Magento steeds beter voor datagedreven e-commerce

Met de overname van het analyticsbedrijf RJ Metrics slaat Magento een interessante nieuwe weg in. Het gaat winkeliers ondersteunen met ‘Business Intelligence’ en een datagedreven cultuur. Maar wat komt daar zoal bij kijken en welke eerste toepassingen zijn er?

Tijdens het recente Imagine-evenement toonde Magento het resultaat van de overname: een nieuw platform voor Business Intelligence – Magento BI. Dit betekent concreet dat de aankoop- en gedragsdata uit de winkel zelf zijn te koppelen aan de gegevens uit andere pakketten. Zo is Magento BI onder andere met Salesforce, Facebook Ads, Zendesk, Google Analytics en Adwords te verbinden. Ook zijn de data te gebruiken voor Automatic Related Products – de beter afgestemde automatische productsuggesties.

Met Magento BI zijn nu allerlei analyses te maken over het recente verleden en de toekomst: de analytics voorspellen bijvoorbeeld wanneer een klant een volgende aankoop zal doen of wie met er met een retargeting campagne is te overtuigen. Verder wordt er in dashboards getoond welke producten minder goed verkopen en mogelijk uit het assortiment kunnen en of de kortingsacties effectief zijn.

Alles is nu informatie

Met het Business Intelligence-platform laat Magento zien dat een e-commerceplatform steeds meer gedreven kan worden door data in plaats van de onderbuik. Op het mede door ons georganiseerde evenement E-commerce Insights 2017 stond dit thema dan ook bewust hoog op de agenda. Want zeker een e-commerceomgeving is hiervoor geschikt, zei Walter van der Scheer van GoDataDriven er terecht. “Alles is nu informatie. Al die informatie kun je in een ‘datalake’ koppelen.”

Belangrijk is echter om dat niet als een doel op zich te zien. Met het verzamelen alleen bereik je als bedrijf weinig. “Het gaat erom een datagedreven organisatie te worden. Ontwikkel samen met statistici en data scientists modellen waar je als bedrijf op leert bouwen en vertrouwen. Dat is voor het toekomstige succes echt heel belangrijk.” Zo kan een model bijvoorbeeld bepalen welke soorten brood er verkocht moet worden, via welke kanalen vooral wel en niet en hoeveel broden er überhaupt nodig zijn. Maar daarvoor moet je als bedrijf dus wel eerst het vertrouwen krijgen dat een algoritme dat kan. De voorspellende modellen kunnen op termijn zelf acties uitvoeren en de onderliggende data leveren geregeld nieuwe verkoopkansen op. Het model van de online supermarkt Picnic is bijvoorbeeld grotendeels gebouwd op inzichten uit data.

Succes door aanbevelingen

Waar denkt Walter van der Scheer dat online bedrijven het snelst succes kunnen boeken met al hun data? Met name in het optuigen of upgraden van hun aanbevelingsmechanismen. Zo is er bij de NPO gekozen om zoekopdrachten automatisch aan te vullen met suggesties, onder meer op basis van ‘real-time trends’. En ook wordt er in de gebruiksdata gezocht naar interessante nieuwe verbanden. Daardoor is de NPO niet alleen in staat de nu al veelbekeken programma’s (lees: producten) onder de aandacht te brengen, maar juist ook de verborgen pareltjes. Iets dat met een traditioneler aanbevelingsmechanisme op basis van business rules (‘andere kijkers keken ‘X’ dus dan is dit ook interessant voor jou’) vrijwel onmogelijk is. Het model is daarnaast in staat te voorspellen hoeveel mensen een video zullen kijken, informatie waarop je ook het inkoopbeleid zou kunnen aanpassen.

Het gekke is dat nog maar weinig bedrijven deze principes toepassen. Uit GoDataDrivens Big Data Survey blijkt nog maar een kleine 6 procent real-time en op basis van gedrag te personaliseren. En dat terwijl dit natuurlijk heel goed bruikbaar is in een online verkoopomgeving zoals van een e-commercebedrijf.

Scala aan kortingen

Met diezelfde data is een Magento-shop heel goed uit te rusten met persoonlijke aanbiedingen. Tot niet zo lang geleden werd er daarvoor gekeken naar gebruikerssegmenten en overeenkomsten in gedrag, zo liet ook Gerben Oostra van BigData Republic zien. Een A/B-test maakte vervolgens duidelijk wat een verandering betekende voor de verkoop. “Je gebruikte dus één oplossing voor een hele groep. Het mooie is dat we nu kijken naar wat men op persoonsniveau daadwerkelijk doet. Opent iemand iedere week een webwinkel? Hoeveel producten kopen ze? Als verkoper hoef je niet meer alle mannelijke dertigers dezelfde korting te geven, je creëert een scala aan kortingen. Met een zelflerend model analyseer je welke prijsprikkels passend en effectief zijn.”

Op dezelfde manier is ook te bepalen of de prijzen binnen elk kanaal hetzelfde moeten zijn. Mogelijk dat slechts een deel van het assortiment in de uitverkoop moet of dat de prijzen alleen in een fysieke winkelvestiging tijdelijk omlaag moeten. Het zijn beslissingen die een Category Manager normaal gesproken (in ieder geval deels) op gevoel neemt: met een machine komt daar een nauwkeuriger voorspellend mechanisme bij.

Net als de beide data-experts adviseer ik bedrijven anders te kijken naar de ‘e-commerce stack’ – de stapeling van software en data-oplossingen. Door Magento’s front– en back-end los te trekken van elkaar zijn er goede tools te koppelen voor aanbevelingen, voorspellingen of dynamische prijsstellingen (zie onderstaand schema van GoDataDriven). Dat kan door middel van de diverse Software as a Service-pakketten die er op de markt zijn. In zo’n geval is de leverancier verantwoordelijk voor het algoritme. Of door te kiezen voor een Platform as a Service, bijvoorbeeld Azure of AWS. Daarmee heeft een webwinkel de ruimte zelf modellen te bouwen op de infrastructuur van Microsoft of Amazon.

Door in ieder geval goed na te denken over de onderliggende datastrategie en -architectuur – het onderste deel van het schema – zijn zowel Magento’s eigen oplossingen (de webwinkel en ook het Business Intelligence-platform) als de extra softwarepakketten goed te voeden met data. Daarmee kan Magento in steeds grotere mate een datagedreven platform worden. Iets waar geen online bedrijf meer omheen kan.