10 januari 2025
Leestijd: 9 minuten
Nu Artificial Intellegence meer en meer mainstream wordt en ook klanten steeds beter beseffen wat AI voor hen kan betekenen, staan retail- en e-commerce-bedrijven voor een AI-revolutie. Een revolutie die in volle gang is – tenminste bij de organisaties die de kracht van kunstmatige intelligentie zien en erin slagen (hyper-)personalisatie voor zich te laten werken.
Maar, dat is makkelijker gezegd dan gedaan zo wijst de praktijk uit. Het koppelen van AI-tools aan bestaande systemen, het beschermen van klantdata en bewaken van privacygevoelige informatie. Het vinden van de juiste toepassing van AI binnen klantcommunicatie, zodat diensten en berichtgeving aansluiten bij klantgedrag. Nieuwe initiatieven sterven bij het eerste tegenslagje een snelle dood. Door onvoldoende kennis, van tools en kansen, raken steeds meer retailbedrijven achterop.
Reden voor Cor Molenaar, hoogleraar eMarketing, retailadviseur, spreker en schrijver, om stevig en luid aan de bel te trekken. Retailers moeten en kunnen binnen de kaders van de bestaande wet- en regelgeving kunstmatige intelligentie adopteren en integreren. “Wie nu passief is, wie nu blijft afwachten, heeft geen toekomst in retail”, stelt Molenaar in gesprek met personalisatietool Qiri.
Hoewel de stap – in sommige gevallen – groot is of groot wordt gemaakt, lijken ook retailers en e-commerce marketeers inmiddels het licht te hebben gezien. Vooral dankzij de razendsnelle evolutie van AI-tools, wordt de grootheid van de mogelijkheden die AI biedt voor het ingrijpend verbeteren van klantervaringen meer en meer zichtbaar – én haalbaar.
Door het beseffen en begrijpen van de mogelijkheden van AI in retail en hoe AI praktisch kan worden toegepast, openen retailers de deur naar nieuwe, verbeterde klantbelevingen, hogere omzetten en verhoogde klantloyaliteit. Het belangrijkste ‘product’ hebben zij zelf al in huis: klantdata. “De uitdaging is: hoe laat je wat je weet van een klant voor je werken.”
De voornaamste constatering van de retailspecialist is dat bedrijven beschikbare data niet hebben of nauwelijks benutten. “Wat er fout gaat in retail is dat retailers heel precies zijn. Ze wachten af en kennen de klant niet. Hun klant. Ze hebben de data van de klant niet of gebruiken dit niet”, trapt Molenaar af.
Traditionele retailbedrijven doen in zijn ogen veel te weinig met klantkenmerken als aankoopgeschiedenis, maar ook zaken als intelligentie, opleiding en interesses worden vaak niet benut.
Kijkend naar de noodzaak en urgentie, ziet Molenaar dat veel platformen en organisaties weinig haast lijken te maken. Terwijl concurrenten klanten steeds beter, vaker en overtuigender weten te bereiken. Hij roept bedrijven op beter vandaag dan morgen de eigen data te inventariseren, verzamelen en verrijken. Om de gegevens vervolgens te ‘voeden’ aan AI-tools die klantcommunicatie versterken en nieuwe, verbeterde inzichten opleveren.
“Door het toepassen en integreren van AI en ML kun je andere elementen analyseren van de klant dan alleen maar de operatieve kenmerken. Denk bijvoorbeeld aan klantcommunicatie op basis van koopgedrag. Dit is al een behoorlijke periode gemeengoed, maar gebeurt nog steeds heel elementair. Algoritmes die klanten na een aankoop benaderen met een nieuwe aanbieding, bijvoorbeeld.”
Wel zijn hier stappen in gemaakt, ziet ook Molenaar. Onder meer met collaborative filtering. Deze techniek analyseert het gedrag en de voorkeuren van klanten, om zo gerichte aanbevelingen voor producten of diensten te doen. “De gemiddelde besteding, de momenten waarop iemand een website bezoekt, welke producten een klant in het mandje heeft; met al deze informatie wordt een profiel gemaakt.”
