Kunstmatige intelligentie voor retail management
De retailmanager werkt als leidinggevende in een kleine tot middelgrote hybride verkoopomgeving, dus een plek waar klanten zowel online als fysiek de winkel kunnen bezoeken. Hij geeft leiding aan een verkoopteam in de eigen afdeling of vestiging en werkt volgens de richtlijn en van het hoofdkantoor. De werkzaamheden omvatten het gehele verkoopproces, zoals de productpresentatie, inkoop en verkoop, de goederenstroom, en het personeelsmanagement (MijnSbb,2022).
Op veel van deze werkzaamheden zal KI een impact gaan hebben in de nabije toekomst. Zo kan KI gebruikt worden om voorspellingen te doen over de toekomstige verkoop op basis van historische gegevens. Dit kan helpen bij het bepalen van de voorraadniveaus en het optimaliseren van de productieplanning. Daarnaast helpt het bij het aanbieden van een gepersonaliseerd aanbod op basis van data zoals aankoopgeschiedenis en andere gegevens. Op basis van concurrentieanalyses en vraag en aanbod worden tevens prijzen geoptimaliseerd wat bijdraagt aan zicht- en vindbaarheid op het internet (Nextview,2023).
Een andere invalshoek van KI is de inzet op het gebied van chatbots. Dit heeft in de afgelopen jaar een vlucht genomen met steeds geavanceerdere bots (De Vries,2020). Chatbots zijn ideaal voor het beantwoorden en ondersteunen van klantvragen. In veel gevallen verbetert dit de klantenservice door continue bereikbaarheid en snelle reactie en actie. Aan de retail kant bespaart het op langere termijn kosten (Fagella, 2019a).
Een ander veel gesignaleerde KI-toepassing binnen retail is de ondersteuning van visuele zoekopdrachten, waarbij klanten foto's kunnen maken van producten die ze leuk vinden en vergelijkbare producten kunnen vinden in de winkel (Fagella, 2019b, IBM 2023). Maar ondersteuning zit ook op het vlak van fraudepreventie. KI detecteert sneller fraude door verdachte transacties en patronen in het koopgedrag te identificeren. Deze vorm wordt nog niet op grote schaal binnen retail geconstateerd.
“Er zijn KI-technologieën die zitten wat meer op het gebied van aftersales of hebben ondersteunende functies in een bedrijf. Waar een klant die een vraag heeft, ontzorgt kan worden door inzet van KI. Het zit ook in het eind van het proces als het gaat om loyalty, klantreviews of het contactproces met de klant. Ook kan KI ingezet worden op de front-end zaken of in de retail operations zoals; personeel planning, voorraad planning, voorraadinventarisatie etc..”
Jesse Weltevreden, UvA
Toepassingen
-
Wat houdt Squadra in?
De machinelearning-algoritmen van Squadra pakt specifieke problemen in domeinen zoals digitale handel, supplychainmanagement en klantenservice aan. Denk dan bijvoorbeeld aan automatische productclassificatie, verrijking van productgegevens, tekstanalyse en -generatie, aanbevelingsmotoren, klantprofilering, voorraadoptimalisatie, aankoopadvies, kredietbeheer en intelligente chatbots. De input die Squadra gebruikt, loopt uiteen van klantdata, aankoophistorie en productgegevens tot afbeeldingen etc. De input hangt af van het soort oplossing dat de retailer voor ogen heeft (Squadra Machine Learning Company, 2022).
"Door gegevens op het internet kun je het product verrijken met data kenmerken. Bijvoorbeeld: Welke data gebruikt je concurrent op haar website? Of hoe beschrijft de leverancier haar producten? Zij hebben uiteraard zelf ook een website waar alle gegevens op staan. Wij hebben de mogelijkheid om automatisch die websites te 'scrapen' wat betekent dat wij middels een soort virtuele robot die gegevens van die websites kunnen afhalen. Het voordeel van AI is ook dat hij dan snapt: dit gaat over productdata. Hij voegt dat dan samen en op deze manier kan ik dan automatisch mijn productdata weer verrijken. Op basis van de data die al ergens anders op het internet te vinden is”- Guus van de Mond, Squadra Machine Learning Company.
