Blog

Artificial Intelligence in e‑commerce

Innovatief en efficiënt. Maak het de consument eenvoudiger met de inzet van machine learning of artificial intelligence. Ontdek nu de mogelijkheden van artificial intelligence in e‑commerce!

Artificial Intelligence (AI) is een steeds populairder wordende technologie in e-commerce, omdat het de koopervaring van consumenten naar een hoger niveau kan tillen. Daardoor is het een commerciële trend geworden om te investeren in (een vorm van) AI in e-commerce.

In dit artikel duiken we in de betekenis van AI, de verschillende soorten daarvan, en voornamelijk ook de toepassing van AI in e-commerce.

Wat is Artificial Intelligence?

Artificial Intelligence - ook bekend als AI of Kunstmatige Intelligentie - is de overkoepelende term voor alles dat zich bezighoudt met het creëren van intelligentie die menselijk en ‘echt’ lijkt, maar eigenlijk kunstmatig op gang wordt gebracht. Ofwel: functionele intelligentie buiten het menselijk brein om.

De term AI is erg breed en is mede door de stijgende populariteit en de complexiteit ervan, een umbrella-term geworden voor meerdere toepassingen, waaronder dus die in e-commerce. Juist daarom is het belangrijk om de ware definitie en de verschillen even naast elkaar te zetten.

Binnen AI spreken we van verschillende niveaus. Dat zijn:

  • Zwakke of beperkte AI

  • Sterke AI

  • Superintelligentie

Zwakke, beperkte of narrow AI

Zwakke artificial intelligence - ook wel beperkte of narrow AI genoemd - richt zich op het ontwikkelen van functionele intelligentie binnen slechts één specifiek domein. Dat maakt de intelligentie nogal beperkt, dus écht slim zijn deze systemen niet.

Het bekendste voorbeeld is waarschijnlijk het schaakprogramma van IBM. De techniek is volledig gefocust op het optimaliseren van het schaakspel, waardoor in 1997 schaakkoning Gary Kasparov kon worden verslagen. Deze vorm van zwakke AI is dus ontzettend gespecialiseerd in één domein (schaken), maar je kan hem niet vragen om een potje dammen voor je te winnen, hoe erg die spellen ook op elkaar lijken.

Voorbeelden van e-commerce toepassingen waarbij je kan leunen op zwakke AI zijn natural language processing, en het personaliseren van advertenties voor klanten.

Sterke, brede of general AI

Sterke artificial intelligence - ook wel brede of general AI genoemd - richt zich op software die zelfstandig kan redeneren en op die manier problemen kan oplossen. Sterke AI kan externe gegevens correct interpreteren, leren van deze gegevens en die lessen gebruiken om specifieke problemen op te lossen en taken te volbrengen. Sterke AI heeft menselijke cognitieve capaciteiten en komt daarom sterk in de buurt van de werking van het menselijk brein.

Sterke AI is de ontwikkeling die we vandaag de dag steeds vaker terugzien in e-commerce, maar nog niet zo alledaags is als zwakke AI. Sterke AI is namelijk niet gefocust op één domein: de werking ervan is als het ware onafhankelijk en kan zelfs verbanden leggen tussen verschillende gebieden. Hierdoor ontstaan passende oplossingen op ieder probleem. Het domein maakt daarbij dus niet meer uit.

Sterke Artificial intelligence kan bijvoorbeeld slim ingezet worden tijdens het inkoopproces om verlies van producten zoveel mogelijk te beperken. Bakkersland doet dit al. Zij berekenen op basis van de weersomstandigheden, vakantieperiodes en voorgaande verkoopcijfers hoeveel koffiebroodjes, tijgerbroden en aardbeienvlaaien bezorgd moeten worden bij een specifieke supermarkt op een bepaalde dag. Interessant wordt het als dit soort algoritmes kunnen worden verbonden met alle marketingactiviteiten, waardoor advertenties worden bijgestuurd op basis van externe factoren zoals het weer en voorgaande verkoopcijfers. Ook de inkoopprocessen van producten en ingrediënten kunnen op deze manier op een geautomatiseerde manier stukken efficiënter verlopen.

