Zalando is in tien jaar tijd uitgegroeid tot de grootste online modeverkoper van Europa. Hoe wapent het Duitse platform zich voor het komende decennium? Voor het antwoord brengen we een bezoek aan het hoofdkwartier in Berlijn. Spoiler: iets met data, data en nog eens data.

“Iedereen heeft een favoriete winkel. Die van mij is een kleine boetiek in Milaan, in de straat waar de ouders van mijn vriend wonen. Ik ben er een paar keer geweest. Het assortiment is goed en de prijzen zijn redelijk. Wat de winkel speciaal maakt is de eigenaar, Elena. Zij is een van die mensen die heel goed zijn in hun werk. Ze heeft een goed beeld van wie ik ben. Ze herkent me als ik binnenkom, weet welke kleding ik heb en wil, wat mijn maten zijn en welke voorkeuren ik heb. Ze is zelfs zo goed in haar werk, dat ik niet eens meer langs hoef te komen om kleren te kopen. Ik kan gewoon mijn vriend vragen om wat nieuwe kleren voor me mee te nemen. Het is nog nooit voorgekomen dat iets niet paste of dat ik het niks vond. Het is altijd spot-on. Dat is precies wat wij ook willen bereiken.”

Aan het woord is Caroline Carlqvist, senior programmanager lead personalization bij Zalando. We spreken de Zweedse op de tweede verdieping van het techgebouw van de modeverkoper in Berlijn, in een vergaderruimte die de naam van evenementenhal Arena Berlin draagt. Zoals alle ruimtes bij Zalando vernoemd zijn naar lokale trekpleisters, cocktails of grote steden. “Elena kent haar assortiment en weet mijn maat. Ze zegt dat ik een maatje groter moet proberen, als een shirt kleiner uitvalt. Wij kunnen precies hetzelfde doen, bijvoorbeeld door naar onze retourdata te kijken. Net zoals we aanbevelingen kunnen doen op basis van iemands aankoopgeschiedenis, of die van andere klanten. Bijvoorbeeld door merken te laten zien die vergelijkbaar zijn met wat je normaal koopt. Wij willen de Elena voor onze klanten worden.”

Zalando investeert daarvoor stevig in technologie, stelt Carlqvist. “Alles wat mensen in hun brein hebben, is data. Zij moeten die ook verwerken. Wij gebruiken machinelearning en kunstmatige intelligentie om dat wat een goede verkoper doet, op grote schaal te kunnen doen. Hoe vaker mensen bij ons winkelen, hoe beter hun ervaring dan wordt. We willen een winkelervaring creëren die volledig om jouw persoonlijke voorkeuren draait en relevant is voor jou.”

In 2020 moet er voor iedereen een gepersonaliseerde shopomgeving zijn. Dat staat nu al gelijk aan 24 miljoen verschillende websites en het aantal actieve klanten van Zalando loopt steeds verder op. In 2020 wil het modeplatform twee keer zoveel verkopen als vorig jaar: tien miljard euro. Dat de groei niet altijd winstgevend is geweest, komt de webwinkel regelmatig op kritiek te staan. Het bedrijf jaagt fysieke mode- en schoenenwinkels met geld van investeerders de afgrond in, klinkt het bijvoorbeeld. Zalando bouwt ongestoord verder aan een platform dat straks goed moet zijn voor vijf procent van de Europese modemarkt. Nu is dat nog zo’n 1,3 procent.

In de Berlijnse wijk Friedrichshain is de stormachtige groei van Zalando met eigen ogen te aanschouwen. Waar de Mercedes-Benz Arena een aantal jaar terug het rijk langs de Spree nog voor zich alleen had, zit het stadion nu ingeklemd tussen torenhoge kantoren. Het huidige hoofdkantoor van Zalando wordt bijgestaan door een aantal bijgebouwen, om zesduizend werknemers te kunnen huisvesten. Ondertussen wordt de laatste hand gelegd aan een gloednieuw hoofdkantoor – inclusief foodcourt en kinderopvang – dat begin 2019 wordt opgeleverd. Zo ontstaat er een heuse Zalando-campus, pal achter de East Side Gallery, een 1,3 kilometer lang beschilderd stuk van de Berlijnse muur.

Zalando werkt vanuit Berlijn aan een ecosysteem voor de fashionindustrie, door alle partijen die zich in het modeveld bewegen met elkaar verbinden. Eén entrypoint voor de modeconsument is het einddoel, zoals Spotify dat met muziek doet. De grote vraag is hoe je zorgt dat de consument niet omkomt in al het aanbod. Er werken alleen al tweeduizend techspecialisten bij Zalando, die zich met het antwoord bezighouden. Eén van hen is de Amerikaanse Stacia Carr, die zich nog goed herinnert dat haar huidige werkgever ‘als een gek techmedewerkers aan het werven was’. “Ik dacht: Wat is Zalando voor een bedrijf? Jullie nemen tweeduizend datascientists, softwareontwikkelaars en researchengineers aan? En bouwen het besturingssysteem van het ecosysteem voor mode? Oké, ik ben geïnteresseerd.”

