Bij Netscalers keken ze al langer vol interesse naar de resultaten die Amazon behaalt met hun ‘recommender’: een model waarmee ze hun klanten slimme aanbevelingen kunnen doen, tijdens het online winkelen. Dat levert een hogere klanttevredenheid op, en 25% meer omzet. Bram Broeks heeft samen met de JADS en een retail bedrijf uit Den Bosch een nieuwe recommender ontwikkeld. Hier hebben we natuurlijk niet de budgetten waarover Amazon kan beschikken. Toch krijgt Netscalers dit voor elkaar: de eerste webshop bezoekers krijgen al slimme aanbevelingen. Hoe ze dat doen? Met deze vijf eenvoudige stappen, die jij ook kunt nemen.
Stap 1. Formuleer je doel
Netscalers wist al dat Amazon heel succesvol is met een ‘recommender’ in de webshop. Op basis van je voorkeuren en je eerdere aankopen krijg je daar aanbevelingen van producten die waarschijnlijk heel goed bij je passen. Het levert een hogere klanttevredenheid op, en tegelijkertijd een omzetstijging van zo’n 25%. Bij Netscalers willen ze deze stap ook maken: “Hoe kunnen we bezoekers aanbevelingen doen, door beter te voorspellen wat ze graag zouden willen kopen?”
Bram Broeks wist al dat je een stap verder moet dan alleen de gebruikelijke productkenmerken zoals maat, stijl, etc. Bij veel webwinkels zie je een hoop kenmerken staan waarop je als bezoeker eerst zelf moet filteren. Maar een klant doet dat liever niet, die kijkt naar afbeeldingen, en klikt dan verder. Hoe kunnen we kenmerken uit deze afbeeldingen meenemen in de analyse? Denk aan print, v-hals, type stof, pasvorm, type boord, stiksel, manier van weven, vintage look, etc. Bedenk dan dat er zo’n 2000 features per plaatje bestaan. Wat past nou het beste bij deze bezoeker? Hoe kunnen we het model zo inrichten dat de juiste aanbevelingen worden gedaan?
Stap 2. Over welke data beschik je in het bedrijf?
Er is in de webwinkel van de winkelketen een schat aan informatie aanwezig. Allereerst is er de historische aankoopdata en het klikgedrag van bezoekers op de website. Dan zijn er nog de afbeeldingen van alle gekochte en bekeken producten waarin duizenden kenmerken opgeslagen zijn.
“We hebben hier natuurlijk niet de budgetten van Amazon. Toch hebben we nu toegang tot professionele expertise en automatisering, en testen we zelfs al de eerste modellen in de praktijk.”
Bram Broeks – Netscalers
Stap 3. Maak een analyse
Er is meer dan voldoende data aanwezig. De JADS wordt vervolgens ingeschakeld om aan de modellen te werken. Een team 2 studenten, begeleid door 2 hoogleraren ontwikkelt de modellen op basis van historische data. Daarbij worden geavanceerde algoritmen ontwikkeld op basis van het vinden van afwijkingen: welke variabelen worden als bijzonder gekenmerkt in relatie tot de aankoop? De JADS kan met hun hardware en software een ongelooflijke hoeveelheid aankopen op deze manier ‘doorspitten’.
Stap 4. De praktijktest
Het eerste model is in een beschermde omgeving getest, onder een testpanel. Daarop is een aantal aanpassingen doorgevoerd. Deze aangepaste modellen worden nu in de praktijk getest, onder echte websitebezoekers en echte klanten. Lukt het om de resultaten van Amazon te evenaren?
Stap 5. Het resultaat
De JADS is klaar met het perfectioneren van de modellen, en we zien nu de eerste resultaten. Daarin doet de recommender van Netscalers niet onder voor die van Amazon. Het is waarschijnlijk dat de aanbevelingen ook bij hier tot een forse omzetstijging gaat leiden. De 25% die Amazon haalt, lijkt ook hier haalbaar.
De extra omzet is natuurlijk niet het enige dat telt. Als je de klant tips kunt geven waardoor ze sneller vinden wat ze leuk vinden dan is dat natuurlijk geweldig. Zo’n klant komt graag weer terug voor een volgende aankoop. En daar gaat het natuurlijk om.
“Met de ‘recommender’ kunnen wij bezoekers tijdens het online winkelen tips geven, waardoor ze sneller vinden wat ze leuk vinden. Zo’n klant komt graag weer terug voor een volgende aankoop.”
Bram Broeks – Netscalers
De eerste sessies met de JADS zijn achter de rug. Hieruit zijn de wensen geïnventariseerd, zijn doelen gesteld en zijn de databronnen beoordeeld. De dataset is ondertussen geleverd aan de JADS. Daar is een eerste prototype opgeleverd, en getest. Op basis van de testresultaten zijn de modellen aangepast. Die zijn onder echte bezoekers van de website getest. Op basis daarvan zijn de modellen verder geperfectioneerd en is alles opgeleverd en afgerond. De recommender van Netscalers laat nu de eerste resultaten zien, en die doen niet onder voor die van Amazon. Het is waarschijnlijk dat de recommender ook hier tot een forse omzetstijging gaat leiden.
Over de organisatie:
Netscalers werkt voor een middelgrote winkelformule voor dames, heren en kids fashion. Aantal fte: 4. Branche: Dienstverlening