Superintelligentie

Het laatste niveau van AI omschrijven we als Superintelligentie. Superintelligentie is een veelomvattende vorm. Je zou het kunnen schrijven als ‘uit de hand gelopen sterke AI’, omdat superintelligentie zichzelf ook traint in eigenschappen als creativiteit, sociale vaardigheden en wijsheid.

Volgens oude lectuur hebben we het over superintelligentie als software alle mogelijke taken uit kan voeren waartoe een mens ook in staat (kan) zijn. Ofwel, op minstens het niveau dat gelijk is aan dat van een mens. De slimheid van een mens wordt namelijk in zekere zin beperkt: de hersencapaciteit van ieder individu is gelimiteerd, hoe intelligent dan ook. Superintelligentie in AI-termen is niet gebonden aan vlees, bloed, levensduur en -ervaringen en is daardoor veel minder gelimiteerd dan dat van een mens.

AI, machine learning & deep learning

Artificial Intelligence wordt - terecht - vaak in één zin genoemd met machine learning en/of deep learning. Die termen betekenen echter niet hetzelfde.

Machine learning is de techniek binnen Artificial Intelligence die het mogelijk maakt dat algoritmes leren, door middel van herhaling. In e-commerce is machine learning vaak één van de meest essentiële eigenschappen van kunstmatige intelligentie.

Wat is machine learning?

Machine learning werkt met het verbeteren van de eigen prestaties van software, door middel van trainen. Op die manier doet het als het ware ‘ervaring’ op.

In e-commerce termen is machine learning momenteel dé praktische toepassing van zo goed als alle vormen van AI. De basis van machine learning toepassingen zijn algoritmes, die zichzelf slimmer maken naarmate ze steeds worden herhaald. Maar de term ‘machine learning’ is een werkwoord, zoals je ziet. Wat gebeurt er dan in het proces?

Machine learning staat voor het zelfstandig ‘leren’ op basis van grote hoeveelheden data die binnenkomen. Data is in dit geval de voedingsbron waar machine learning eigenlijk continu op leunt. Het is de leerstof die als basis wordt gebruikt om te leren en te ontwikkelen. Logischerwijs geldt dan: hoe vaker een bepaalde taak is volbracht, hoe slimmer het systeem wordt. Een automatisch leerproces, dus.

Machine learning kan misschien nog wel het beste worden uitgedrukt in de vorm van een formule. Die luidt dan:

T = taken
X = aantal keer uitgevoerd
P = prestaties van het algoritme
T x X = P

Een ander essentieel onderdeel van machine learning is een toepassing die we data mining noemen. Data mining staat voor het geautomatiseerd zoeken naar verbanden of voorkomende patronen in een grote hoeveelheid data.

Het bekendste voorbeeld van algoritmes die werken op basis van machine learning, zijn natuurlijk zoekmachines zoals Google en social media feeds zoals Facebook en Instagram. Door deze voorbeelden te noemen, begrijp je direct dat machine learning voornamelijk voor slimme, geautomatiseerde marketingtoepassingen een interessante ontwikkeling is.

Ook binnen webshops zien we steeds vaker machine learning terugkomen. Denk aan het automatisch aanbieden van gerelateerde producten, op basis van productkenmerken maar ook op basis van waar anderen in het verleden ook naar hebben gekeken. En in de customer service, waarbij bijvoorbeeld chatbots dienen als shopping-assistent, worden algoritmes toegepast om de gebruiker te voorzien van gepersonaliseerd advies. Wat dat betreft zijn het net mensen: hoe meer ervaring met alle verschillende soorten klanten die binnenkomen, hoe beter het systeem je kan voorzien van advies.

