AI零售库存预测
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
InShelf Analytics 是由瑞典斯德哥尔摩软件公司 Taranuka AB 开发和维护的 AI 驱动库存与订货优化工具，面向食品杂货店。它的目标是通过更准确的需求预测、实时库存管理和自动订货，减少食物浪费，同时避免货架缺货。
网站描述的 AI 能力主要集中在销售预测与库存优化：系统会分析历史销售数据、订单记录、季节模式和天气数据，并进一步结合本地天气、节假日、附近大型活动等外部信息，给出未来销量预测和 SKU 级订货建议。功能上包括实时库存查看、自动下单、补货提醒、销量突增提醒、配送问题提醒，以及简洁的分析看板。其实施流程也较清晰：上传销售和订单数据，引入外部信息，进行分析预测，最后输出可执行洞察；网站称 onboarding 不超过 2 周。
定价方面，官网只提供“预约演示”，没有公开套餐、单店价格、按 SKU/门店收费方式，也没有免费试用或免费额度信息。集成方面，InShelf 明确强调可连接现有收银系统和库存系统，避免门店更换已有工具，但没有列出具体支持的 POS/ERP 系统，也没有 API 文档或技术接口说明。
优点是场景非常聚焦，专为食品杂货店解决库存、缺货和食物浪费问题；同时引入天气、节假日和活动等外部变量，比单纯历史销量预测更贴近生鲜和快消零售场景。自动订货和实时提醒也能降低人工判断负担。局限在于官网没有披露具体模型、预测准确率、案例数据、隐私合规措施和价格，采购前需要重点验证效果与数据安全。
它更适合有稳定销售数据、SKU 较多、对损耗和缺货敏感的食品杂货店、便利店或小型连锁门店。对于中国用户，官网访问状态无法从正文判断，支付方式也未披露；同时未见中文界面或中国本地 POS 集成信息。若在中国落地，需重点确认网络访问、跨境数据合规、付款方式，以及是否可替代为本地进销存、智能补货或零售 BI 方案。
本测评基于公开资料整理,不构成购买建议,请以 inshelf.com 官网实际信息为准。
用AI做商超需求预测和减损，B2B场景清晰。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。