Przejdź do treści

Praktyczne zastosowania

AI w LPP: rekomendacje, magazyn i analiza trendów

Zaktualizowano: Autor: Andrzej Niemiec12 min czytania

LPP używa AI w rekomendacjach e-commerce, kompletacji zamówień i analizie trendów. Co potwierdzają raporty firmy, a czego dokumenty nie mówią.

AI w LPP: rekomendacje, magazyn i analiza trendów
Spis treści
  1. Co dokładnie robi AI w LPP?
  2. Które wdrożenia AI w LPP są potwierdzone w dokumentach?
  3. Czy LPP prognozuje popyt na kolekcje algorytmami?
  4. Jak AI skraca analizę trendów i pracę nad kolekcją?
  5. Ile wynoszą przychody LPP i jak zmieniła się skala grupy?
  6. Jakie jeszcze zastosowania AI opisuje LPP?
  7. Jak wypadają te wdrożenia w porównaniu?
  8. Czy tradycyjny retail zniknie?
  9. Najczęstsze pytania
  10. Źródła

Co dokładnie robi AI w LPP?

Sztuczna inteligencja w LPP obsługuje trzy obszary: podpowiedzi produktów w sklepie internetowym, kompletację zamówień w magazynie e-commerce oraz analizę trendów i pracę nad kolekcją. Każdy projekt ma inne narzędzie, inny zakres i inny sposób pomiaru, dlatego firma opisuje je osobno w raportach rocznych i prezentacjach wynikowych [1].

Skala, na której te systemy pracują, jest widoczna w danych finansowych. W roku finansowym 2022/23, trwającym od 1 lutego 2022 do 31 stycznia 2023, grupa była obecna w 39 krajach, miała 1 962 sklepy w 27 krajach i sprzedawała online na 34 rynkach. Przychody wyniosły 15,93 mld zł, o 40,5% więcej w ujęciu działalności kontynuowanej, a zysk netto około 1,1 mld zł. Sprzedaż internetowa dała 4,392 mld zł, czyli 27,6% przychodów [1].

Grupa prowadzi pięć marek: Reserved, Cropp, House, Mohito i Sinsay [1]. Reserved jest opisywane na stronie właściciela jako marka powstała w Polsce w 1998 roku [2].

Które wdrożenia AI w LPP są potwierdzone w dokumentach?

Dwa wdrożenia mają publiczną dokumentację: rekomendacje produktowe Dynamic Yield i system kompletacji zamówień w magazynie e-commerce. Pierwsze działa w sprzedaży internetowej, drugie w logistyce. Analizę trendów LPP opisuje osobno, w materiałach z 2026 roku [3][4].

Prezentacja wyników za czwarty kwartał roku 2022/23 wymienia Dynamic Yield jako mechanizm rekomendacji produktów i podobnych modeli dostępnych w rozmiarze. To rozwiązanie działa w sprzedaży internetowej i wykorzystuje algorytmy [3].

Drugie wdrożenie dotyczy magazynu obsługującego sprzedaż online. LPP poinformowało o nim w październiku 2023 roku: system uczenia maszynowego miał optymalizować ścieżki kompletacji zamówień. Pierwsze testy wskazywały skrócenie ścieżek o 30% i wzrost wydajności kompletacji o 12,3% [4].

Czy LPP prognozuje popyt na kolekcje algorytmami?

Nie ma publicznego dokumentu, który opisywałby algorytm prognozowania popytu na kolekcję jesienną Reserved z 2022 roku. Raporty za rok 2022/23 wymieniają digitalizację, Fashion Tech, analitykę i rekomendacje produktowe, ale nie podają nazwy, zakresu ani daty takiego wdrożenia [1][3].

Zapasy z drugiego kwartału roku 2022/23 mają inne wyjaśnienie. LPP podało, że około 90% wszystkich kolekcji znajdowało się już w magazynach, wobec 60% rok wcześniej, i przypisało to przyspieszeniu zamówień kolekcji jesień–zima w obawie przed przerwaniem łańcuchów dostaw. Na koniec kwartału 84% zapasów stanowiła kolekcja jesień–zima 2022/23 [5]. To dane o zatowarowaniu, a nie o trafności prognoz.

Dwa znaczenia ma też sam rok 2022. Może to być rok kalendarzowy albo rok finansowy 2022/23, który trwał od 1 lutego 2022 do 31 stycznia 2023. Materiały LPP posługują się przede wszystkim rokiem finansowym [1][5].

Jak AI skraca analizę trendów i pracę nad kolekcją?

LPP informowało w 2026 roku o narzędziu Silky Trends, które skraca analizę trendów oraz proces projektowania z 6–12 miesięcy do 6–12 tygodni. Firma wykorzystuje też dane o ruchu i lokalizacji przy wyborze miejsca dla nowych sklepów [6].

Presja na tempo wynika z rynku. Kolekcje zmieniają się częściej, a decyzje o asortymencie zapadają na podstawie danych z mediów społecznościowych i wyszukiwarek. Szerszy kontekst dla takich projektów opisuje nasz przegląd praktycznych zastosowań AI w firmach (/posts/praktyczne-zastosowania-przewodnik).

Ile wynoszą przychody LPP i jak zmieniła się skala grupy?

W 2025 roku LPP osiągnęło 23,1 mld zł przychodów, 5,4 mld zł EBITDA i 2,4 mld zł zysku netto, a na koniec roku miało 3 748 sklepów. Wzrost napędzała głównie ekspansja Sinsay, a nie wyłącznie Reserved [7]. W roku finansowym 2022/23 przychody wynosiły 15,93 mld zł [1].

