-

Vier manieren waarop Big Data e-commerce verandert

Big Data, automatisch leren en diepe neurale netwerken gaan voor een efficiëntere, gepersonaliseerde en zelfs geautomatiseerde customer journey zorgen. Hiermee staat e-commerce op de rand van een enorme verschuiving die de gehele klantrelatie op zijn kop zal zetten.

Facebook en Target
Geloof het of niet, maar Facebook kan zelfs voorspellen wanneer je relatiestatus verandert van alleenstaand naar bezet. In een flinke berg gegevens van 2010-2013 zijn patronen herkend tussen twee Facebookgebruikers, waarbij het aantal postings een piek bereikte twaalf dagen voordat de nieuwe relatie officieel op Facebook werd bevestigd. Openbare interacties daalden daarna weer.

Een ander bekend voorbeeld: de Amerikaanse retailer Target wist al eerder van een tienerzwangerschap dan de vader van het meisje. Andrew Pole, statisticus bij Target, keek hiervoor naar het koopgedrag en zette hiermee een accurate pregnancy prediction score op.

Opkomende personalisatietools zijn ontworpen om de hersenen na te bootsen, door gebruik van neurale netwerken en ‘deep learning’. Videobedrijf Netflix past dit al toe, en het is bekend dat onder andere ook Amazon, Yahoo, Google en Facebook deze technologieën omarmen door start-ups of talent over te nemen.

Neurale netwerken en deep learning
Artificial Neural Networks (ANN’s) zijn gebaseerd op het centrale zenuwstelsel. Het zijn computationele modellen die in staat zijn tot automatisch leren en patroonherkenning. Neurale netwerken die gebruikmaken van deep learning hebben meer lagen van abstractie dan ANN’s. Ze kunnen neurale netwerken te trainen om een aantal knappe dingen te doen zoals beeldherkenning, verwerking van natuurlijke taal, vertalingen en automatische spraakherkenning. Interessant, maar wat zijn de praktische toepassingen voor e-commerce?

Natuurlijke taalverwerking
Al in 2008 was er Pluribo, een Firefox-extensie van Get Elastic die werkte met natuurlijke taalverwerking en mogelijkheden bood voor sentimentanalyse. Een nuttige toepassing werd het filteren van honderden Amazon-beoordelingen tot een handzaam overzicht van voor- en nadelen.

pluriobdacious       pluribo 

Helaas werd Pluribo slachtoffer van de financiële crisis van 2009 en het ontbreken van durfkapitaal.

Een e-commerce systeem met kunstmatige intelligentie (zoals in de recente film Her) kan als vraag krijgen: ‘Ik ben op zoek naar een fullframe camera met een lange batterijlevensduur, aansluitbaar op een MacOS X’. En dan doorvragen over eigenschappen waar de klant nog niet over heeft nagedacht ”Wat voor soort onderwerpen fotografeer je meestal?’ of ‘Hoe belangrijk is de grootte en het gewicht voor jou?”

EmoSpark
Het zal niet lang duren voordat computers ook emotionele signalen zoals opwinding of frustratie zullen herkennen via stem of gezichtsuitdrukking. Er is nu een crowdfunding campagne voor een intelligente huisconsole die conversatie en stemming begrijpt en hierop kan reageren: EmoSpark. Deze beschikt over een kennisbank met gedrags- en stemmingsgegevens en kan de klant helpen met de beste keuze.

Beeldherkenning
Google wil computers ook beelden laten ‘herkennen‘, zoals gezichten, andere lichaamsdelen en katten. Dat zijn de drie meest voorkomende elementen op YouTube. Op die manier zou je producten kunnen zoeken op basis van foto’s. Google Glass kan ook bepalen waar je oog op valt.

Pinterest kocht een visuele zoektechnologie waarmee het zoeken naar foto’s in een bepaalde context gemakkelijker wordt. In plaats van te vertrouwen op de beschrijvingen van gebruikers, worden gelijkwaardige foto’s (zoals pins die je al hebt gemaakt) gezocht. Via een Pinterest API  kunnen applicaties van derden profielen en pins analyseren om zo de persoonlijke smaak en koopintentie te achterhalen.  Daarmee kun je veel meer gegevens naar boven halen dan nu met trefwoordzoeken het geval is.

Anticiperende aankopen
De populaire app Shazam heeft sinds kort een always-on functie die de hele dag lang luistert en nummers labelt die nog niet in je bibliotheek hebt zitten. Door gebruik te maken van automatisch leren kan Shazam op intelligente wijze je muziekcollectie verrijken. Met diepe neurale netwerken kun je nog een stapje verder gaan: hij kan namens jou ook een aankoop doen.

Klinkt als toekomstmuziek? Amazon heeft onlangs al een patent ingediend voor ‘anticipatory shipping‘: op basis van kooppatronen worden artikelen al ingepakt en gedistribueerd voordat de artikelen daadwerkelijk worden besteld. Amazon kijkt dan onder andere naar eerdere bestellingen, zoekopdrachten, winkelwagentjes en retouren.

Voor de duidelijkheid: het is nog niet zover. Het is niet moeilijk om allerlei onwenselijke situaties te bedenken die kunnen voortvloeien uit het nemen van (aankoop-) beslissingen namens klanten. Maar een toekomst waarin boodschappen doen en cadeaus kopen worden uitbesteed aan een  intelligente machine is toch echt niet heel ver weg meer.

Slimme data
Het gaat niet zozeer om Big Data, maar om slimme data. Automatisch leren, natuurlijke taalverwerking, beeldherkenning en anticiperende personalisatie zijn er allemaal op gericht om slimmer gebruik te maken van de zee aan data. Met al deze technologieën in ontwikkeling en grote spelers die nu al de nodige stappen zetten, is het slechts een kwestie van tijd voordat de e-commerce industrie het potentieel realiseert en omzet naar digitale ervaringen.

Deel dit bericht

3 Reacties

Johan Kenzeler

Hoewel Big Data nog in zijn kinderschoenen staat, zal het groeiend besef van privacy zijn invloed hebben. Ik ben benieuwd naar de ontwikkelen.

Johan Kenzeler

*ontwikkelingen

Aldo

Klinkt goed wat er allemaal mogelijk is tegenwoordig. Maar waar zitten de grenzen? Heeft een consument allemaal wel in de gaten waar hij opt in’t? En in hoeverre wordt het hem makkelijk gemaakt om ook gegarandeerd weer te af te melden? Technisch gezien is The sky the limit tegenwoordig. Maar waar zitten de morele grenzen? Ook van de retailer, de overheid en een bank?

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond