Next Gen PIM: hoe AI ervoor zorgt dat alle producten hardlopers worden

Productdata op de juiste manier in het Product Information Management Systeem (PIM) organiseren, is cruciaal om de webshop te voeden met de juiste productdata. En juist dat is een praktische uitdaging waar veel e-commercepartijen tegenaan lopen. Alle details in productdata handmatig up-to-date houden is veel werk. Vaak ontbreekt daarvoor de mankracht en als je ermee bezig bent, is het vaak een behoorlijke klus om alle productinformatie consistent in de webshop te krijgen. De (aangeleverde) productspecificaties van verschillende fabrikanten en leveranciers leveren immers de nodige uitdagingen op: verschillende formaten, inhoudelijke verschillen of specificaties die niet aansluiten bij het type informatie dat consumenten nodig hebben om een aankoopbeslissing te maken. Het gevolg? Er wordt veelal slechts gefocust op de (pakweg) 10% hardlopers van het assortiment. 

Dat kan ook anders. Artificial Intelligence (AI) helpt om productdata in de PIM efficiënt te verrijken en om te zetten in hogere conversie. De data hiervoor zijn (meestal al) beschikbaar. Zet de AI aan de slag voor proces- en dataoptimalisatie en de realisatie van een unieke, relevante consumentenervaring. Hoe werkt dat in de praktijk?

Operational excellence dankzij slimme PIM

Het is van belang om productdata in de PIM goed en efficiënt te onboarden en te onderhouden. Processen (gedeeltelijk) automatiseren door middel van een filter- en sorteerfunctie of eenvoudige business rules, wordt al langer gedaan. Artificial Intelligence wordt daar bovenop ingezet, waardoor op het gebied van transformatie en personalisatie van productdata in de PIM veel te winnen valt. Enkele voorbeelden:

• Geautomatiseerd organiseren en classificeren. Op basis van verschillende productkenmerken of een combinatie daarvan zijn Machine Learning of Deep Learning algoritmes in staat om geautomatiseerd producten geautomatiseerd aan de juiste productgroepen toe te wijzen en geautomatiseerd logische producthiërarchieën op te zetten.
• Geautomatiseerde validatie. Met Machine Learning algoritmes kunnen geautomatiseerd checks worden uitgevoerd om productdata te controleren op compleetheid en juistheid.
• Geautomatiseerde verrijking. Dankzij AI kan productdata automatisch worden verrijkt met relevante informatie, ook als data afkomstig zijn uit verschillende bronnen. In de praktijk levert dat handige toepassingen, zoals predictive pricing, productmaten omzetten van millimeters naar centimeters of koppelen van 3D productinformatie.

Bezoekers zijn echte mensen

Consumenten, mensen zoals u en ik, willen individueel worden gezien, gehoord én worden geadviseerd. Een persoonlijke benadering, met menselijke touch zoals we die kennen uit fysieke retail, is ook online de norm. Digitale omgevingen, zoals webshops, smartphones of smartwatches, lenen zich uitstekend voor zo’n volledig gepersonaliseerde ervaring. Artificial Intelligence kan er namelijk bij worden ingezet, waardoor op tenminste twee niveaus een unieke en relevante ervaring wordt gerealiseerd voor webshopzoekers:

• AI om assortiment te begrijpen. Deep Learning (een specifieke AI-techniek) is bij uitstek geschikt om uit beeldmateriaal (bijvoorbeeld uit productfoto’s) objecten en karakteristieken te herkennen. Naast kenmerken zoals het type product en de kleur, kan Deep Learning ook het materiaal of de stijl van het object herkennen. Handig als bezoekers van een webshop met fashion- of lifestyleproducten op zoek zijn naar matchende producten met een bepaalde stijl of materiaal. Wanneer deze informatie wordt samengevoegd met reeds bestaande productdata in de PIM, ontstaan er geautomatiseerd betere filtermogelijkheden en uiteraard betere zoekresultaten voor consumenten.
• AI om consumenten te begrijpen en assortiment te matchen. Wat vindt een consument mooi, wat voor uitgesproken (online) gedrag vertoont hij en wat is zijn stijl? Het samenspel tussen deze eigenschappen bepaalt of een consument gaat converteren, of niet. Door data uit meerdere bronnen, bijvoorbeeld zoek- of browsegedrag, aankoopgeschiedenis en/of een digitale footprint op social, samen te voegen en daar Machine Learning (specifieke AI-techniek) op los te laten, ontstaan systemen die stijlen en voorkeuren van mensen kunnen analyseren.

En dat is exact waar Artificial Intelligence om draait: alle beschikbare informatie gebruiken om een individu het best passende product aan te bieden. Tegelijkertijd is dat ook wat de relevantie in een bezoekerservaring maakt, of juist breekt. 

Next steps

Gaan we morgen massaal Artificial Intelligence inzetten om van alle producten in het assortiment hardlopers te maken? Wij denken dat het hoog tijd is. Op een paar manieren wordt de businesswaarde vergroot:

• Door betere en relevante consumentenervaring in de webshop stijgt de conversie.
• De online marketinguitgaven kunnen effectiever worden ingezet. Dankzij betere en efficiëntere onboarding en onderhoud van productdata in de PIM, zijn producten in de webshop beter vindbaar, wat immers meer sales genereert.
• De inzet van Artificial Intelligence in de PIM maakt mogelijk om productdata geautomatiseerd te verbeteren. In plaats van de focus op 10% hardlopers, wat maximaal kan bij handmatige verrijking van productdata in de PIM, is het mogelijk om van elk product in het assortiment een hardloper te maken.

En dit is zeker niet alleen weggelegd voor de grote retailers. Juist de retailers met gefocust productassortiment en/of beperkte mankracht kunnen flink profiteren van de mogelijkheden van AI. Dankzij de schaalbaarheid van de technologie, zien we dat met relatief weinig effort al goede resultaten worden geboekt. Voor veel Nederlandse bedrijven die e-commerce doen, ontstaan er daardoor mooie kansen.