Machine learning leunt op grofweg drie verschillende methoden:

  • Supervised machine learning
    Deze vorm van machine learning heeft slechts beperkte controle van een mens nodig. Het bekendste voorbeeld is het automatisch herkennen van mensen op een foto. Echter moet de gebruiker eerst wel die foto labelen door de juiste naam van een persoon erbij te zetten. Vanaf dat moment kan het systeem zelf herkennen op welke foto’s deze zelfde persoon staat. Bij supervised machine learning weet je als eindgebruiker in principe ook al wat de uitkomst is, maar maak je gebruik van een automatisch systeem om de puzzelstukjes op zijn plek te leggen en de grote hoeveelheden werk voor je op te lossen. Supervised machine learning is dan ook vooral interessant bij het automatisch verwerken van grote clusters aan data, zoals bulk uploads over klantgegevens of productinformatie in e-commerce systemen.

  • Unsupervised machine learning
    Vanzelfsprekend is dit de vorm van machine learning waarbij geen labels of input van mensen nodig zijn. Daardoor is de output dus ook nog niet bekend. De software gaat zelf op zoek naar nieuwe patronen in de data. Deze toepassing is voornamelijk interessant bij het clusteren van ‘nieuwe’ data.

  • Reinforcement machine learning
    Deze manier van machine learning is gebaseerd op het trial & error-principe: wat werkt wel, en wat werkt niet? Deze vorm van machine learning is bijvoorbeeld interessant bij het optimaliseren van de ervaring die een gebruiker heeft op de webshop. De A/B-test is een goed voorbeeld: is er een positief effect op bijvoorbeeld de sessiewaarde per klant, als je een bepaalde aanpassing doet aan de checkout-ervaring van een klant? De hypothese valt maar op één manier te bevestigen of te ontkrachten: door het te testen. Reinforcement machine learning verzamelt deze data en analyseert de resultaten, om daar vervolgens een conclusie uit te herleiden die je vertelt wat het beste werkt.

Wat is deep learning?

Deep learning is ook te omschrijven als een methode van machine learning. Deep learning gaat nog dieper in op een subset van machine learning tools en technieken, door de inzet van diepgaande, neurale netwerken.

Neurale netwerken zijn het beste te vergelijken met hoe onze eigen hersenen werken. Percepties die je bijvoorbeeld maakt bij het zien van een illustratie, link je automatisch aan een object of een ervaring. Een versimpelde tekening van een fiets herken je bijvoorbeeld, door de vorm en kleur, als een fiets, terwijl het niet meer dan een geïllustreerde variant van een fiets is.

Neurale netwerken zijn gebaseerd op deze functionaliteiten van de hersenen.

Deep learning maakt gebruik van de diepste neurale netwerken. Zo vormt het percepties tussen input en output, zoals een mens ook zou kunnen redeneren. Diepe neurale netwerken bevatten meer dan één verborgen laag waarin ze kunnen “graven” en netwerken vast kunnen stellen.

Voordelen van AI in online omgevingen

Artificial Intelligence is een ontwikkeling die heel hard nodig is. De enorme hoeveelheden data die vandaag de dag beschikbaar zijn op het internet, kunnen onmogelijk allemaal door mensen worden verwerkt. Daar hebben we software en systemen voor, die ons helpen met het begrijpbaar en inzetbaar maken van die data en om taken te automatiseren.

De belangrijkste voordelen van artificial intelligence in online omgevingen, zijn:

  • AI is veel sneller dan de mens

  • AI is ideaal om de digitale klantervaring te verbeteren

  • AI activeert data in grote mate

  • AI traint zichzelf continu

  • AI is de toekomst

AI is veel sneller dan de mens

Voor online toepassingen is AI dé uitkomst om grote hoeveelheden data, taken en acties in een versneld proces te laten verlopen. Zonder al te veel menselijk handelen worden grote datastromen razendsnel doorzocht, op zoek naar waardevolle en inzetbare betekenissen. Ook is het mogelijk om met artificial intelligence processen te automatiseren, omdat systemen herkennen wat er gedaan moet worden.

