Home | Logistiek/e-commerce | Blog: Drie AI innovaties in de 3 fases van het aankoopproces

Blog: Drie AI innovaties in de 3 fases van het aankoopproces

Geplaatst door Rick Pleijsier in Logistiek/e-commerce op 26/05/2017 om 11:10

De e-commerce-industrie zorgt voor een enorme datastroom, waardoor er steeds meer vraag is naar Big Data-oplossingen om verzamelende gegevens waardevoller te maken. Om te bepalen hoe je de huidige techniek kan gebruiken voor je data, is het belangrijk dat je de tech innovaties die beschikbaar zijn kent. Dankzij technische innovaties kunnen klantreizen namelijk nog beter worden gepersonaliseerd en online processen geoptimaliseerd. Hierdoor kunnen e-commerce activiteiten volledig geautomatiseerd worden. Online aankopen worden hierdoor makkelijker, efficiënter en aantrekkelijker en nog meer op maat gemaakt voor de klant – in elke fase van het koopproces. RTB House zoomt in op 3 innovaties in de 3 verschillende fases in het online koopproces.

 

Fase 1: Zoeken naar producten – algortitmes die afbeeldingen herkennen

Heb je ooit iets gezien dat je wilde kopen, maar had je geen idee hoe het product heette of waar het te koop was? Die tijden zijn voorbij.

Beeldherkenning is er natuurlijk al een tijdje, maar kunstmatige intelligentie maakt beeldherkenning toegankelijk voor iedereen en nog krachtiger. AI-gebaseerde beeldherkenning maakt het mogelijk om een foto met je smartphone vast te leggen en de informatie over dit product, de e-shop en de prijs vervolgens online terug te vinden. De eerste stap in een klantreis kan dus nu beginnen met een foto. Het verandert de wijze waarop we producten zoeken en vinden.

Waar kan je de techniek vinden? Google, Microsoft, Facebook en Yahoo zijn leiders in de techniek die objecten beter kunnen waarnemen dan mensen. Google Cloud Vision API maakt het mogelijk voor ontwikkelaars om objecten in een afbeelding te identificeren, woorden of tekst te herkennen en zelfs de emotie in een foto te herkennen.

Microsoft Cognitive Services bestaat uit 22 api’s die ontwikkelaars kunnen gebruiken om hun apps eigenschappen mee te geven, om inzicht te krijgen in de stemming van een gebruiker. Spraakherkenning, beeldherkenning, vertalingen en zoeken is mogelijk. Zo kunnen ontwikkelaars een emotie-api gebruiken voor hun app om te herkennen of een gebruiker blij, verdrietig, verbaasd of geïrriteerd is. Dit kan handig zijn om inzicht te krijgen in de reactie van gebruikers op diensten, maar is bijvoorbeeld ook in te zetten om avatars te laten reageren op de gebruiker.

Clarifai’s visie-API’s helpen bedrijven om hun inhoud te organiseren, waardoor  onveilige afbeeldingen of video’s worden gefilterd en aankoopaanbevelingen worden gemaakt op basis van bekeken of gemaakte foto’s. Yahoo’s open source neurale netwerkoplossing kan daarnaast beelden die niet geschikt of veilig zijn voor werk (NotSafeForWork), inclusief verboden of alleen geschikte foto’s voor volwassenen opsporen.

AI-beeldherkenning kan zeer nuttig zijn voor de e-commerce-industrie. Marktplaatsen, aggregator websites (zoals prijsvergelijkingssites) of e-shops die miljoenen foto’s moeten modereren, kunnen dit voortaan automatisch doen. Het creëert ook nieuwe mogelijkheden voor klantervaringen, wanneer smartphones en social media zo populair zijn en er veel user-generated content wordt geplaatst die merkgerelateerd zijn. Dieper inzicht in die inhoud van deze user-generated content is een waardevolle stap naar echte personalisatie.

Fase 2: Koopbeslissingen – technologie die ultrapreciese aanbevelingen doet

Terug naar de klantreis. Stel dat je iets zag dat je graag wilde kopen en een foto had gemaakt, de online shop had bezocht en bijna de daadwerkelijke aankoop had gemaakt. Iets heeft je tegen gehouden; twijfels, onvoldoende geld, enz. Dat gebeurt natuurlijk regelmatig.

