Retailer, pluk de laaghangende vruchten van data science

Retailer, pluk de laaghangende vruchten van data science

Door Tom van der Woude
Data scientist bij Building Blocks

Waar de winkel op de hoek vroeger zorgde voor een persoonlijke ervaring, kunnen vandaag de dag persoonlijke ervaringen gecreëerd worden met data en machine learning-algoritmes. Op veel grotere schaal dan voorheen in winkels werd gedaan. Retailers beschikken nu al over veel data, waaronder transactiedata, data uit loyaliteitsprogramma’s en CRM-systemen, websitedata, bezoekersaantallen en productdata. Het analyseren van deze data biedt diepgaande inzichten en verbanden op basis waarvan persoonlijke smaak en gedrag van de consument voorspeld kunnen worden. Bovendien bieden deze inzichten de mogelijkheid de belangrijkste KPI's van de retailer te optimaliseren. Denk hierbij aan marges, omzet en customer lifetime value. Dit zijn zaken die vandaag de dag al bereikt kunnen worden met data science. Zet data in om je klanten beter te begrijpen en pluk de laaghangende vruchten van data science.

Voor elke retailer is het hanteren van een customer-centric aanpak van essentieel belang. Zeker nu de consument zich via vele verschillende kanalen kan informeren en producten en prijzen met elkaar kan vergelijken. Door de klant nog meer centraal te stellen kan de retailer op basis van rijke data en geavanceerde analyses de behoefte en dus de vraag van de consument nauwkeurig voorspellen. Op basis hiervan kunnen vele optimalisaties worden gedaan ten aanzien van bijvoorbeeld promotie, aanbevelingen, het assortiment, de prijs en de klantenservice. Belangrijk uitgangspunt is dat de klant overal een uitstekende ervaring heeft, op elk touchpoint van de customer journey. 

Fruit plukken in drie stappen
Hoe begin je dan met data science en machine learning? De mogelijkheden zijn eindeloos en de beschikbare capaciteit, intern of extern, beperkt. De volgende drie stappen geven een leidraad. 

1. Ontwikkel een visie
Het begint allemaal met een visie. Welke doelen wil je als retailer behalen? Wat zijn de mogelijkheden die data science en machine learning bieden? En hoe wil je bekend staan bij je doelgroep? Als je weet waar je naartoe wilt, kun je een visie ontwikkelen. Breng verschillende afdelingen samen en brainstorm over hoe jullie consument in een ideale wereld bediend moet worden. Zo kan het bijvoorbeeld zijn dat je als de meest klantvriendelijke retailer bekend wilt staan, de meest inspirerende of dat je de ultieme prijsvechter wilt zijn. Technologie kan voor elk doel een belangrijke bijdrage leveren, alleen verschilt hetgeen waar de focus op gelegd wordt: is bijvoorbeeld een excellente service hiervoor belangrijk, zoals de juiste en accurate informatie on- en offline, (super)snelle levertijden, makkelijke retourprocessen en een positieve klantbeleving? Of wil je vooral een scherp aanbod bieden ten opzichte van de concurrentie? Daar waar deze keuzes en processen afdelingen overstijgen, een andere aanpak vragen en vervolgens tot één customer-centric proces moeten leiden is het belangrijk om gezamenlijk een visie te bepalen en hier commitment op te krijgen. 

2. Maak het klein: ontwikkel een roadmap
Omdat het lastig, al dan niet onmogelijk is om alles in één keer te doen, is het belangrijk om klein te starten met het laaghangende fruit. Door met relatief simpele projecten die snel resultaat opleveren te beginnen, ontstaat er draagvlak binnen de organisatie. De investering verdient zich snel terug, de medewerkers zien de toegevoegde waarde en de geleerde lessen kunnen weer meegenomen worden bij de volgende stap.   

3. Integreer projecten en data
Het plukken van het laaghangende fruit helpt de verschillende afdelingen over de streep. Voor een langetermijneffect en het implementeren van steeds weer nieuwe optimalisaties, is het van belang de diverse projecten met elkaar te integreren, zodat uiteindelijk stapsgewijs de integrale optimalisatie van de customer journey een feit wordt. Met name bij het delen van data en het doorbreken van de datasilo’s, zal er veel moeten veranderen binnen het bedrijf. Afdelingen die voorheen zelden samenwerkten, zoals bijvoorbeeld het magazijn en het callcenter, en zeer waarschijnlijk informatie in verschillende systemen bewaarden, moeten nu de handen ineenslaan. Wanneer bijvoorbeeld assortimentoptimalisatie, pricing en aanbevelingen (processen die normaliter door verschillende afdelingen worden gerund) volledig geïntegreerd zijn, zijn er diverse innovatieve toepassingen te bedenken die zonder de toepassing van data science en machine learning niet mogelijk waren. Hiermee ben je bijvoorbeeld in staat de vraag van consumenten op SKU/winkelniveau te voorspellen. Wanneer er een overschot dreigt te ontstaan, kun je met behulp van de recommendation engine de juiste personen die geïnteresseerd zijn in het product gericht een aanbieding doen in plaats van de artikelen in de uitverkoop op te nemen. Koppel je daar ook nog je pricingalgoritme aan, dan weet je zeker dat je aanbod scherp in de markt staat. Zo wordt de consument positief verrast met een persoonlijke aanbieding en wordt tegelijkertijd de business geoptimaliseerd. 

Retailers zitten op bergen data en klantinzichten maar weten vaak niet waar te beginnen. Met een roadmap en het opdelen van grote doelen in kleine projecten, waar zowel klant als organisatie meteen van profiteren, zijn de eerste pragmatische stappen snel gezet. Blijf denken vanuit de customer experience, betrek data scientists met domeinkennis bij je projecten en pluk vandaag al de vruchten van data science.