Machine learning, zelflerende algoritmes die zich voeden met klantinformatie: iets voor nerds en andere techfanaten? Niet meer, want steeds meer labels ontdekken de techniek om dicht, heel dicht, op de huid van de klant te zitten. Straks krijgt iedereen zijn persoonlijk gemaakte biertje, t-shirt, parfum of bakje koffie.

We komen dagelijks in aanraking met machine learning. Denk alleen al aan aanbevelingen op Netflix, Google ads, Facebook-nieuwsfeeds. Vooral binnen personalisatie zijn zelflerende algoritmen heel gebruikelijk geworden. En dus zien we ze ook binnen de retail steeds vaker. Denk aan dynamische prijsstellingen, chatbots voor klantcontact en virtuele assistenten als Amazons Alexa die consumenten helpen shoppen. Allemaal bedoeld om beter in te kunnen spelen op de wensen van klanten, maar vooral toegepast in de onlinewereld. Waarom zouden we ze ook niet gebruiken voor productontwikkeling? Zodat je producten zoekt voor je klanten, in plaats van klanten voor je product. 

Slim bier
Vanuit die gedachte – een mantra van ondernemer Seth Godin – ontwikkelde het Britse innovatiebureau 10x zijn IntelligentX, ’s werelds eerste biertje gebrouwen met kunstmatige intelligentie. Wie het nuttigt, kan via een Facebook Messenger-bot aangeven wat hij zou veranderen. Moet het bitterder? Zit er wel voldoende koolzuur in? De input die het bedrijf op deze manier genereert, wordt door een algoritme verwerkt tot een nieuwe, verbeterde receptuur. Die trouwens nog wel even gecheckt en op geschiktheid beoordeeld wordt door een brouwer van vlees en bloed. Alle media-aandacht die het biertje al triggerde, doet een gimmick vermoeden. Maar niets lijkt minder waar. “In Londen verkopen we al aardig wat biertjes. En binnenkort gaan we Berlijn veroveren”, aldus Hew Leith, medeoprichter van 10x.

Ook het Deense Son Of A Taylor gebruikt een algoritme, en wel om t-shirts te maken. Klanten kunnen op de site van het bedrijf onder andere kiezen uit type stof, kleur, kraag, mouwen en zakken. Vervolgens worden de maten opgenomen met gebruik van een algoritme dat rekening houdt met lengte, gewicht, leeftijd en schoenmaat. Zo wordt een uniek lichaamsprofiel gemaakt, dat vertaald wordt naar een op maat ontworpen t-shirt met een perfecte pasvorm. “Het lastigste is om de juiste data te vinden die je in het systeem invoert”, zegt ceo Jess Fleischer, die begon met een Kickstarter-campagne en inmiddels meer dan duizend shirts per maand maakt.

Nieuwe kanalen
Hoewel de insteek technologisch van aard lijkt, gaat het vooral om de band met de klant, benadrukt Leith. Door een consument invloed te geven op het product, wordt hij onderdeel van het proces. Data worden volgens de ceo te vaak gebruikt om de klant te targeten met advertenties, maar dat is niet het model waar toekomst in zit: ze moeten ingezet worden om het product aan te passen aan de klant. “Je moet het dus omdraaien. Dat de bierdrinkers direct hun input leveren, en dus contact hebben met de makers, biedt ook de mogelijkheid ze op de hoogte te houden van de ontwikkeling van het product en het bedrijf. Wanneer er een verbeterd recept op de markt komt, krijgen zij dan ook een update. “Zo worden klanten je nieuwe marketingkanalen.” Hierbij is het de bedoeling dat elke klant zijn eigen biertje krijgt. “Maar dat ligt nog wel even in de toekomst.”

Dat 10x startte met bier, is volgens Leith niet vreemd. Bier brouwen is heel goed schaalbaar, met behoud van kwaliteit. Bovendien richt het bedrijf zich in deze fase – mede gezien zijn interesse in tech – op andere techneuten. En dat zijn vooralsnog vooral mannen, die vaak wel van een biertje houden. Hierbij wordt al wel gekeken naar verschillende clusters. Denk aan bieren die goed passen bij een bepaalde keuken, zoals Italiaans of Indiaas. Of zelfs totaal andere producten, bijvoorbeeld koffie, chocolade en parfum. “Vooral producten waar mensen een sterke mening over hebben.” Gevraagd naar leermomenten, blijkt dat mensen er zeker voor openstaan om op deze manier betrokken te raken. “Ze willen graag in gesprek met merken. En gekend worden. Ze vinden bijvoorbeeld dat ze niet gehoord worden door de mode-industrie. De communicatie met je klant is veel belangrijker dan het machine learning-aspect.”

Zonder voorraad
Fleischer geeft een gelijksoortig signaal af. Son Of A Taylor probeert niet alleen de shirts zo persoonlijk mogelijk te maken, klanten krijgen er ook een handgeschreven label bij met een boodschap van de medewerker die het shirt heeft vervaardigd. Om goede kwaliteit te bieden, worden de shirts namelijk handmatig genaaid in Polen en Litouwen, nadat het gegenereerde patroon met een lasersnijder is uitgesneden. Belangrijk blijkt ook het duurzaamheidsaspect dat de werkwijze met zich meebrengt. Buiten het feit dat er met natuurlijke stoffen wordt gewerkt, levert op maat maken geen overbodige items op die uiteindelijk weggegooid worden. Bovendien hoeft het bedrijf geen voorraad te houden, ieder shirt wordt tenslotte op bestelling gemaakt, en liggen de retouren een stuk lager dan elders. Son Of A Taylor zal zijn machine learning-model de komende tijd dan ook verder ontwikkelen. An sich is dat niet heel spannend, meent Fleischer. Interessanter is volgens hem de mogelijke integratie met andere technologieën. “Vooral die op dit moment versnellen, zoals virtual reality en beeldherkenning. Dat kan interessante nieuwe mogelijkheden bieden.”

Als het aan Leith ligt, groeit zijn business uit tot een “Procter & Gamble met machine learning-data als kern”. Hij ziet ook kansen voor een platform à la Amazon, waar allerlei producten worden aangeboden die uitermate klantgericht zijn. “Maar dan moet je wel een paar hobbels nemen. Amazon is er ook via andere markten gekomen.” Daarbij hint hij ook op eigen bars, om klanten bijvoorbeeld in een aansprekende, leerzame omgeving – met digitale experiences – kennis te laten maken met het brouwproces, wederom om de klant centraal te stellen. “Zodat je zelf het eigenaarschap over je klanten hebt, en ze niet alleen via Facebook en Twitter spreekt. Dan leer je ze niet goed genoeg kennen.”

Bron: RetailTrends 11