Gepersonaliseerde banners  creëren dan een impuls om een definitieve beslissing te nemen door je te herinneren aan je interesse in een product of soortgelijke producten te tonen.

Een spannend perspectief in de nabije toekomst van AI is dat deep learning problemen oplost door het werk van het menselijke brein na te bootsen – waardoor traditionele retargeting campagnes kunnen worden geprofessionaliseerd.

Deep learning algoritmen worden gebruikt om de houding, de intentie en de algemene stemming van elke gebruiker op een website te herkennen en op basis van die kennis te hoogwaardige producten aan te bevelen. Uit analyses van RTB House blijkt dat deze precisie reclameactiviteiten tot 50% efficiënter kunnen maken dan bij de ‘traditionele’ machine learning aanpak, waarbij het niet mogelijk is om automatisch te leren van de emotie en het gedrag van een bezoeker.

AI kan een enorme hoeveelheid data gebruiken en kunnen leren en handelen als een menselijk brein – met als grootste verschil ten opzichte van machine learning: zonder specifieke instructies of regels die vooraf moeten worden vastgelegd. Het grote voordeel is dat je niet langer hoeft te gissen waarom potentiële verkoop pieken ontstaan en wat de scenario’s kunnen zijn van het consumentengedrag om tot daadwerkelijke aankoop over te gaan. E-shops kunnen de beslissende beweegredenen vastleggen via algoritmen die leren van het gedrag van een gebruiker, die wel of niet tot een aankoop overgaan. Hierdoor kun je optimaal inspelen op het overhalen tot conversie, sneller dan als dit mensenwerk zou zijn.

Fase 3: De levering – algortimes die een koopbeslissing kunnen voorspellen

Uiteindelijk bestel je en daarna wil je natuurlijk dat het product zo snel mogelijk geleverd wordt.

Stel je voor dat ITunes niet alleen tags slim zou kunnen filteren op een mogelijke interesse in de bestaande bibliotheek. Maar dat iTunes met behulp van AI ook aankopen aan je bibliotheek kan toevoegen en zelfs alvast voor je kan aanschaffen.

Dit lijkt op wat Amazon van plan is met zgn. ‘anticiperende distributie’. Het distributiesysteem en het netwerk definieert precies de aankooppatronen van klanten en voorspelt merk, prijsklasse en producten die worden gekocht. Na deze voorspelling kunnen items naar naburige distributiecentra worden verzonden nog voordat een bestelling geplaatst is. Dit betekent dat het pakket al in de zendhub of op een vrachtwagen staat voordat de klant de daadwerkelijke aankoop heeft gedaan. Het werkt nog beter met dagelijkse producten, zoals thee waar ingespeeld wordt op vraag en aanbod. Voordat de klant door haar voorraad heen is, kunnen aankopen worden gedaan namens de klant en/of verzending van de thee worden geregeld . Leveranciers zullen profiteren van zo’n versnelde verkoop.

Analyses en logistiek worden hierdoor efficiënter en effectiever. Bedrijven kunnen namelijk snel (en automatisch) reageren op basis de behoeften van mensen in elke fase van het aankoopproces en hun customer loyality automatisch uitbreiden.

What’s next?

Er ligt nog een wereld open aan mogelijkheden om de voordelen van AI volledig te benutten en toe te passen op het gebied van E-commerce. We zijn al bekend met persoonlijke assistenten, chatbots, geautomatiseerde merchandising en retargeting technieken.

Maar door het combineren van AI met data kan de toekomst van e-commerce slimmer worden ingericht en een zelflerende shopomgevingen worden gecreëerd waardoor je nog meer aankopen voor producten en diensten kunt realiseren. Iets wat voorheen toekomstmuziek was, is vandaag de dag echt mogelijk.r

Tags

koopproceskoopproces AIAI aankopenaankopen RTB HouseRTB House RTBRTB RTBhouseRTBhouse ecommerceecommerce algoritmealgoritme MicrosoftMicrosoft e-commercee-commerce facebookfacebook googlegoogle

Comments

Gratis Nieuwsbrief

Dagelijks wordt er een nieuwsbrief verzonden vol actuele artikelen, interessante interviews en nog veel meer! Meld u gratis aan!