I den här artikeln beskriver vi var AI kommer att ha störst effekt, våra utvecklingsprioriteringar och presenterar de första AI-funktionerna på plattformen In-Store IMPACT.
Handeln har i många år anammat data inom efterfrågeprognoser och supply chain. Om ditt företag väljer digital signage eller ett in-store retail media-CMS år 2026, se till att lösningen har en inbyggd förståelse för data och kan fungera sömlöst i en AI-driven värld.
På Doohlabs ser vi nästa fas formas av mikrolokationsintelligens. Målet är inte att överbelasta team med ny komplexitet, utan att gradvis introducera mer intelligens som hjälper samma team att driva ett större och mer värdefullt nätverk.
Handeln behöver system som förstår kontext och målgrupper – inte bara innehåll
När skärmar blir en kanal som kan monetiseras förändras förväntningarna: fokus flyttas mot målgrupper, mätbara resultat och styrning på retailer-nivå. Samtidigt blir nätverken större och mer fragmenterade – fler butiker, fler skärmtyper, fler mikrolokationer och fler intressenter.
Därför bör “AI” i retail media ses mindre som en enskild funktion och mer som en operativ modell.
Den mest värdefulla intelligensen i butiksmiljö är kontextuell och målgruppsrelaterad:
Konteksten omfattar var en skärm är placerad, vad kunder gör runt den, vilken kategori den påverkar och hur förutsättningarna förändras över tid.
Målgrupper definierar kampanjernas målgrupper, möjliggör extremt skarp targeting och kan i slutändan visa om den annonserade produkten faktiskt köptes av de personer den var avsedd för.
Detta är grunden i Doohlabs mikrolokations-AI-vision: att optimera målgruppsattribut, kampanjstruktur och riktat innehåll på individnivå per skärm – och att fortsätta lära sig i takt med att nätverket körs.
Kort sagt är Doohlabs IMPACT-plattform för in-store retail media en del av butikens infrastruktur, kopplad till andra system och anpassad för avancerade operativa behov, targeting och mätning inom mediaförsäljning – och skapar därmed en konkurrensfördel jämfört med andra retailers.
Doohlabs GPT: Från dashboards till dialog
De flesta retail media-team saknar inte data – de saknar tid. Det är här en praktisk och gradvis AI-roadmap blir strategiskt viktig.
Det första steget i en realistisk AI-resa är åtkomst. Data finns redan, men friktionsfri interaktion med den saknas.
Därför är den första funktionen en konversationsbaserad gränssnitt: Doohlabs GPT. Den gör det möjligt för användare att chatta naturligt om status för mediaförsäljning, skärmar och de målgrupper som kan nås via skärm-nätverket.
Detta är viktigt eftersom det förändrar det dagliga arbetet: när insiktsinhämtning blir konversationsbaserad minskar behovet av specialiserade rapporteringskunskaper, och rutinfrågor slutar konsumera senior uppmärksamhet.
Mikrolokationsintelligens: att göra relevans skalbar
Nästa lager är mikrolokationsintelligens som vägleder beslut med retailer-verkligheten i åtanke.
AI hjälper retailers att koordinera retail media-operationer på flera nivåer – från GenAI-assisterad målgrupps- och kampanjbyggnad till rekommendationer på retailer- och butiksnivå, inklusive vägledning baserad på tillgänglighetssignaler.
Retailers vet redan hur kraftfullt availability och kategori-dynamik är. In-store är inte en statisk mediemiljö – det är en levande kommersiell miljö.
Rekommendationer som respekterar dessa realiteter (t.ex. i kedjor med tusentals enskilda butiker) kan förhindra missanpassning mellan vad som marknadsförs och vad som faktiskt är rimligt att marknadsföra i en given butik.
Detta är en av de mest praktiska formerna av AI: att minska den kognitiva belastningen i beslut som måste upprepas över dussintals eller hundratals platser.
Generativ innehållsproduktion: fler varianter utan manuell produktion
Kreativ variation är där många nätverk tar stopp. Varumärken vill ha relevans och lokalisering, men content-team kan inte producera oändliga versioner, och retailers måste upprätthålla riktlinjer och kvalitet.
Konceptet för GenAI-produktion adresserar detta genom att automatiskt skapa varianter för text, video och ljud över utvalda kanaler, styrt av varumärkesriktlinjer, målgruppsattribut och kampanjstruktur – med målet att leverera riktat innehåll på skärm-nivå.
Den operativa betydelsen är inte “mer innehåll”. Det är kontrollerbar skala. Om variationer kan produceras inom tydliga guardrails kan retailers öka relevansen utan att varje kampanj blir ett skräddarsytt produktionsprojekt.
I denna modell positioneras Doohlabs In-Store Impact som det operativa lagret där dessa beslut och outputs samlas i retail media-workflowet – snarare än som ett frikopplat experimentlabb.
Closed-loop learning: optimering som förbättrar sig själv
Retailers har länge förstått att mätning bara är värdefull när den leder till bättre beslut.
Mikrolokationssignaler – såsom produktkategori, skärmstorlek och vinkel, samt de aktuella målgruppsfaktorer som används för att skapa varianter – kombineras med kontinuerlig A/B-testning på skärm-nivå och feedback kopplad till produkt- eller kategoriförsäljningsdata för att förbättra framtida varianter.
När testning och lärande sker på skärm-nivå blir optimeringen kontextuell. Ett nätverk kan lära sig vilka budskap som fungerar bäst i specifika mikrolokationer och applicera den lärdomen automatiskt – istället för att förlita sig på manuella experimentcykler som få team hinner driva konsekvent.
Varför “gradvis intelligens” är den mest skalbara vägen
Retailers som köper ett In-Store Retail Media-CMS idag väljer inte bara ett verktyg för content distribution. De väljer ett operativsystem för en kanal som kommer att fortsätta utvecklas.
Retailers upplever inte värde genom features; de upplever värde genom stabil drift. När AI minskar “brandkårsutryckningar” och förbättrar tillförlitlighet stödjer det direkt kommersiella resultat genom att säkerställa att kampanjer körs som avsett och att mätningen förblir pålitlig.
Detta är angreppssättet i vår vision: börja med konversationsbaserad åtkomst via Doohlabs GPT, bygg vidare mot rekommendationer och stöd i kampanjbyggande, expandera till styrd generativ produktion och utvecklas till closed-loop optimering på mikrolokationsnivå.
Framåt: CMS-beslutet är ett databaserat strategiskt beslut
När in-store retail media mognar kommer gränserna mellan media operations, retail data och kategori-realiteter att fortsätta suddas ut. Plattformar kommer att koppla samman målgrupper, mätning, produktsystem och in-store touchpoints till en enhetlig loop av planering, genomförande och lärande.
CMS-beslutet för 2026 bör behandlas som ett strategiskt databeslut.
Frågan är inte bara hur väl systemet driver skärmar, utan hur väl det förstår retail-miljön som skärmarna lever i – och hur väl det kan fungera i en värld där AI blir standardgränssnittet för insikt och handling.
Om du vill följa utvecklingen av praktisk, retailer-first intelligens inom in-store retail media, utforska mer av Doohlabs thought leadership och ramverk när vi fortsätter kartlägga vad “AI-native” faktiskt bör betyda i butik.