Input
-
Persoonsgegevens
-
Online gegevens
Technologie
-
Data mining
-
NLP
-
Tekstuele gegevens
Output
-
Suggestion
-
Prediction
-
Automation
-
-
Wat houdt Amazon Personalize in?
Amazon Personalize is een volledig beheerde machinelearningservice die verschillende gegevens gebruikt om artikelaanbevelingen voor retailers te genereren. Het kan ook gebruikerssegmenten genereren op basis van de affiniteit van de gebruiker voor bepaalde items of metadata van items. Dit zorgt er uiteindelijk voor dat de retailer op het juiste moment en op de juiste webpagina de beste klantervaring geeft. Dit betekent dat Amazon Personalize voorkeuren optimaliseert, wat leidt tot effectievere klantgerichtheid. Amazon Personalize genereert aanbevelingen, voornamelijk op basis van interactiegegevens. Interactiegegevens zijn gegevens van gebruikers die interactie hebben met items in bijvoorbeeld de catalogus. Interactiegegevens kunnen afkomstig zijn van zowel historische bulkinteractierecords als realtime gebeurtenissen van gebruikers tijdens hun interactie met de beschikbare catalogus. In sommige gevallen gebruikt Amazon Personalize ook metadata over items en gebruikers, zoals genre, prijs of geslacht. Het interessante van Amazone personalize is dat het toegankelijk is en bruikbaar is voor iedereen. Dit maakt het ook voor de kleinere retailers mogelijk om KI-technologie in te zetten (Amazon Personalize,2023).
“Je hebt beeldherkenningssoftware die instaat is om een demografisch profiel te maken van iemand. Op het moment dat je dat profiel hebt dan kun je daar natuurlijk gepersonaliseerde content op zetten”
Jesse Weltevreden, UvAInput
-
Persoonsgegevens
-
Historische gegevens
-
Online gegevens
Technologie
-
Data mining
-
NLP
Output
-
Suggestion
-
Prediction
-
Automation
-
-
Wat houdt Clarifai in?
Dit KI-personalisatieplatform helpt het zoeken en vinden van producten te optimaliseren om gepersonaliseerde productaanbevelingen te doen. Door middel van vergelijkbare productaanbevelingen kunnen retailmanagers hun conversies verbeteren, bouncepercentages verlagen, het aantal producten in het winkelmandje vergroten en de verkoop stimuleren. Het maakt ook gebruik van sentimentanalyse om de hele klantervaring te verbeteren. Voor de voorspellende analyse gebruikt Clarifai input van verschillende data. Die zijn gebaseerd op aankopen van grotere groepen klanten, voorkeuren en reviewdata. Dit is niet de enige input, ook data zoals inkoopwaarden, beschikbaarheid bij leveranciers en logistieke datapunten wegen mee.
Input
-
Persoonsgegevens
-
Historische gegevens
-
Online gegevens
Technologie
-
Data mining
Output
-
Suggestion
-
Prediction
-
Automation
-
-
Wat houdt Adzooma in?
Dit is een tool die online marketing vereenvoudigt door lokale vermeldingen, beoordelingen, SEO, betaalde advertenties en meer in één platform te beheren. Zo krijgen retailmanagers toegang tot een uitgebreid holistisch dashboard voor rapportage, waarmee ze de prestaties en het succes van campagnes kunnen meten. Ook kan het de online zichtbaarheid maximaliseren en websiteverkeer verbeteren met aanbevelingen die precies vertellen hoe de retailorganisatie in de Google-ranglijst staat. Zo kan er beter gestuurd worden in zowel offline- als online verkoopkanalen.
Input
-
Persoonsgegevens
-
Historische gegevens
-
Online gegevens
Technologie
-
Data mining
Output
-
Notification
-
Suggestion
-
Automation
-
-
Wat houdt Datarobot in?
DataRobot heeft een KI-aangedreven platform ontwikkeld, AI Cloud for Retail genaamd. Het automatiseert het proces van het bouwen, implementeren en onderhouden van voorspellende modellen voor e-commercebedrijven. AI Cloud for Retail levert datagestuurde oplossingen om de operationele efficiëntie te optimaliseren, zoals het voorspellen van de vraag naar personeel aan de hand van het koopgedrag van consumenten (Datarobot,2023).
