Winkels lopen minimaal 20 procent aan omzet mis door gebrek aan goede informatie op hun website
Online modebedrijven lopen omzet mis doordat de informatie bij een artikel niet volledig is, of niet klopt. Een proef met ruwe leveranciersdata waarbij deze met behulp van kunstmatige intelligentie gestructureerd werden omgezet naar de GS1 Fashion Base standaard, was succesvol. Productinformatie kan daarmee sneller en beter vindbaar worden voor consumenten.
We shoppen ons online suf, van eten tot tech. Als het om mode gaat, lopen we bij de webshops vaak tegen een probleem aan. Een superleuk jurkje, maar van welk materiaal is het exact gemaakt? Of hoe lang zijn de mouwen?
Proof of concept met kunstmatige intelligentie
Projectmanager Sebastiaan van Zundert van GS1: “Uit de e-commercemarkt krijgen we regelmatig terug dat producten in webshops niet goed vindbaar zijn en dat het optimaliseren van productdata een arbeidsintensieve klus is. En dat winkels door het gebrek aan goede informatie op hun website minimaal 20 procent aan omzet mislopen. Daarom wilden we een proof of concept laten uitvoeren met kunstmatige intelligentie. Om productdata sneller in te kunnen voeren vanuit de behoefte aan consistente data om de vindbaarheid en verkoop van artikelen in webshops te verhogen.
‘Winkels lopen door het gebrek aan goede informatie op hun website minimaal 20 procent aan omzet mis.’
Ongestructureerde data vaak probleem
Fabrikanten van een blouse, broek of ander kledingstuk beschikken over een stroom aan data, maar wel in hun eigen formaat. Via GS1 Fashion Base kunnen fabrikanten al productinformatie aanleveren waar de retailers eenvoudig nuttige productdata uit kunnen filteren. Maar het aanleveren van die data aan GS1 Fashion Base is echter veel werk.
Wat als alle ruwe en ongestructureerde data van die leveranciers nu eens met behulp van kunstmatige intelligentie snel en makkelijk kunnen worden omgezet in behapbare gegevens voor GS1 Fashion Base? Met die gedachte ging het IT-bedrijf PTTRNS.ai, gespecialiseerd in digitale personalisatie-oplossingen op basis van data science en kunstmatige intelligentie, aan de slag.
Kunstmatige intelligentie als hulpmiddel
De bij GS1 Fashion Base aangesloten modebedrijven moeten vooralsnog de nuttige data uit een ongestructureerde stroom halen, en vervolgens invoeren in de database. “Met kunstmatige intelligentie kan het veel makkelijker worden gemaakt om al die data om te zetten naar de centrale datapool GS1 Fashion Base, om vervolgens te publiceren naar de webshop”, stelt Van Breusegem, Founder and Technology Director bij PTTRNS.ai.
Van wat voor stof is iets gemaakt, hoe moet het gewassen worden, wat is het gewicht, is het voor mannen of vrouwen, in welk land is het gemaakt, wat is de kleurcode, is het slim fit? Alles bij elkaar gaat het om tientallen mogelijke velden, die gestructureerd in GS1 Fashion Base moeten worden vastgelegd.’’
‘Met kunstmatige intelligentie kan het veel makkelijker worden om al die data om te zetten naar GS1 Fashion Base.’
Succesvolle proef met Euretco
Bij deze proof of concept is samengewerkt met Euretco, een groothandel in onder meer modeartikelen. Euretco leverde elf bronbestanden aan. Met de inzet van kunstmatige intelligentie zet PTTRNS.ai de ongestructureerde data van leveranciers geautomatiseerd om naar de standaard van GS1 Fashion Base. Met de data van twee andere leveranciers is de proef en de werking van de software gevalideerd.
“Technisch gezien gaat om ‘mapping’ en ‘matching’. Waar staat wat in de data van de fabrikant, en hoe kan dat in de standaard van GS1 Fashion Base worden ingelezen? Dat is niet makkelijk te bepalen. De verschillende leveranciers gebruiken bijvoorbeeld andere afkortingen. Voor nu hebben we de proef beperkt tot de zestien verplichte velden die GS1 hanteert, zoals maat, merk en kleur. Later komen daar andere velden bij over bijvoorbeeld geslacht en patroon.
Als de kunstmatige intelligentie zijn werk heeft gedaan is het moeilijkste werk voorbij: gegevens die eenmaal goed in GS1 Fashion Base staan, kan je vervolgens met slechts één conversieregel het ook goed op de site van de webshop te krijgen.”, vertelt Van Breusegem.
Concurrentie
Als alle webshops straks dezelfde info bij de specificaties van een artikel hebben staan, is het belangrijk om op een andere manier onderscheidend te zijn. Nu zijn er namelijk nog winkels die zich van de concurrentie onderscheiden door wel de complete en juiste data te leveren aan de klant.
Van Zundert: “Een enkele winkel verliest inderdaad een concurrentievoordeel. Maar daar staat tegenover dat het grootste deel van de branche er veel baat bij heeft. Concurreren kun je ook met je marketing. Hoe ziet je site eruit, met welke teksten omschrijf je je producten welke service lever je? En misschien wel het belangrijkste: hoe laat je de consument binnen je website filteren zodat producten snel gevonden kunnen worden. Dit kun je bereiken met productclassificatie dat onderdeel uitmaakt van GS1 Fashion Base”.
Dit artikel is een ingezonden bericht en valt buiten de verantwoordelijkheid van de redactie.