Carr – afkomstig uit de muziekindustrie – is als director of engineering verantwoordelijk voor een van de grootste uitdagingen binnen Zalando: sizing. “Toen ik me daarom mocht bekommeren, voelde ik me als een kind in een snoepwinkel”, vertelt ze in Caipirinha, de Braziliaanse cocktail waarnaar de ruimte is vernoemd. “Het is zo’n moeilijk probleem om op te lossen, maar tegelijkertijd zo dominant. Iedereen heeft ermee te maken. Het is een prachtige combinatie van complexiteit en impact. En de tijd is rijp voor de mode-industrie om het probleem te tackelen, op welke manier dan ook.”

Carr begon haar ontdekkingsreis met een klein team van businessdevelopers en datascientists. Samen proberen ze de problemen met maatvoering van de grond af op te lossen. “Bij Zalando werken we veel met wholesale, dus veel data zijn afkomstig van merken. En elk merk, zo niet elk kledingstuk, heeft zijn eigen maattabel.” Met driehonderdduizend items in het assortiment zet dat de etailer voor een grote uitdaging. “We hebben ingezet op een hoge kwaliteit datahygiëne. De gegevens moeten accuraat zijn. Is dat niet het geval, dan kan dat de start zijn van een slechte klantervaring. Je voedt algoritmes dan de verkeerde informatie. Door al die data op te schonen, hebben we de kwaliteit van de shopervaring al meetbaar kunnen verhogen.”

Inmiddels zijn er volgens Carr twee ‘basisproducten’ gebouwd, die klanten moeten helpen om de juiste maat te kiezen. Twee jaar geleden werd de personal size recommendation tool geïntroduceerd, waarbij ze advies krijgen welke maat ze moeten kopen op basis van eerdere aankopen, die ze niet hebben geretourneerd. “We kunnen je vertellen dat je van Adidas schoenmaat 38 1/3 – Adidas heeft crazy sizing – nodig hebt. Dat kunnen we ook bij merken die je nooit eerder hebt gekocht.”

Dat laatste is niet onbelangrijk, benadrukt ze. De meeste klanten hebben namelijk de neiging om alleen merken te kopen waarvan ze zeker weten dat de maten overeenkomen met hun lichaam. “Bij schoenen zijn dat vaak maar twee of drie merken en voor jeans heeft iedereen zijn go-to. Met een aanbod zo groot als dat van ons, is dat een ongelooflijk gelimiteerde ervaring. Wij willen het assortiment voor iedereen opstellen. Het maakt niet uit of je het merk kent, wij vertellen welke maat je nodig hebt. Dat geeft consumenten vertrouwen tijdens het shoppen.”

De persoonlijke aanbeveling kwam als eerst beschikbaar voor schoenen en werd vorig jaar naar textiel uitgerold. De tool wordt nu uitgebreid om ook klanten die nooit bij Zalando hebben gewinkeld aan boord te krijgen, vertelt Carr. “Ze kunnen ons vertellen welke maat van welke merken ze dragen. Die data gebruiken we dan als referentie.”

Het tweede product, de size-flag, is volgens haar ‘statistisch veel minder verfijnd’, maar heeft wel ‘een enorme impact’. Het is een klein stukje tekst op de website, die vertelt of een item groot of klein valt. De data zijn afkomstig uit de aankoopgeschiedenis, maar ook uit een fitting lab. Daar wordt kleding gepast door modellen met een specifieke lichaamsbouw en -afmetingen, die overeenkomen met die van gemiddelde klanten in verschillende klassen. “Daarmee creëren we de eerste datasets om het algoritme te voeden, als we niet zoveel retourdata hebben. Zo kunnen we klanten al adviseren voordat er iets is teruggestuurd.” 

Twintig tot dertig procent van het totale assortiment is inmiddels voorzien van zo’n flag, zegt Carr. “Iedereen weet dat een zeven niet altijd een zeven is en een acht niet altijd een acht. Het is allemaal relatief. Voor consumenten is het eenvoudig te begrijpen.” Dat geldt niet altijd voor de persoonlijke aanbeveling. “Iemand uit de boardroom kwam naar me toe en zei: ‘Ik heb altijd Nikes in maat 44, maar jullie raden 43 aan. Waarom!?’ Dat moet je uitleggen op de website. ‘Ja, je hebt vijftien jaar lang Nike gekocht. Maar guess what, zelfs Nike verandert zijn maten.’ Het is lastig om dat in een klein stukje uit te leggen, zeker op mobiele apparaten waar de ruimte beperkt is. We hebben daar een kleine interface voor, maar dat is nog niet helemaal zoals we het willen hebben.”

