maskin som kan skalas”, då flyttar konkurrensen till tre områden: kundinsikt, lagerprecision och operativ automatik. Alla tre är AI-territorium.

Vad Footways avyttringar säger om marknadens riktning

Footways strategi är tydlig: bolaget vill renodla verksamheten mot plattformstjänster och driva butikerna via sin modell Operations as a Service (OaaS), samtidigt som ägandet av e-handelsvarumärken flyttas till entreprenörer och nischaktörer. Racketnow säljs, men fortsätter drivas tekniskt och logistiskt via Footway genom ett femårigt samarbetsavtal.

Det här är mer än en affärsmodell. Det är en strukturförändring.

OaaS gör drift till en produkt – och AI till ett krav

När drift paketeras som en tjänst blir den mätbar. Då går det att:

• standardisera flöden (order, retur, kundservice)
• jämföra performance mellan butiker
• optimera centralt med data

Och när du har standardiserade flöden plus mycket data, då blir nästa logiska steg att automatisera beslut. Det är exakt där AI i detaljhandel och e-handel passar.

Varför entreprenörer köper nischbutiker just nu

I artikeln beskriver Christofer Carlson Racketnow som ett specialistvarumärke med hög trovärdighet och potential för internationell tillväxt – givet rätt fokus på sortiment, kundupplevelse och teknisk skalbarhet.

Översatt till vardagssvenska: vinsten ligger i fokus och precision, inte i att “jobba hårdare”. Och precision får du inte i internationell e-handel utan bättre prognoser, bättre segmentering och snabbare iterationer. AI hjälper dig bygga den maskinen.

AI före exit: det som faktiskt höjer värdet

AI höjer inte värdet på ett e-handelsbolag för att det låter modernt, utan för att det kan göra kassaflödet stabilare, marginalerna friskare och rapporteringen mer förutsägbar. Inför en exit letar köpare efter riskreducering lika mycket som tillväxt.

Här är tre områden där AI ger direkt effekt på det som brukar granskas i due diligence.

1) Efterfrågeprognoser som minskar kapitalbindning

Den snabbaste vägen till bättre e-handelslönsamhet är ofta inte mer trafik – utan mindre felköpt lager.

AI-baserad efterfrågeprognos kan kombinera:

• säsong (extra relevant i december och inför Q1-reor)
• kampanjkalendrar
• prisförändringar
• väder- och kalenderdata (t.ex. sportlov)
• leveransledtider

Resultatet är färre “överraskningar” i lager och cashflow. I praktiken betyder det:

• färre nedsättningar
• färre restnoteringar
• högre servicegrad

För en nischbutik som Racketnow kan det handla om att slippa sitta med fel mix av racketar, skor och tillbehör efter en kampanjperiod.

2) Personaliserad e-handel som höjer konvertering utan att öka annonsbudgeten

Många bolag försöker köpa sig ur problem med marknadsföring. Det funkar tills CAC sticker.

AI för personalisering handlar inte om att “visa något relevant” i största allmänhet. Det handlar om att styra:

• vilka produkter som visas först
• vilka bundles som föreslås
• vilka budskap som triggar köp
• när det är dags att sänka friktion (t.ex. fri frakt vs rabatt)

En tydlig målbild är att öka AOV (snittordervärde) och CVR (konverteringsgrad) utan att behöva skala annonskostnader lika snabbt.

3) AI i kundservice som minskar kostnad per ärende

När en butik växer internationellt blir kundservice ofta en flaskhals. AI kan göra mycket här – men bara om man är realistisk.

Det som brukar fungera bäst:

• automatisk klassificering av ärenden (leverans, retur, garanti)
• smarta svarsförslag till agenter
• självserviceflöden för status, returer och byten
• flerspråkigt stöd med kontrollerad tonalitet

Det som ofta går fel är att man släpper en bot helt fri. Då får man hallucinationer, missnöje och fler ärenden – inte färre.