AI-oplossingen kunnen dit veel sneller dan mensen. Bovendien zijn deze oplossingen ook zeer accuraat en minder foutgevoelig dan wanneer een mens dit zou moeten doen.

AI is ideaal om de klantervaring te verbeteren

AI kan op ontzettend veel manieren worden toegepast om de klantervaring te verbeteren. De meest gebruikelijke toepassing is al behoorlijk geadopteerd in het huidige e-commerce landschap. We hebben het over de zeer accurate informatievoorzieningen in hun persoonlijke aankoopproces, gedurende de hele customer journey.

AI maakt het bijvoorbeeld mogelijk om de juiste doelgroep geautomatiseerd te vinden. Dit kan op basis van persoonlijke karakteristieken, maar ook op basis van koopintentie. Deze doelgroep kan ook automatisch geactiveerd worden door een advertentie te tonen op het kanaal of het device waarop zij zich bevinden.

Ook de informatievoorziening gedurende heel het bestelproces kan volledig geautomatiseerd worden via AI-oplossingen. Denk aan de (geschatte) levertijd, maar ook aanbevolen aanvullende producten of substituten kunnen via AI-oplossingen worden aangeboden.

Maar er is nog veel meer mogelijk! Denk bijvoorbeeld aan spraakherkenning. Via spraakassistenten zoals Google Assistant, kunnen bestellingen worden uitgevoerd of kan de bestelstatus worden opgevraagd.

AI activeert data in grote mate

Eén van de grote voordelen van het moderne e-commerce landschap, is meteen ook een van de grootste uitdagingen. Dit is de huidige beschikbaarheid van de enorme bergen aan data.

Deep learning technieken maken het mogelijk om data uit meerdere bronnen met elkaar te koppelen en de diepere lagen van deze data te ontdekken. Zo gaat het op zoek naar logische patronen in data. Ook kan data afkomstig uit verschillende bronnen, elkaar ontzettend goed aanvullen en dus verrijken.

Zo kan AI dus verbanden vinden waar andere systemen of de mens alleen met grote moeite achter zou kunnen komen. Een mooi voorbeeld hiervan is de correlatie tussen de voorspelde weersomstandigheden in het land waar iemand woont, de vraag/aanbod-verhouding van een online vliegmaatschappij en de weersvoorspellingen in de landen waar deze vliegmaatschappij naartoe vliegt. Logischerwijs zou de vraag naar vliegtickets kunnen stijgen als de weersvoorspellingen in eigen land tegenvallen, en die in een vakantiebestemming juist erg aantrekkelijk zijn. Zo zal ook de vraag naar barbecues, ventilatoren en opblaasbadjes kunnen stijgen als de weersvoorspellingen in eigen land hoger zijn dan gemiddeld.

AI traint zichzelf continu

AI is een broodnodige ontwikkeling en door de snelle stappen in de huidige technologische wereld ontwikkelt AI zich continu. Dat is alleen al te zien in de verschillen die zijn ontstaan in sterke en zwakke AI, superintelligentie, en bijvoorbeeld deep learning.

Maar AI-systemen kunnen ook zichzelf trainen. Dat is de machine learning-toepassing, één van de belangrijkste toepassingen van AI. Door de grote hoeveelheden aan datastromen doen systemen ‘ervaring’ op en leren ze hun bronnen als het ware beter kennen, waardoor de output steeds beter kan zijn.

Dat zelflerende systeem gaat overigens razendsnel. Bekendste voorbeelden zijn natuurlijk algoritmes van social media en zoekmachines. Die algoritmes passen machine learning toe, om te leren van jouw gedrag binnen het platform (en soms zelfs daarbuiten, als daar akkoord voor is gegeven).

AI levert tijd én geld op

Ondanks dat de aanschaf van AI-oplossingen binnen huidige e-commerce systemen doorgaans een intensieve investering is, kan het onderaan de streep schelen in kosten. Waarom? Omdat het menselijke capaciteit kan vervangen.

