AI UPLOAD

Ett smartare sätt att ladda upp kläder. Projektet kombinerar AI, UX och tydlig design för att förenkla ett vardagligt moment – och ge användarna en känsla av att tekniken faktiskt jobbar för dem.

Bakgrund & mål

Plick är en secondhand-app där användare köper och säljer kläder. I en enkät med 266 svarande såg vi att många upplevde uppladdningsflödet som tidskrävande och krångligt — framför allt att skriva beskrivningar, välja kategori, ange färg och sätta pris.
Målet var att minska friktionen i annonsuppladdningen och hjälpa användarna med de steg de upplevde som svårast, utan att ta bort kontrollen.

Projektet mätte framgång genom att sikta på dessa KPI:er:

  • Transacted GMV (förflyttat värde)

  • Listings per week (Uppladdningar per vecka)

  • DAU (Dagliga aktiva användare)

Research & insikter

Vi började med en enkät i appen för att få ett brett perspektiv. Researchen visade att säljare ofta laddar upp flera annonser i följd, inte orkar lägga för mycket tid på en annons, och gärna vill få hjälp med beskrivning och pris. Nya användare behövde trygghet – vana säljare behövde snabbhet.

Spara annonsutkast

Svårt att ange färg

Svårt med kategori

Svårt med beskrivning

Svårt med prissättning

tar för lång tid att fota

Även om researchen visade flera potentiella förbättringsområden valde vi att fokusera på de punkter som flest användare upplevde som problem och var rimligast som ett första steg givet tidsramen.

Process & samarbete

Vi jobbade iterativt i ett litet team – två UX-designers och två utvecklare. Jag delade ansvar för flöde, UI, interaktion, research och copy. Vi skissade, testade, itererade och avslutade med A/B-test live.

Detta är fortfarande ett levande projekt som vi löpande förbättrar baserat på data och feedback.

Lösningen

Användaren kan välja AI-upload, ta bilder, och låta AI generera titel, beskrivning, varumärke, färg och kategori. Resten fylls i manuellt – för att behålla kontrollen.
Funktionen kompletteras av drafts och tydliga guider för varje steg.

Viktiga designval

  • Tydlig guidning: Text, UI och bildstöd som visar hur man fotar plagget (fram, bak, etikett, defekter).

  • Transparens: Vi var öppna med att AI användes – användarna såg det som något modernt och positivt.

  • Igenkänning: Det visuella och flödet byggde vidare på den befintliga uppladdningen för att skapa trygghet.

    • Drafts: Om användaren stängde uppladdningen fick hen valet att spara ett utkast. Alla utkast visas som en lista med bild, kategori och progress.

Resultat

Det föredragna alternativet:

Sedan lanseringen i oktober 2024 har över 190 000 användare testat AI-upload – och idag skapas cirka 78% av alla nya annonser med hjälp av AI.
Det är tydligt att funktionen snabbt blivit det föredragna sättet att skapa annonser.

  • 68% av användarna som testat AI en gång fortsätter att bara använda den vid framtida uppladdningar.

  • 90% använder AI för minst hälften av sina annonser.

Fler annonser per person

När användare tar hjälp av AI, laddar de upp fler annonser per session.
Genomsnittet ökar från 2.1 → 2.5 annonser per användare – en ökning med 19%.

Det betyder att var femte användare som väljer AI skapar minst en extra annons jämfört med de som laddar upp manuellt.

Kortare uppladdningstid

Tekniskt sett tar AI några sekunder extra för att analysera bilder – men i praktiken sparar användaren tid.
De slipper skriva titel, beskrivning och välja färg manuellt.

  • Med AI: 35–60 sekunder per annons

  • Utan AI: 45–75 sekunder per annons

I snitt sparar användaren 10–15 sekunder per annons.
För en användare som ofta lägger upp flera annonser i rad blir det en märkbar tidsvinst – och fler annonser i omlopp.

Lärdomar & Nästa steg

Projektet gav mig värdefull erfarenhet i att designa för AI-drivna användarflöden – där balansen mellan automation och kontroll är central.
Jag lärde mig också vikten av transparens, iterativ testning och att våga släppa tidigt för att kunna lära.
Vi arbetar nu på att utveckla AI-prissättning och en ny imagepicker baserad på insikterna.