Bovendien is het maar de vraag of zo’n uitleg de consument overtuigt om een andere maat te kopen. “Het algoritme weet wanneer de kans klein is dat iemand gelijk de juiste maat koopt. Dat hij toch zijn eigen, vertrouwde maat koopt en retourneert. Dan zouden we kunnen zeggen: ‘We zien dat je maat 44 gaat kopen, maar we denken dat je blijer bent met 43. Mogen we ze je allebei toesturen?’ Dat is denk ik een test die we moeten doen.” Carr is niet bang dat het aantal retouren daardoor omhoogschiet. “We weten dat klanten die meerdere varianten van hetzelfde item kopen, overall meer houden. Daar moeten we een businesscase voor ontwikkelen.”

Behalve voor de maatvoering wordt machinelearning ook ingezet bij het stylen. Zalando wil weg van een transactionele winkelomgeving en klanten meer inspireren. Door suggesties te doen welke items bij elkaar passen, kunnen shoppers bijvoorbeeld beter hun weg banen door het enorme assortiment van het modeplatform. “We willen niet uitstralen dat we alleen op hun geld uit zijn, maar het gevoel geven dat er voor hen wordt gezorgd”, vertelt head of engineering Olena Bachynska in een ruimte met de naam Graffiti. “In de winkel zijn er mensen die je helpen navigeren en advies geven. Zoiets willen we ook in de digitale wereld bouwen, maar dan misschien iets minder agressief. Sommige klanten willen interacteren, andere niet.”

De Oekraïense begon een jaar terug met een klein, cross-functioneel team aan de bouw van de algoritmic fashion companion, om volledig geautomatiseerde outfitsuggesties mogelijk te maken. “Voordat we daadwerkelijk gingen bouwen, probeerden we eerst onze hypothese te verifiëren. We ontdekten dat klanten geholpen willen worden bij het navigeren door het assortiment en het stylen. Ze vragen zich af of ze kleding kunnen combineren met hun eerdere aankopen. Daarna bouwden we kleine prototypes, die we met een selecte groep klanten hebben getest. Daaruit bleek dat degenen die er gebruik van maakten meer in hun winkelmand stopten.”

Er is volgens Bachynska zelfs een turingtest gedaan om te controleren of de kwaliteit van een algoritmische outfit hetzelfde is als van een outfit die door een mens is samengesteld. Daarbij kregen fashionexperts van Zalando suggesties voorgelegd die handmatig en automatisch waren gegenereerd. “Het aantal ‘oh yeah, wow’-outfits was bij allebei hetzelfde. Toen wisten we dat het algoritme goed genoeg was om aan klanten te laten zien.” Klanten kunnen de nieuwe tool sinds kort tegenkomen als ze door de website scrollen. Het ankeritem in de carrousel is een kledingstuk dat ze in het afgelopen half jaar hebben aangeschaft, aangevuld met drie of meer nieuwe fashionitems. De data zijn afkomstig van alle ‘human curated outfits’ die Zalando ooit heeft gehad. “We maken gebruik van klassieke classificatie, vergelijkbaar met hoe een MRI-scan het verschil tussen een goedaardige en kwaadaardige tumor herkent. Ons model kan zien of iets een outfit is of niet.”

Het is niet het laatste wapenfeit van Zalando, als we de techspecialisten mogen geloven. Het bedrijf bedenkt en test voortdurend nieuwe toepassingen. Denk aan het opmeten van lichaamsafmetingen met 3D-scanners. Carr ziet vooral kansen als het productieproces in de mode-industrie verder digitaliseert. Als voorbeeld wijst ze op de 3D-designtools voor modeontwerpers. “Daardoor heb je een dataset, nog voordat een item in productie wordt genomen. Als ik die in een algoritme stop, kan ik je meteen vertellen of er problemen met de maat komen.” Zalando doet volgens haar al experimenten met computervision. “Daarvoor gebruiken we foto’s die door het contentcreatieteam iets verderop in de straat zijn gemaakt. We kunnen identificeren of een artikel een grote kans heeft op problemen met de maatvoering.”

