Door Bas van Lith 
Senior director sales bij Infor Retail Europe

Het internettijdperk startte al in het vorige millennium, en toch bereikt e-commerce nu pas zijn hoogtepunt. Online retailreuzen zoals Amazon hebben van winkelen kinderspel gemaakt doordat producten met slechts een druk op de knop gekocht kunnen worden. Winkelen kan hierdoor simpelweg altijd en overal - zelfs op het moment dat je op je koffie wacht of je kinderen van voetbaltraining ophaalt. Er is wel een keerzijde, namelijk voor de retailers. Zij moeten zich aanpassen. 

Dat online shoppen aan een opmars bezig is, blijkt ook uit de cijfers. Het CBS maakte bijvoorbeeld vorig jaar bekend dat het aantal fysieke winkels in Nederland de afgelopen tien jaar met 4,4 procent daalde. Daar staat tegenover dat het aantal webwinkels in dezelfde periode meer dan vervijfvoudigde, naar ongeveer 127.800. Als je naar de omzet kijkt, blijkt uit de jaarcijfers van CBS dat de online omzet van webwinkels en de webshops van retailers in 2017 met 19,5 procent steeg. Zonder een nieuwe strategie lopen fysieke retailers het risico het slachtoffer te worden van een ‘retail apocalyps’. 

Om te overleven, moeten retailers over de juiste technologie beschikken om de juiste inzichten in hun business te verkrijgen. Retailers geven miljarden euro’s uit aan het analyseren van beschikbare data om tot deze inzichten te komen. Maar zolang ze niet het volledige netwerk van gegevens analyseren, blijven de resultaten onvolledig en onduidelijk. Om met de e-commercereuzen te kunnen concurreren moet je aan de slag met AI, big data-analyse en andere nieuwe opkomende technologieën die de klantbeleving verbeteren.

Een op maat gemaakte aanpak zorgt voor klanttevredenheid, loyaliteit en lage kosten. Hier zijn een paar manieren waarop enkele van 's werelds grootste retailers AI gebruiken om hun fysieke winkels overeind te houden.

1. Klantbeleving op maat
Inspelen op de unieke behoeften van de klant is de meest effectieve manier om klantenloyaliteit te creëren en te behouden. Uit een recente enquête blijkt dat zeventig procent van de respondenten loyaler is aan merken die deze unieke behoeften in hun winkels integreerden. Via machine learning en transactiegegevens kunnen retailers klantgedrag, eerdere aankopen en klantkaarten analyseren om inzichten te verzamelen en unieke klantspecifieke aanbiedingen te maken. In feite kunnen op machine learning-gebaseerde oplossingen zelfs een aanbeveling doen voor het assortiment op locatieniveau en de vraag gedetailleerd voorspellen.

Een goed voorbeeld hiervan is wat Sephora doet met Color IQ. Dit product scant in de winkel het oppervlak van je huid om een persoonlijke basismake-up en camouflagecrème aan te bevelen. Sinds de introductie van deze technologie in 2012 zijn er veertien miljoen Color IQ-matches in de Sephora-winkels gegenereerd en heeft het bedrijf een spin-off gecreëerd, Lip IQ, voor lippenstiftkleuren. Door personalisatie in de winkel naar een hoger niveau te tillen, vond het bedrijf een creatieve en succesvolle manier om traffic in de winkel te vergroten - en dat blijft niet onopgemerkt bij andere retailers.

2. Minder korting en minder artikelen die niet op voorraad zijn 
Dankzij verbeterd inzicht in de winkelverkooppatronen kunnen retailers de minimale voorraadbehoefte verlagen en de standaardaanpak met betrekking tot gelijkmatige voorraadverdeling over de winkellocaties vermijden. Daarnaast kan machine learning automatisch de juiste voorraad toewijzen en aanvullen waardoor retailers niet langer afhankelijk zijn van seizoensgebonden prijsverlagingen.

Neem bijvoorbeeld fast-fashion-gigant H&M, die onlangs plannen aankondigde om AI en big data te gebruiken om winkelontvangsten en retourzendingen te analyseren als een middel om de aankopen per locatie te evalueren - en uiteindelijk op basis van deze inzichten de voorraad te bepalen. Door aankopen op een gedetailleerdere manier te analyseren, ontdekte H&M bijvoorbeeld dat rokken met een bloemenprint in pastelkleuren veel beter werden verkocht dan verwacht. De schappen werden daarom voorzien van meer van deze items.

Fast-fashion-retailer Kiabi maakt in Europa ook van deze strategie gebruik. Het bedrijf zet machine learning in om verkoopdata van kleding en accessoires op een geautomatiseerde manier te analyseren om vervolgens deze items snel en automatisch aan te vullen, waardoor de totale winstgevendheid van de collectie wordt verbeterd. Deze methode helpt het productoverschot te verminderen, omdat winkels stoppen met het bestellen van grote hoeveelheden artikelen die onverkocht blijven en zodoende op inkoop- en verzendkosten en promotieacties bespaard kan worden.

3. Op behoeften toegesneden voorraad
De machine learning inzichten zijn ook handig bij het nemen van aankoopbeslissingen. Door gebruik te maken van AI-gestuurde technologieën om koopgedrag van klanten te analyseren, kunnen winkeliers precies bepalen welke producten en hoeveel voorraad ze nodig hebben om aan de steeds veranderende verwachtingen van klanten te voldoen. Dit proces is essentieel om te concurreren met e-commercespelers, die doorgaans een meer direct beschikbare voorraad hebben, ongeacht de locatie van de klant.

Bedrijven kunnen ook slimme machine learning- en optimalisatietechnologieën gebruiken om effectief te voorspellen welke items populair zijn en hun schappen dienovereenkomstig indelen. Zo kunnen klanten altijd beschikken over het meest trendy artikel in de dichtstbijzijnde winkel. Walgreens, een early adopter van machine learning, gebruikt informatietechnologie bijvoorbeeld om de inventaris op te stellen voor verwachte griepuitbraken zodat ze altijd genoeg en de juiste geneesmiddelen op voorraad hebben. 

Het gebruik van gegevens en analyses om voorraadorders aan te passen aan klantgedrag is noodzakelijk om te overleven en te groeien in de huidige retailrevolutie. De reden: als een klant niet kan vinden wat hij wil wanneer hij fysiek in de winkel is, zal hij tot online bestellen overgaan. Zoals bij alle eerdere veranderingen in de hele sector, zullen bedrijven die zich vroeg aanpassen en flexibel zijn, concurrerend blijven en overleven. Wetenschap en data kunnen retailers helpen hun kansen te vergroten en een authentieke en persoonlijke relatie met hun klanten te creëren.