Op de korte termijn resulteert dat in uitdagingen op de werkvloer: machines vervangen mensen, omdat ze veel accurater en sneller werken. Ga overigens wel voor jezelf na of hetgeen wat je AI wil laten doen, de return on investment (ROI) aan personeel kan rechtvaardigen. Ofwel: wegen de kosten van een AI-oplossing die je op het oog hebt op tegen de besparing van (personeels)kosten? Want behalve dat AI handmatig werk van personeel kan overnemen, kan het ook zo zijn dat er juist weer nieuwe banen ontstaan door AI. Denk daarbij aan de meer technisch onderlegde banen zoals developers en data scientists.

Idealiter automatiseer je taken die normaal gesproken veel tijd kosten, als ze handmatig door je mensen worden gedaan. De tijd die overblijft, kun je steken in menselijke werkzaamheden die meer opleveren. AI is dus niet alleen een investering in (personeels)kostenbesparing, maar vooral ook een investering in efficiënt en slim werken.

Uitdagingen van AI binnen online omgevingen

AI is een fantastische ontwikkeling die ons ontzettend ver gaat brengen. De mogelijkheden zijn eindeloos en dit is pas het begin. Momenteel zijn er echter nog wel een paar uitdagingen die AI met zich meebrengt.

We zetten de belangrijkste uitdagingen even voor je op een rijtje.

  • AI is vrij prijzig

  • AI is complex

  • Waak voor de ‘AI bubble’

  • AI kan mensen hun baan kosten

  • AI heeft (nog) (beperkte) menselijke controle nodig

AI is, in eerste instantie, vrij prijzig

Een AI-oplossing bouwen kan behoorlijk duur zijn. Hoeveel je ervoor wilt betalen, hangt natuurlijk sterk af van je doelstellingen, maar ook het beschikbare budget en de voorspelde stijging in winst (door dalende kosten of toenemende winst) die je er uiteindelijk mee kunt maken.

Zo kun je ervoor kiezen om een maatwerk AI-oplossing te laten maken. Wanneer zou je dat willen? Stel: je hebt een webshop en je doel is om de gemiddelde bestelwaarde op te krikken. Eén van de dingen die je dan kunt doen, is het aantal producten per order boosten. Een noodzakelijke techniek die je daarvoor moet toepassen - zeker als je veel verschillende producten koopt - is het automatisch aanbevelen van additionele (upsell) of substitutionele (cross-sell) producten die goed passen bij de bestelling van de klant.

In principe zou je dit zelf kunnen (laten) bouwen. Mocht dit niet lukken, zijn er gelukkig ook verschillende oplossingen op de markt die je hierbij kunnen helpen. Let er wel op dat deze oplossingen niet altijd eenvoudig te integreren zijn met je huidige e-commerce omgeving en andere tools die je mogelijk gebruikt.

Zoals je begrijpt is er geen kant-en-klaar AI-product van de kast te plukken en te integreren in je huidige e-commerce omgeving. Daarom lopen de kosten van AI-toepassingen ook ontzettend uiteen.

Laten we ons voor nu vooral focussen op de kosten van AI in e-commerce doeleinden, waarbij de focus op de klant centraal staat. De vraag is dus: hoe kunnen we de klant helpen een keuze te maken, en uiteindelijk te kiezen voor jouw product? Hierbij kun je denken aan de merk- en koopbeleving, de customer journey en ook het personaliseren van marketing. En we hebben het dan natuurlijk ook over het op maat laten maken van een AI-oplossing binnen jouw systemen. Bestaande toepassingen op social media en advertentiekanalen tellen we niet mee.

Een chatbot is een simpel voorbeeld van een populaire, op AI gebaseerde oplossing. Het (laten) bouwen ervan of een platform gebruiken om het werk voor je te laten doen, kan veel schelen in de kosten. Er zijn oplossingen die een maandelijkse fee van je vragen, maar als je een enigszins werkbare AI-chatbot wil bouwen die aansluit op jouw systeem, is dat doorgaans maatwerk. De kosten daarvan kunnen variëren van enkele duizenden tot enkele tienduizenden euro’s, afhankelijk van het platform, de integratie, implementatie, features enzovoorts.

