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. Acht tips om op te letten wanneer je hier mee aan de slag gaat.

1.    Bedenk of machine learning relevant kan zijn voor je klanten en producten. Het kan goed werken bij producten waar de consument een sterke mening over heeft, zoals koffie, chocolade, parfum. Ook fashion is een goed voorbeeld. 
2.    Start met een eenvoudig model en bescheiden verwachtingen. Begin bij voorkeur met één product. 
3.    De grootste uitdaging zit vaak in de juiste en kwalitatief goede data om je systeem mee te voeden. Kader goed af: welke criteria zijn relevant voor de ontwikkeling van je product? 
4.    Kijk hoe je het beste met je klanten kunt communiceren. Zijn ze gewend om met chatbots te werken? Of is bijvoorbeeld een online-enquête een betere manier? 
5.    Test je idee vroegtijdig onder je klanten en werk verder vanuit de respons. Elke keer dat je publiek een nieuwe versie ervaart en je feedback krijgt, wordt je product een stapje beter. 
6.    Voer de feedback in je digitale systeem in, zodat het ervan kan leren. 
7.    Zorg voor voldoende schaalgrootte. Hoe meer feedback je verwerkt, hoe beter het resultaat is. 
8.    Er zijn al een heleboel tools beschikbaar. Zo hebben grote partijen als Microsoft, Google en IBM platformen ontwikkeld waar je gebruik van kunt maken. En je dus niet zelf de tools hoeft te ontwikkelen.

Bron: RetailTrends 11