Nieuwe profielen worden vergeleken met bestaande profielen. Op gedrag matchende klantprofielen vormen clusters, clusters die duidelijke indicaties van koopgedrag en koopmomenten bieden. “Het gericht (geautomatiseerd) met klanten te communiceren in zo’n fase, leidt tot een veel hogere respons. En dus meer omzet.” De basis voor collaborative filtering wordt veelal gelegd met het RFM-model. “Recency: wanneer is de klant voor het laatst geweest? Frequency: hoe vaak komen klanten normaal bij mij? Monetary Value: hoeveel geld geven ze uit?”
Alleen al deze drie indicatoren vormen een inzichtelijk beeld, een perspectief dat eenvoudig te vergroten of verkleinen is. “Een voorbeeld: een klant is al een langere periode niet op de site geweest, maar besteedt doorgaans vijf keer per jaar gemiddeld honderd euro. Dat betekent dat je moet sturen op zorgen dat een klant eerder bij je op bezoek komt.”
Een RFM-analyse vormt dus de basis van gedragsanalyse voor het herleiden van de klantbehoefte. “Maar”, zo stelt Molenaar, “wat daarna gebeurt raakt uit het zicht.” Mensen die wel of niet reageren, klanten die enthousiast of kritisch zijn. Zo verandert één klantcluster opeens in zes clusters. Juist daar maken AI en Machine Learning het onderscheid. Eén systeem biedt in een handomdraai talloze segmentaties, waardoor klanten of klantgroepen persoonlijker dan ooit benaderd en bediend worden. Zónder dat privacy in het gedrang komt, benadrukt Molenaar.
“Het enige waar men nu over klaagt is privacy, maar dat is een verkeerde reflex. Daar zijn veel misverstanden over. Data van nu is niet discriminerend. Data gaat niet over afkomst of om persoonlijke gegevens. Data gaat om gedrag. Heeft iemand een nieuwsbrief wel of niet geopend, reageert iemand wel of niet op een aanbod?”, verduidelijkt Molenaar zijn visie op data.
Data geeft dus context. Daar komt ook de term contextual advertising vandaan. Adverteren op basis van gedrag en voorkeur gebeurt al jaren. Op grote schaal. “Contextual kijkt niet naar NAW, maar naar omgevingsfactoren. Niet zozeer wat je doet, maar waarom. Machine Learning brengt gedrag, demografie en omgeving samen. Wat hebben deze data met elkaar gemeen, waarom reageren mensen op de manier waarop ze reageren? Deze informatie vormt geweldige input voor onder meer forecasting.”
Het is volgens Molenaar nu klaar met het ‘zo hebben we het altijd gedaan’. Zijn conclusie liegt er niet om. “Wie nu passief is, wie nu blijft afwachten, heeft geen toekomst in retail.” Niet voor niets zetten grote spelers als Amazon volledig in op het op grote schaal analyseren van data. De Amerikaanse reus claimt inmiddels maar liefst tachtig procent van de verkopen een maand van tevoren te kunnen voorspellen. “Heel simpel: voorspellen wie wat gaat bestellen op basis van historische data. Je kunt je voorstellen: dat heeft een geweldig effect op inkoop en voorraadbeheer.”
Gerichter communiceren betaalt zich op meerdere fronten uit. Want naast een beter en meer klantbegrip, betekent beter inkopen ook minder verspilling. “Maar”, gaat Molenaar verder, “dat betekent wel dat je uit je comfortzone moet komen. Tijden veranderen. Nu sneller dan ooit. Je hebt alle mogelijkheden en data om nu sneller te reageren, net als de klant sneller informatie kan vinden. Op elk moment dat de klant zoekt, moet jij er zijn. En veel beter nog: er zijn vóórdat de klant met zoeken begint.”
Bedrijven die geen methodiek hanteren voor het sturen op en voorspellen van klantgedrag hebben in de ogen van Molenaar geen toekomst. “Zij zullen altijd ‘verrast’ zijn door de klantvraag. Je koopt teveel artikelen in, je koopt te weinig artikelen in. Klanten grijpen mis en shoppen bij de concurrent. Je kunt niet meer zonder gepersonaliseerde ervaringen. Voor je klanten en voor je business.”
Hevige concurrentie, onbeperkte toegang tot informatie: voordat een klant een product koopt, zijn er al de nodige afwegingen gemaakt. “Een klant is vaak overtuigd van het merk of de winkel, juist omdat er zoveel keuze is. Die keuze kun je beïnvloeden met een persoonlijke benadering of hyper-personalisatie.” Klanten willen erkend en herkend worden, rekenen op een naadloze winkelervaring en belonen die inspanningen met loyaliteit. En dat is lang niet altijd prijs gedreven, ziet Molenaar.