Een populaire toepassing van AI voor e-commerce, is ook het analyseren van data en het implementeren van algoritmes om processen te automatiseren. Voor dat soort werkzaamheden is het inhuren van een data scientist vrijwel noodzakelijk, omdat de bestaande data eerst geanalyseerd moet worden. Dit is nodig om geautomatiseerde processen en algoritmes op te kunnen bouwen en te implementeren. Data scientists zijn in te huren voor bedragen tussen de om en nabij $35 (op freelance websites) en $200 per uur. De kosten variëren natuurlijk sterk, afhankelijk van de complexiteit van de algoritmes.

Conclusie: in eerste instantie liggen de kosten van Artificial Intelligence vrij hoog. Belangrijk is om die kosten te rechtvaardigen door de uiteindelijke Return on Investment (ROI) door te berekenen. Vergeet daarbij ook de verwachte tijdswinst en de verkleinde kans op (menselijke) fouten niet.

AI is complex

Deze is vrij logisch: AI is een complexe oplossing en daardoor niet voor iedereen weggelegd. Niet alleen de verschillen in codeertalen die worden gebruikt, maar ook de integratie in je huidige e-commerce omgeving, kan erg lastig zijn. Alles moet namelijk goed op elkaar aansluiten.

Daarom is het helaas niet voor iedereen weggelegd om direct met AI aan de slag te gaan. Er is ontzettend veel kennis over de verschillende systemen voor nodig. Weet je bijvoorbeeld welk systeem het beste past bij jouw doelstellingen? Daarnaast moeten alle interne processen binnen de organisatie in kaart worden gebracht.

Waak voor de ‘AI bubble’

AI kan bij gebruikers resulteren in oogkleppen. De algoritmes die zijn gebouwd op AI-functionaliteiten, tonen alleen de soorten content waar we in het verleden van hebben aangetoond daar interesse in te hebben.

Dat kan gevaarlijk zijn. Zoekmachines die je implementeert op je webshop verhogen over het algemeen de ervaring van de gebruiker en zelfs de sessiewaarde, tonen bijvoorbeeld vrijwel geen content meer die niet aansluit bij jouw zoekgeschiedenis en die van vergelijkbare gebruikers in het verleden. Kortom: zoekmachines sturen je een bepaalde richting op. Dat kan resulteren in polarisatie. Dat is deels een maatschappelijke kwestie, maar hetzelfde voorbeeld zien we in de marketingdoeleinden waar we AI voor inzetten.

AI-gebaseerde algoritmes die resulteren in een bubble voor de gebruiker, worden uiteindelijk voorspelbaar en saai. En dat is precies het tegenovergestelde van waarom gebruikers social media bezoeken: ze willen voor een groot deel lezen waar hun interesses liggen, maar ook verrast worden.

AI heeft nog (beperkte) menselijke controle nodig

Het uiteindelijke doel van artificial intelligence is handmatige processen sneller overnemen, zichzelf leren, en op deze manier bedrijfs- en marketing processen automatiseren. Maar dat gaat niet vanzelf.

Je wil de controle echter niet volledig in handen leggen van een systeem. Ondanks dat het zelflerend werkt, is en blijft menselijke controle soms noodzakelijk. Daar zijn de kosten en de eventuele gevolgen van bepaalde beslissingen te impactvol voor.

Artificial Intelligence in e‑commerce: voorbeelden

De mogelijkheden binnen AI volgen elkaar razendsnel op. Wat dat betreft zitten we pas aan het begin van een tijdperk bomvol interessante ontwikkelingen die ons te wachten staan.

Vandaag de dag kan Artificial Intelligence al op ontzettend veel verschillende manieren toegepast worden in e-commerce. Laten we een paar van de beste voorbeelden op een rijtje zetten.