Een bijkomend voordeel van het digitaliseren van de productie is dat kleding sneller gepersonaliseerd kan worden. “Mensen zijn sceptisch over de toekomst van customization, maar ik denk dat het een kwestie van tijd is. Als je lichaamsafmetingen kunt delen voordat kleding of een deel ervan is geproduceerd, wordt dat een stuk eenvoudiger.” Carr gelooft niet dat klanten hun eigen kleren helemaal zelf willen ontwerpen, maar dat er een balans moet worden gevonden tussen ‘de totale controle en iets wat voor speciaal voor jou is gemaakt’. Ze heeft al met zLabels, verantwoordelijk voor de huismerken van Zalando, tests gedaan met een 3D-ontwerpproces. “We keken welke data daarvoor nodig zijn en wat het verschil is in de kwaliteit en klantervaring. Als je iemand jeans geeft die zijn gemaakt op basis van afmetingen met een scan en jeans in de juiste maat die vooraf zijn geproduceerd, zal hij dan veel verschil merken? We weten het nog niet.”

In de komende vijf jaar wordt duidelijk hoe ondemandproductie eruit komt te zien, verwacht ze. “Een van de fantasieën die ik heb is dat er locaties van lokale kledingproducenten met 3D-printers komen. De ontwerper kan dan kiezen waar de kleren worden gemaakt, afhankelijk van bijvoorbeeld het materiaal of de mate van duurzaamheid. Het maatwerk vindt plaats door het matchen van data. Zo wordt het hele proces gedemocratiseerd.”
Carr merkt een vergelijkbare ‘spirit’ als in de muziekindustrie, die de digitaliseringsslag al in de jaren negentig doormaakte. Dat de veranderingen in de fashion zo langzaam gaan, komt volgens haar door de omvang van het ecosysteem. “Het is ontzettend zwaar, mede doordat het een fysiek product is. Iedereen heeft nu kleding nodig, dus je ontkomt niet aan massaproductie. Je kunt de machine die kledingproductie heet niet stoppen. Die moet evolueren. Het is alsof je van spoor wisselt, terwijl de trein nog rijdt.”

Net als Carr verwacht Carlqvist dat de transparantie in de modebranche toeneemt als het productieproces verder digitaliseert. Dat biedt mogelijkheden om de sector te verduurzamen, stellen zij. Zo krijgen klanten meer inzicht in hoe duurzaam kleding wordt geproduceerd. “We weten dat ze daar in geïnteresseerd zijn”, zegt Carlqvist. “Ze kunnen straks bijvoorbeeld zelf bepalen hoe ze hun bestelling bezorgd willen krijgen, zodat ze een zo klein mogelijke milieu-impact hebben. Hoe meer transparantie, hoe beter je daar als klant actief in kunt sturen.”

Richting de toekomst krijgen klanten meer controle over hun winkelervaring bij Zalando, verwacht zij. “Er komen meer mogelijkheden om je winkelervaring te customizen.” De uitdaging is om klanten niet af te schrikken met alle persoonlijke data die zijn verzameld. Carlqvist kan zich voorstellen dat Zalando volledig transparant wordt over wat het bedrijf weet over klanten. Ze kunnen die gegevens dan inzien en aanpassen als ze niet kloppen, bijvoorbeeld via een dashboard. “Je schoenmaat blijft altijd hetzelfde, maar andere maten niet. Als je gewicht hebt verloren kun je aangeven dat je voortaan kleinere maten koopt en vice versa. Of je kunt aangeven dat je niet voor jezelf, maar voor je kind aan het shoppen bent.” Nu probeert Zalando die data nog te verzamelen via in-situation feedback, waarbij iemand tijdens het shoppen een korte vraag krijgt voorgelegd. “Bijvoorbeeld welke merken ik mooi vind. Of de vraag of ik wel voor mezelf aan het winkelen ben, omdat ik als fan van zwarte kleding opeens naar bloemetjesprints zoek. Dat is eenvoudig te detecteren.”

Niet iedereen stelt het op prijs dat een bedrijf als Zalando zoveel data verzamelt, beseft Carlqvist. “Het verschilt per land en individu. Duitsers zijn bijvoorbeeld wat meer gesloten, terwijl Zweden juist heel open zijn. Wij hebben de ervaring dat je duidelijk moet maken waarom klanten zien wat ze zien. Als je voor de eerste keer ergens winkelt en de website vult direct je adres in, dan is dat creepy. Maar de tweede keer wordt het verwacht. Als iemand zwangerschapskleding koopt, is het niet altijd een goed idee om diegene te feliciteren met het aanstaande kind. Misschien is het wel een cadeau. Je moet daar een balans in vinden.” Daarin zijn niet alleen data, maar ook kwalitatieve onderzoeken volgens haar belangrijk. “We gaan er met klanten over in gesprek. Hier zien we dat het belang en de wens om expliciete input te geven over voorkeuren van klant tot klant verschilt. De één vindt het een superleuk iets, de ander wil er niets mee te maken hebben. Ook daar krijg je als consument meer invloed op. Naarmate men beter begrijpt waar data voor worden gebruikt en hoe bedrijven ermee omgaan, biedt het een concurrentievoordeel als je dit op een goede en ethische manier doet.”