“Kunstmatige intelligentie komt met oplossingen voor de operationele uitdagingen van een retail organisatie. Een veel voorkomende uitdaging binnen het MKB is het voorspellen van personeelsbezetting en planning. Personeel kost natuurlijk geld, je wilt niet te weinig mensen, maar ook niet te veel op een dag. Het is natuurlijk heel lastig om dat even uit de hoogte te tellen, omdat er een aantal parameters zijn die de bezetting bepalen. Neem bijvoorbeeld het weer, drukte patronen of een klantenstoring. Je moet een inschatting maken van wat er op een dag gaat gebeuren. Dat is iets heel basaal. Niet eens hele complexe kunstmatige intelligentie, maar wel iets waar ondernemers op de werkvloer mee gebaat zijn en kosten mee kunnen besparen.”
Jesse Weltevreden, UvAInput
-
Persoonsgegevens
-
Online gegevens
Technologie
-
Data mining
-
Computer vision
-
NLP
Output
-
Suggestion
-
-
Wat houdt Saleforce Einstein in?
Deze KI-toepassing maakt voorspellende analyses en natuurlijke taalverwerking mogelijk. Met Salesforce Einstein kan de retailmanager rijke inzichten en gegevens krijgen over eerdere klantinteracties, die hij kan gebruiken om relaties te versterken, leads, cases en campagnes te prioriteren en om de verkoop en omzet uiteindelijk te stimuleren (De Vries, 2023).
Input
-
Persoonsgegevens
-
Online gegevens
-
Historische gegevens
Technologie
-
Data mining
-
Tekst mining
Output
-
Prediction
-
Suggestion
-
Impact op het werkveld van Retail management
Impact op werkprocessen
KI kan enorme hoeveelheden gegevens uit de detailhandel verwerken en analyseren, zoals verkoopgegevens, klantvoorkeuren en voorraadniveaus.
Maar wat kan de retailmanager hiermee? Het stelt hem in staat om onderbouwde beslissingen te nemen op basis van de analyse van deze gegevens, bijvoorbeeld bij het optimaliseren van voorraadbeheer, prijsstelling en het voorspellen van de vraag.
Expert Guus van de Mond vertelt:“Neem bijvoorbeeld de Hunkemöller, die heeft in alle steden wel winkels zitten, maar in Amsterdam-Zuidoost of in een klein dorpje in Oost-Nederland, daar zijn toch wel andere kooppatronen. Er zijn andere mensen die daar wonen, met andere behoeften. Maar hoeveel product voorraad moet ik nou hebben in elke winkel? KI kan hierin ondersteunen door te zeggen: ‘In deze winkel wordt een bepaalde kleur of maat bovengemiddeld verkocht in vergelijking met andere winkels. Daar kan je dan rekening mee houden zodat je de juiste voorraden op het juiste moment op de juiste plek hebt liggen”.
Daarnaast verbeterd KI de klantervaring door middel van geautomatiseerde chatbots en virtuele assistenten. Die beantwoorden klantvragen, doen productaanbevelingen en helpen zelfs bij het plaatsen van bestellingen. Retailmanagers kunnen KI-systemen gebruiken om de klantenservice te stroomlijnen en de efficiëntie te verhogen. Retailmanagers kunnen KI-algoritmen gebruiken om klantsegmenten te identificeren en gerichte marketingcampagnes op te zetten.
Met behulp van KI kunnen retailmanagers de voorraadniveaus nauwkeuriger voorspellen en optimaliseren. KI-algoritmen kunnen rekening houden met factoren zoals seizoensgebonden vraag, trends, historische verkoopgegevens en externe factoren, zoals weersomstandigheden. Dit kan leiden tot betere voorraadbeheerbeslissingen, het verminderen van voorraadtekorten en overvoorraden, en het verbeteren van de winstgevendheid. Tot slot kan KI ingezet worden om frauduleuze transacties en verdachte activiteiten te identificeren. Retailmanagers kunnen KI-gebaseerde systemen gebruiken om patronen en afwijkingen in transactiegegevens te detecteren en zo mogelijk fraude voorkomen of verminderen.