  • Productaanbod personaliseren per bezoeker

  • Visual search

  • Productomschrijvingen automatisch genereren

  • Geautomatiseerde classificering van productdata (PIM)

  • De customer journey automatiseren

Productaanbod personaliseren per bezoeker

Machine learning maakt het mogelijk je bezoekers steeds beter te leren kennen. Op basis van interesses, klikgedrag op je website en conversies in het verleden, kun je een maatwerk shopping beleving aanbieden. Deze informatie kun je vanzelfsprekend koppelen met klantgegevens, zoals leeftijd, geslacht, woonomgeving enzovoorts, om het systeem nóg slimmer te maken en je aanbod verder te personaliseren.

Bezoekers die bepaalde items willen afrekenen, willen daar misschien nog additionele producten aan toevoegen. Denk aan batterijen die nodig zijn om een product werkend te maken, of matchende schoenen die passen bij de outfit die je zojuist hebt gevonden. Ook die ervaring kun je personaliseren door AI toe te passen en zo een slim systeem te ontwikkelen die dit geautomatiseerd doet op basis van koopgedrag van anderen, maar ook op basis van beschikbare productinformatie. Je kunt bijvoorbeeld bijpassende tonen op basis van bijvoorbeeld item- en kleurherkenning, of de juiste maat batterijen op basis van productinformatie die beschikbaar is. Door dit slim toe te passen kun je de gemiddelde orderwaarde per bezoeker flink opkrikken.

Visual search

In veel branches is shoppen overigens een activiteit waarbij je ogen hard nodig zijn. Daarom voegen kanalen als Google Images, Pinterest en Instagram steeds meer visual shopping-mogelijkheden toe aan hun producten.

Visual search is de techniek waarbij algoritmes zoeken naar matchende producten, op basis van beeldherkenning. Denk hierbij bijvoorbeeld aan het herkennen van een lamp in een foto of via de camera van je smartphone die herkent wordt door het algoritme, zodat productinformatie en online beschikbaarheid van dit product direct wordt getoond aan de gebruiker.

Deze techniek wordt momenteel al omarmd door Pinterest en ook Google past vergelijkbare technieken toe in Images. Geautomatiseerde veilingsystemen voor advertenties op basis van visual search is de logische vervolgstap.

Automatisch productomschrijvingen genereren

Dit is een hele mooie toepassing van AI als product informatie management (PIM): het automatisch genereren en doorzetten van productomschrijvingen voor al je producten. Gestructureerde data dient dan als voedingsbron, wat wordt omgezet in leesbare tekst en elementen. Duizenden productomschrijvingen kunnen daardoor in één keer worden geschreven. Denk aan de mogelijkheden, ze kunnen belangrijke SEO-kenmerken zoals maat, prijs, merk, producttype, enzovoorts omschrijven.

De customer journey slimmer optimaliseren

Ook marketeers kunnen veel profijt hebben van AI-technieken. Voor hen zit de quick win in het automatisch vinden, benaderen en activeren van (potentiële) klanten in de gehele customer journey, en zo de adverteerkosten flink verlagen.

Zo maken marketeers natuurlijk nu al veel gebruik van slimme doelgroepen op kanalen zoals Facebook, Instagram en Google Ads. De mensen in die doelgroep kunnen op basis van verschillende voorwaarden ook (opnieuw) geautomatiseerd bereikt worden met een advertentie, op basis van de mate waarin zij interesse hebben getoond in een product. Door retargeting kunnen potentiële klanten opnieuw worden geactiveerd met een advertentie, omdat zij de productpagina hebben verlaten zonder het product af te rekenen. De gemiddelde kosten per conversie liggen bij dit soort advertenties stukken lager dan bij het handmatig zoeken naar het juiste publiek.

Slim gebruik maken van deze technieken om te customer journey te automatiseren scheelt uiteindelijk ook in de adverteerkosten. Neem bijvoorbeeld Google Ads. Hoe groter je productaanbod, hoe meer campagnes en advertenties je hebt lopen. Voor ieder product wil je natuurlijk het liefste zo weinig mogelijk adverteerkosten betalen, maar wél de hoogste opbrengst behalen (ofwel, de hoogste Return on Ad Spend - ROAS dus). Zelf de touwtjes in handen nemen en je campagne continu optimaliseren? Dat is bijna niet te doen. Vrijwel alle adverteerkanalen bieden dit soort oplossingen.

