Prosus lanceert Large Commerce Model, de personal shopper voor e-commerce

Amsterdam, 10 oktober 2025 – Prosus heeft vandaag de volgende evolutie in e-commerce bekendgemaakt met de introductie van een Large Commerce Model (LCM) – een agentisch AI systeem dat de traditionele zoekmachines gaat vervangen.
Het Large Commerce Model is getraind op de unieke wereldwijde database van commerciële transacties van Prosus en leert continu bij op basis van meer dan 500 miljoen gebruikers en meer dan 10 biljoen datapunten. Dit nieuwe besturingssysteem voor e-commerce is een enkel geïntegreerd model dat verschillende taken kan uitvoeren, zoals het verbeteren van eenvoudige zoekopdrachten tot het doen van gepersonaliseerde aanbevelingen.
Het LCM heeft al een aanzienlijke impact als het gaat om kostenbesparingen, bijvoorbeeld op het gebied van marketinguitgaven. Ook is het model 60 keer goedkoper in gebruik dan de beste AI-modellen op het gebied van e-commercetaken. Het model verandert de consumentenervaring van een handmatige, op lijsten gebaseerde ervaring naar een intelligent, hypergepersonaliseerd systeem dat de intentie van de consument begrijpt, zoals ‘ik wil iets speciaals voor het avondeten, om iets te vieren met vrienden’.
In tegenstelling tot traditionele aanbevelingssystemen heeft het LCM een langetermijngeheugen, waardoor het kan leren van resultaten, waardoor het strategieën in de loop van de tijd kan verfijnen. Dit helpt om hyperpersoonlijke ervaringen te bieden via meerdere interfaces, van spraakassistenten en AR-brillen tot sociale video’s en in-car commerce.
Breken met het oude draaiboek
Al bijna 30 jaar vertrouwt e-commerce op zoekmachines voor het zoeken naar trefwoorden en aanbevelingen, ofwel het online equivalent van door gangpaden in een supermarkt lopen op zoek naar het juiste product. Het LCM is een sprong voorwaarts in de consumentenervaring dankzij het langetermijngeheugen dat leert van resultaten. Het model kan redeneren over de intentie van de consument en verbetert zichzelf elke keer wanneer het wordt gebruikt. Het staat gelijk aan het hebben van een personal shopper die begrijpt wat je wilt, waarom je het wilt en die je kan koppelen aan het beste product dat op de markt verkrijgbaar is.
“LCM is voor e-commerce wat een personal shopper is voor een warenhuis. Alleen kost het de consument niets extra, het blijft altijd bij je en verbetert zichzelf elke keer wanneer je het gebruikt”, zegt Fabricio Bloisi, CEO van Prosus. “Dit is een heel nieuw besturingssysteem voor e-commerce. Het zal beschikbaar zijn voor ons wereldwijde netwerk van bedrijven waarin we hebben geïnvesteerd en onmiddellijke waarde toevoegen aan hun tech-stack, veel meer dan wat ze alleen zouden kunnen realiseren.”
“We hebben een intelligent AI-systeem gebouwd dat voortdurend leert dankzij meer dan 200 miljard datapunten per dag”, zegt Euro Beinat, Global Head of AI bij Prosus. “Traditionele e-commerce is goed geweest in het catalogiseren van producten en het mogelijk maken van transacties. We maken het nu goed in het begrijpen van de intentie en redenering van de consument.”
Gebouwd voor grote schaal
Het LCM is eerst ontwikkeld met iFood, het grootste platform voor maaltijdbezorging van Latijns-Amerika, en is nu getraind met het portfolio van Prosus Group-bedrijven, zoals OLX, eMag en Despegar. Dat biedt een ongeëvenaard vermogen om te leren, aan te passen en te verbeteren, waardoor een vliegwiel van inzichten ontstaat dat al onze bedrijven aandrijft. In de kern brengt LCM vijf krachtige mogelijkheden samen:
E-commercespecialist – in tegenstelling tot generieke AI is dit moedel getraind op miljarden echte winkel- en transactiemomenten, waardoor het een diepgaand begrip heeft van hoe consumenten kopen en wat hun keuzes drijft.
Eén brein, meerdere mogelijkheden – één systeem dat alles afhandelt, van zoeken tot aanbevelingen, ter vervanging van de lappendeken van machine learning-modellen waar bedrijven vroeger op vertrouwden.
Slimmer begrip – het model raadt niet zomaar wat mensen zouden kunnen doen, het begrijpt de intentie – waarom ze winkelen, wat ze vergelijken en hoe die keuzes in de loop van de tijd met elkaar in verband staan. Het kan bijvoorbeeld helpen betere aanbevelingen voor vakantieadvertenties te doen op basis van eerdere kledingaankopen en voedselvoorkeuren.
Gedeeld voordeel – door te leren van de activiteiten in al onze bedrijven, profiteert elk bedrijf van inzichten die elders zijn opgedaan, waardoor lokale diensten sterker en persoonlijker worden.
AI-agent die actie onderneemt – naast aanbevelingen kan het ook daadwerkelijk actie ondernemen, zoals het ter plekke aanpassen van een marketingcampagne.
Grootschalige meetbare impact
Het LCM is al in productie en heeft aanzienlijke resultaten geboekt.
Pushmeldingen – click-through rates verslaan consequent alle iFood-benchmarks met een 4-voudige stijging van het aantal orders.
Personalisatie en zoeken – het conversiepercentage voor ‘misschien vind je dit ook leuk’-suggesties stijgt met 66%, waardoor persoonlijke voorkeuren worden gekoppeld aan bestelmogelijkheden. Dit geldt ook voor specifieke categorieën: het zoekgedrag binnen farmaceutica leidde tot een stijging van het aantal bestellingen van 4,6%.
Schaal – met 20 miljoen gebruikers en het verwerken van meer dan 200 miljard datapunten per dag behoort het model tot de top 10 implementaties.
Efficiëntie – de kosten liggen 60 keer lager dan bij modellen in een vergelijkbare klasse.
Hoewel de statistieken een indrukwekkend verhaal vertellen, komt een overtuigende validatie van ons LCM uit het oprechte enthousiasme en de dankbaarheid van iFood-restaurantpartners.
“Restauranteigenaren belden om iFood te bedanken omdat de meldingen zo persoonlijk en menselijk aanvoelden. Sommige meldingen gingen zelfs viraal”, zegt Zülküf Genç, directeur AI bij Prosus, die het LCM-team leidt. “Mensen die pushmeldingen hadden uitgeschakeld, begonnen ze weer aan te zetten toen ze zich realiseerden dat het LCM niet zomaar een aanbevelingsmodule was. Het zorgt voor echte verbindingen die waarde toevoegen aan elk contact.”
Dit artikel is een ingezonden bericht en valt buiten de verantwoordelijkheid van de redactie.