Alhoewel KI vele voordelen biedt voor retailmanagers, blijft het ook uitdagingen met zich meebrengen, zoals de noodzaak van gegevens privacy, ethische kwesties en de integratie van KI-systemen in bestaande bedrijfsprocessen. Een zorgvuldige planning, training en monitoring zijn vereist om de maximale voordelen van KI te benutten en de mogelijke nadelen te beperken.
Impact op vaardigheden
Om de impact van kunstmatige intelligentie op werkprocessen als retailmanager effectief te benutten, zijn verschillende vaardigheden vereist, zoals begrip van KI-technologieën. Een retailmanager moet een goed begrip hebben van verschillende KI-technologieën, zoals natural language processing (NLP), natuurlijke taalverwerking en beeldherkenning. Dit omvat kennis van hoe deze technologieën werken, hun toepassingen en hun beperkingen. Dit begrip helpt bij het identificeren van de mogelijkheden van KI voor de retailomgeving, en om de ontwikkeling meer te omarmen.
“Dat is een beetje het probleem tegenwoordig, er is zoveel aan KI-oplossingen en partijen die die oplossingen aanbieden. Hierdoor zie je door de bomen het bos niet meer. Hoe kun je nu beoordelen of een tool doet wat het moet doen en of de tool verantwoord is. En überhaupt dat er een soort tool is, die bijvoorbeeld sales planning uit handen neemt. Er zijn heel veel toepassingen die ze bedenken als het gaat om interactie met de klant. De kunst is om kennis te hebben welke tool je het beste kunt inzetten om je doel te bereiken.”
Jesse Weltevreden, UvA
Daarnaast moet een retailmanager beschikken over sterke analytische vaardigheden om de enorme hoeveelheid gegevens uit de detailhandel te begrijpen en te interpreteren. Dit omvat het vermogen om complexe gegevenssets te analyseren, trends en patronen te identificeren, en bruikbare inzichten te verkrijgen die kunnen bijdragen aan betere besluitvorming.
KI is per slot van rekening gebaseerd op gegevens, dus het vermogen om beslissingen te nemen op basis van gegevens is essentieel. Een retailmanager moet weten hoe hij gegevens kan verzamelen, organiseren en analyseren om beslissingen te ondersteunen. Hoewel retailmanagers niet noodzakelijkerwijs experts hoeven te zijn op het gebied van programmeren of algoritmen, is het belangrijk dat ze vertrouwd zijn met technologische hulpmiddelen en systemen die KI mogelijk maken. Dit omvat het begrijpen van de basisprincipes van KI, het gebruik van gegevensanalysetools en het vermogen om samen te werken met technische teams om KI-oplossingen te implementeren.
Expert Jesse Weltevreden vertelt:Expert Jesse Weltevreden vertelt: “Het kunnen beoordelen van de KI- output, wordt steeds belangrijker. Daar ligt een gevaar in. Dat we lui worden van weet je wat, het systeem doet het wel voor ons. Wat eruit komt is goed. Je moet het systeem blijven controleren en kritisch zijn over wat je te zien krijgt”
De implementatie van KI in werkprocessen vereist vaak veranderingen in de organisatie en het team. Een retailmanager moet over sterke leiderschapsvaardigheden beschikken om het personeel te begeleiden, te motiveren en op te leiden in het gebruik van KI-tools. Daarnaast is het belangrijk om de bredere strategische visie te begrijpen om mee te gaan in de vaak organisatie transformatie die KI met zich meebrengt.
Daarnaast dient de retailmanager kennis te hebben van ethische dilemma’s en privacy kwesties. Een retailmanager moet in staat zijn om problemen die zich kunnen voordoen bij het implementeren en gebruiken van KI in de retailomgeving te identificeren, te analyseren en op te lossen waar mogelijk.
“Cruciaal is weten wat mag met KI en wat er gewenst is met KI. Het is belangrijk dat je als bedrijf aan responsible AI doet. Dus de ethische kant hiervan, want Ki systemen discrimeneren”. Jesse Weltevreden, UvA.
Jesse Weltevreden, UvA.