Naar inhoud

Gebrek aan informatie op websites zorgt voor mislopen omzet

“Consumenten wereldwijd shoppen zich online suf, van food tot technologie. Als het om mode gaat, lopen ze bij webshops vaak tegen een probleem aan. Een superleuk jurkje maar van welk materiaal is het exact gemaakt? Of hoe lang zijn de mouwen? Modebedrijven die in het online domein actief zijn, lopen omzet mis doordat de informatie bij een artikel niet volledig is of niet klopt. Het ontbreken van de juiste en volledige productinformatie leidt tot een omzetverlies van minimaal 20 procent.”

Dat stelt Sebastiaan van Zundert, projectmanager bij GS1 Nederland. Deze non-profitorganisatie ontwikkelt internationale uniform standaarden voor de identificatie en het vastleggen en delen van gegevens. Een proef van de organisatie met ruwe leveranciersdata waarbij deze met behulp van artificial intelligence gestructureerd zijn omgezet naar de GS1 Fashion Base-standaard, is succesvol verlopen. Productinformatie kan daarmee sneller en beter vindbaar worden voor consumenten.

Proof of concept met artificial intelligence

“Uit de e-commerce-markt krijgen we regelmatig terug dat producten in webshops niet goed vindbaar zijn en dat het optimaliseren van productdata een arbeidsintensieve klus is”, vertelt Sebastiaan van Zundert. “En dat winkels door het gebrek aan goede informatie op hun website minimaal 20 procent aan omzet mislopen. Daarom hebben we een proof of concept laten uitvoeren met artificiële intelligentie, om productdata sneller in te kunnen voeren vanuit de behoefte aan consistente data om de vindbaarheid en verkoop van artikelen in webshops te verhogen.”

Winkels lopen door het gebrek aan goede informatie op hun website minimaal 20 procent aan omzet mis.

Ongestructureerde data vaak probleem

Fabrikanten van blouses, broeken of ander kledingstukken beschikken over een stroom aan data, maar wel in hun eigen formaat. Via de GSI Fashion Base kunnen fabrikanten al productinformatie aanleveren waar de retailers eenvoudig nuttige productdata uit kunnen filteren. Maar het aanleveren van die data aan de databank is echter veel werk.

Wat als alle ruwe en ongestructureerde data van die leveranciers nu eens met behulp van kunstmatige intelligentie snel en makkelijk kunnen worden omgezet in behapbare gegevens voor de GS1 Fashion Base? Met die gedachte is het IT-bedrijf PTTRNS.AI, gespecialiseerd in oplossingen voor digitale personalisatie op basis van data science en kunstmatige intelligentie, aan de slag gegaan.

Kunstmatige intelligentie als hulpmiddel

De bij de GS1 Fashion Base aangesloten modebedrijven moeten vooralsnog de nuttige data uit een ongestructureerde stroom halen en vervolgens invoeren in de database. “Met kunstmatige intelligentie kan het veel makkelijker worden gemaakt om al die data om te zetten naar de centrale datapool, om vervolgens te publiceren in de webshop”, stelt Erik van Breusegem, founder en technology director bij PTTRNS.ai.

“Van wat voor stof is iets gemaakt? Hoe moet het gewassen worden? Wat is het gewicht? Is het voor mannen of vrouwen? In welk land is het gemaakt? Wat is de kleurcode? Is het slim fit? Alles bij elkaar gaat het om tientallen mogelijke velden, die gestructureerd in de databank moeten worden vastgelegd.’’
Met kunstmatige intelligentie kan het veel makkelijker worden om al die data om te zetten naar een standaard.

Succesvolle proef met omzetting naar standaard

Bij deze proof of concept is samengewerkt met Euretco, een groothandel in onder meer modeartikelen. Het bedrijf heeft elf bronbestanden aangeleverd. Met de inzet van kunstmatige intelligentie zet PTTRNS.ai de ongestructureerde data van leveranciers geautomatiseerd om naar de standaard van de GS1 Fashion Base. Met de data van twee andere leveranciers is de proef en de werking van de software gevalideerd.

“Technisch gezien gaat om mapping en matching”, aldus Erik van Breusegem. “Waar staat wat in de data van de fabrikant? En hoe kan dat in de standaard worden ingelezen? Dat is niet makkelijk te bepalen. De verschillende leveranciers gebruiken bijvoorbeeld andere afkortingen. Voor nu hebben we de proef beperkt tot de zestien verplichte velden die GS1 hanteert, zoals maat, merk en kleur. Later komen daar andere velden bij over bijvoorbeeld geslacht en patroon.”

“Als de kunstmatige intelligentie zijn werk heeft gedaan, is het moeilijkste werk voorbij. Gegevens die eenmaal goed in de databank staan, zijn vervolgens met slechts één conversieregel ook goed op de site van de webshop te krijgen.”

Op een andere manier onderscheiden van concurrentie

Als alle webshops straks dezelfde info bij de specificaties van een artikel hebben staan, is het belangrijk om op een andere manier onderscheidend te zijn. Nu zijn er namelijk nog winkels die zich van de concurrentie onderscheiden door wel de complete en juiste data te leveren aan de klant.

“Een enkele winkel verliest inderdaad een concurrentievoordeel”, duidt Sebastiaan van Zundert. “Maar daar staat tegenover dat het grootste deel van de branche er veel baat bij heeft. Concurreren kun je ook met je marketing. Hoe ziet je site eruit, met welke teksten omschrijf je je producten en welke service lever je? En misschien wel het belangrijkste, hoe laat je de consument binnen je website filteren zodat producten snel gevonden kunnen worden? Dit kun je bereiken met een productclassificatie die onderdeel uitmaakt van onze standaard.”

Bron: CustomerTalk
0
Logo CustomerTalk

Cookie-instellingen

CustomerTalk maakt gebruik van cookies voor een optimale gebruikerservaring.

Graag vragen wij je toestemming voor het plaatsen van deze cookies.

Accepteren Meer informatie