Het logische gevolg: tijdswinst. Laat marketeers zich daarom meer richten op de ervaring binnen je webshop, door te zoeken naar een creatieve manier om de webshop te personaliseren op basis van gedrag en persoonsinformatie. En ook de ervaringen in de customer journey ná de aankoop mogen niet worden vergeten: hoe kun je op een slimme, geautomatiseerde manier de Customer Lifetime Value (CLV) verhogen? Ook bij deze toepassingen kan weer Artificial Intelligence gebruikt worden.

Een mooi voorbeeld is het werk dat we voor bouwmarkt Hubo hebben gedaan. Zij hebben 230 filialen, en de doelgroep is doe-het-zelvers. Maar iedere klus is anders, en iedere klusser shopt bij een ander filiaal. Dankzij slimme toepassing van AI bieden we iedere klusser een gepersonaliseerde filiaal website, geoptimaliseerd op het assortiment van het dichtstbijzijnde filiaal.

De doelgroep assisteren met virtuele assistenten

We zijn al redelijk bekend met de Google Assistant, Siri en Alexa: verschillende spraakgestuurde assistenten, die we al veel gebruiken via onze smartphone of bijvoorbeeld Google Home.

Het populairste spraaksysteem in Nederland is de Google Assistant. Voor Nederlandse e-commerce ondernemingen heeft deze oplossing ook al de meest verregaande opties te bieden. Via Dialogflow kun je zelf flows bouwen die de klant helpt om via Google Assistant een aankoop te doen, die werken via chatoplossingen of spraak.

Via Google Assistant kunnen klanten zelfs al, op basis van spraak. items bestellen, afrekenen en laten bezorgen, zonder een scherm te hoeven gebruiken.

Virtuele assistenten zijn niet alleen beschikbaar via voice. Ook in Facebook Messenger kun je een slimme chatbot maken die assisteert bij het vinden van het juiste product.

Wij van Bluebird Day hebben dit bijvoorbeeld gerealiseerd voor JohnBeerens.com. Potentiële klanten ontvingen relevante content en aanbiedingen rondom Black Friday, maar werden ook geassisteerd bij het vinden van de juiste producten.

Augmented reality

Augmented reality (AR) wordt steeds populairder in veel industrieën. Voor e-commerce is AR voornamelijk interessant om de beleving in de oriëntatiefase een boost te geven. Augmented reality is een techniek om digitale beelden - bijvoorbeeld op je smartphone - over de ‘echte wereld’ heen te plaatsen, zichtbaar via je camera.

Een voorbeeld uit eigen keuken waar we bij Bluebird Day erg trots op zijn,, is het werk dat we voor Kunstgrasnet hebben gedaan. Via een in-browser app kunnen mensen zien hoe kunstgras er in hun tuin uit komt te zien, zonder ook maar een meter kunstgras als sample uit te hoeven kiezen en op te halen, of met een opdringerige verkoper te spreken.

Bekijk de video

Een ander voorbeeld is het werk dat we voor Brabantia hebben gedaan. Zij verkopen prachtige designprullenbakken. Maar voordat je die koopt, wil je wel even kijken welke kleur het beste binnen jouw keuken past. Dus brachten we de Brabantia-prullenbak binnen één klik naar alle keukens van Nederland.

Benieuwd naar jouw kansen?

Artificial Intelligence is de toekomst. Ben jij benieuwd hoe je de gebruikerservaring kunt optimaliseren, systemen slimmer met elkaar kunt laten samenwerken of processen kunt automatiseren en zo stukken efficiënter te werk gaat? Geef ons een seintje, want we denken graag mee naar hoe AI jouw e-commerce doelstellingen kan behalen.