De hoogleraar e-marketing ziet een maatschappelijke verschuiving. “Van een Angelsaksisch Model trekken we naar een meer Rijnlands Model. Draaide het in het verleden om winst maken en rendement leveren voor aandeelhouders, het Rijnlands Model is een stuk socialer. Een model dat gericht is op de belevingswereld, verwachtingen en overtuigingen van de klant. Supermarkt Jumbo richt zich duidelijk op het gezin. Cosmeticabedrijf Rituals stuurt op duurzaamheid. E-commerce-platform CoolBlue kijkt naar klanttevredenheid.”
Conclusie: elk bedrijf moet betekenis hebben. Een waardecomponent waarin een klant zich herkend. Ook voor het bepalen van welke waarde een bedrijf creëert voor een doelgroep, is data-analyse nodig. “Want zo kun je ontdekken of je ook de beoogde doelgroep aantrekt – en of je jouw boodschap, of de waarde die je als merk wilt creëren, moet bijstellen.” Molenaar benadrukt: prijs is niet langer de onderscheidende factor. Tegenwoordig willen klanten meer en beter. Meer dan alleen een product en beter voor elkaar en de wereld.
Van inside-out, naar outside-in werken. De ‘traditionele’ wijze van inkoop en voorraadbeheer, is volgens de hoogleraar niet bestand tegen actuele ontwikkelingen. “Je mist alle flexibiliteit om in te spelen op marktveranderingen. Werk je met AI en analyseer je waarom klanten bij je kopen, kun je veel zorgvuldiger omgaan met kosten, omzet en samenwerkingen in de supply chain. Tel daar het duurzaamheidsperspectief bij op en je voegt op elk front waarde toe.”
Het één-tweetje tussen AI en value creation maakt dat retailers aan beide kanten van het spectrum aan verwachtingen kunnen voldoen. “Heel simpel: je kunt de verkoop inschatten. Doordat je de klant goed kent, weet van je van tevoren wat je gaat verkopen en aan wie je gaat verkopen. Daar baseer je je inkoop op.” Inkopen op basis van vraag betekent minder voorraad, minder verspilling en betere connecties met fabrikanten. “Want aan de hand van jouw data, kunnen zij ook processen voorspellen en optimaliseren.”
Kennis van de markt is key, benadrukt Molenaar. Het belang van data moet dan ook zeker niet onderschat worden. “Want je verliest het altijd van de partijen die deze kennis wel hebben. Ik verwacht dat de online en offline winkelstraten in de nabije toekomst bestaan uit twee soorten retailers: de grote jongens en de niche-spelers, vaak zijn dit winkels en platformen die ambachtelijke of zeer specialistische producten verkopen. Alles wat er tussenin zit, de ‘dozenschuivers’, gaat verdwijnen. Daar ben ik van overtuigd.”
De rol van AI is groeiende en daar komt voorlopig geen verandering in. Organisaties die de boot afhouden moeten daar een hoge prijs voor betalen, verwacht Molenaar. “Ik ga ervan uit dat bedrijven die niet in staat zijn om AI op enige manier te benutten snel vetrokken zijn.” Of het nu om ongewenste, onvolledige of niet-relevante communicatie gaat, klanten keren bedrijven met één blik of klik de rug toe.
Prof. Dr. Cor Molenaar is emeritus hoogleraar e-Marketing en Distance Selling, retailadviseur, schrijver en spreker. Molenaar is gespecialiseerd in (multisided) Platforms, machine learning, strategie en realisatie. Als presentator, strategisch consultant en opinieleider bijt Molenaar zich vast in de combinatie van IT en marketing. In het bijzonder richt hij zich op de impact van internet en AI op mens en organisatie. ‘Het is niet de klant die beslist over jouw toekomst’.
Cor Molenaar
Qiri haalt meer uit bestaande klantdata. Dertien slimme en superspecifieke algoritmes helpen retail- en e-commerce-bedrijven bij het vergroten van klantloyaliteit en omzet. Real-time aanbiedingen, advies over alternatieve producten; de AI van Qiri benut het koopgedrag van de consument voor het geven van de beste productadviezen. Qiri identificeert verborgen kansen in elke database voor het aantoonbaar verhogen van conversie.
Meer over Qiri
Terug naar overzicht