När plattformen äger driften: så bör AI-ansvaret delas

I Footways fall ligger drift och teknik kvar i plattformen via OaaS, medan ägandet av varumärket flyttas. Det skapar en praktisk fråga för många som sitter i liknande upplägg:

Vem “äger” AI-arbetet – plattformen eller butiken?

Mitt svar: båda, men med olika fokus.

Plattformen bör AI-optimera det som är gemensamt

Det här är områden där central AI ger skalfördelar:

• lagerplacering och plockoptimering
• fraktval och leveransprecision
• returflöden och kvalitetsbedömning
• bedrägeridetektion

Om du driver 10–20 butiker på samma plattform är det direkt slöseri att inte använda data mellan dem för att göra kärnprocesserna bättre.

Varumärket bör AI-optimera det som är unikt

Butiken/ägaren sitter på kategorikunskap och kundförståelse. Där bör AI kopplas till:

• sortimentsstrategi (vad ska bort, vad ska in)
• prissättning och kampanjlogik
• målgruppssegment (nybörjare vs avancerade spelare)
• content och SEO (produkttexter, guider, FAQ)

Det är också här som AI oftast ger snabbast synlig effekt i försäljningen.

En konkret “90-dagarsplan” för AI i e-handel (som tål due diligence)

Det är lätt att fastna i verktygslistor. Jag tycker man ska börja i mätbarhet och styrning. Här är en plan jag själv hade velat se om jag var ny ägare eller investerare.

1. Dag 1–15: Datakoll och KPI-definition
   Sätt 5–7 KPI:er som AI ska påverka (t.ex. CVR, AOV, returgrad, lagersväng, leveransprecision). Säkerställ datakvalitet i order, lager, kund och kampanj.

2. Dag 16–45: Snabba vinster i kundservice och merchandising
   Inför ärendeklassificering, svarsförslag och självservice. Testa personaliserad sortering på kategori- och söksidor.

3. Dag 46–75: Prognos + inköp light
   Bygg en första prognosmodell per produktgrupp. Koppla till inköpsrekommendationer med tydliga regler (min/max, ledtid, kampanj).

4. Dag 76–90: Styrning och riskkontroll
   Inför modellövervakning, loggning, mänsklig godkännandeprocess för kritiska beslut och en enkel AI-policy (GDPR, transparens, ansvar).

Det här är inte glamouröst. Det är exakt därför det fungerar.

Vanliga frågor jag får om AI i e-handel (och raka svar)

“Behöver vi egen AI eller räcker det med plattformens funktioner?”

Om du kör OaaS eller liknande: börja med plattformens verktyg, men räkna med att differentiering kräver egna modeller eller egen logik för sortiment, prissättning och content.

“Vilket är bästa första use caset?”

För de flesta: kundservice + personaliserad merchandising. Det är snabbast att implementera, lättast att mäta och ger ofta effekt inom veckor.

“Hur undviker vi att AI blir ett dyrt experiment?”

Genom att kräva tre saker från start: KPI, ägarskap och driftbarhet. Om ingen kan svara på vem som äger modellen och hur den övervakas, då är det inte redo.

Vad du kan lära av Racketnow-affären – oavsett om du ska sälja eller växa

Footways försäljning av Racketnow (och de andra affärerna i december) visar att svensk e-handel rör sig mot en mer industriell logik: varumärken kan byta ägare, men maskinen måste fortsätta leverera. I det landskapet blir AI en praktisk metod för att göra resultaten stabila, skalbara och mindre personberoende.

Om du bygger ett e-handelsbolag med sikte på tillväxt eller exit 2026–2027, då är min tydliga åsikt: lägg lika mycket energi på prognoser, processer och datastyrning som på marknadsföring. Det är där multipeln bor.

Nästa steg är att välja ett område där du kan bevisa effekt snabbt. När du väl har en vinst i siffror blir resten enklare – både internt och gentemot investerare. Frågan är bara: vilken del av din e-handel är mest redo att bli automatiserad först?