Reserved pozostaje flagową marką grupy. Według karty marki w raporcie rocznym w roku 2022/23 miał 352 sklepy, obecność stacjonarną na 25 rynkach i 5,598 mld zł przychodów [1].

Jakie jeszcze zastosowania AI opisuje LPP?

Poza wymienionymi projektami LPP mówi ogólnie, że algorytmy wspierają projektowanie ubrań, logistykę i obsługę klientów. W 2026 roku media branżowe podawały około 30% poprawy trafności prognoz, ale bez wskazania, którego wdrożenia i którego okresu dotyczy ta liczba [8].

Firma nawiązała też współpracę z krakowskim startupem pirxe, który rozwija technologię przestrzenną AI. Celem jest usprawnienie tworzenia i testowania materiałów reklamowych w kampaniach internetowych [9].

Wdrożenie magazynowe powstało z PSI Polska i opiera się na uczeniu maszynowym do optymalizacji ścieżki kompletacji zamówień [10]. Branżowy opis wskazuje, że LPP korzysta z AI na większości etapów pracy z produktem [11]. Kontekst technologiczny dla takich projektów opisuje nasz tekst o pracy z danymi (/posts/codex-w-data-science-2-godziny-pracy-w-10-minut-ale-nie-bez-haczyka).

Jak wypadają te wdrożenia w porównaniu?

Wdrożenia różnią się narzędziem, obszarem i sposobem pomiaru. Dwa mają podane efekty liczbowe z pierwszych testów lub prezentacji wyników, pozostałe są opisane jako wsparcie procesu, bez wskaźników [3][4][6][9][10].

ObszarNarzędzie lub partnerCo robiUdokumentowany efektŹródło
Rekomendacje w e-commerceDynamic Yieldpodpowiada produkty i podobne modele w dostępnych rozmiarachbrak wskaźnika w prezentacji[3]
Kompletacja w magazyniesystem uczenia maszynowego z PSI Polskawyznacza ścieżki zbierania zamówieńścieżki krótsze o 30%, wydajność kompletacji wyższa o 12,3% w pierwszych testach[4][10]
Analiza trendów i projektowanieSilky Trendsskraca analizę trendów i pracę nad kolekcjąz 6–12 miesięcy do 6–12 tygodni[6]
Materiały reklamowepirxeprzestrzenna AI do tworzenia i testowania kreacjiopisane jako usprawnienie procesu, bez wskaźników[9]

Czy tradycyjny retail zniknie?

Prezes LPP Marek Piechocki mówi, że handel się zmienia: sklepy częściej zmieniają kolekcje, a klienci chętniej kupują ubrania w internecie. Jego zdaniem tradycyjny handel nie zniknie [12]. To stanowisko pasuje do strategii omnichannel, w której sklepy stacjonarne i e-commerce są opisywane razem, jako jeden model sprzedaży [1].

Najczęstsze pytania

Czy LPP używa sztucznej inteligencji?

Tak. Potwierdzona dokumentacja obejmuje rekomendacje produktowe Dynamic Yield, system kompletacji w magazynie e-commerce, narzędzie Silky Trends oraz współpracę z pirxe przy materiałach reklamowych [3][4][6][9].

Kiedy LPP wdrożyło AI w magazynie?

W październiku 2023 roku. System uczenia maszynowego miał optymalizować ścieżki kompletacji zamówień w magazynie obsługującym sprzedaż online. Pierwsze testy wskazywały skrócenie ścieżek o 30% i wzrost wydajności kompletacji o 12,3% [4].

Czy LPP prognozuje popyt na kolekcje?

Publiczne materiały nie opisują algorytmu prognozowania popytu na kolekcję jesienną Reserved. Raporty za 2022/23 mówią o analityce i rekomendacjach, a wzrost zapasów w drugim kwartale tłumaczą przyspieszeniem zamówień, nie trafnością prognoz [1][5].

Ile LPP ma sklepów i jakie przychody?

Na koniec 2025 roku grupa miała 3 748 sklepów, 23,1 mld zł przychodów i 2,4 mld zł zysku netto [7]. W roku finansowym 2022/23 było to 1 962 sklepy w 27 krajach i 15,93 mld zł przychodów [1].

Źródła

  1. GK LPP SA Consolidated Annual Report for 2022/23 (LPP, 2023)
  2. Reserved – The official website of LPP SA (LPP)
  3. Prezentacja wyników za 4Q22/23 (LPP, 2023)
  4. Algorytmy sztucznej inteligencji w magazynach e-commerce LPP (LPP, 2023)
  5. Prezentacja wyników za 2Q22/23, wersja skorygowana (LPP, 2022)
  6. Sinsay-owner LPP relies on AI to track trends, slash costs (FashionNetwork, 2026)
  7. 4Q25 Presentation, Warsaw, 26 March 2026 (LPP, 2026)
  8. LPP buduje przewagę algorytmami. AI pozwala nam wyprzedzać rynek (Puls Biznesu)
  9. Sztuczna inteligencja: LPP i pirxe pokazują siłę polskiego retail (Handel Extra)
  10. Algorytmy i moda (Portal Logistyka)
  11. Od pomysłu po dostawę. Jak LPP korzysta z AI? (Wiadomości Handlowe)
  12. Prezes LPP wskazuje trzy trendy w branży odzieżowej (Business Insider)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji