De A.I. Retail Revolutie in 4 inspirerende voorbeelden

We kennen allemaal de irritante advertenties die herhaaldelijk worden weergegeven en die je lange tijd achtervolgen op internet. Zelfs wanneer je het product hebt gekocht, blijven dezelfde advertenties verschijnen en soms zelfs een betere deal beloven.

Dit is niet hoe we het gebruik van kunstmatige intelligentie in de detailhandel voor ogen hebben en dit is niet hoe het zou moeten werken – de combinatie van nieuwe technologieën en marketing.

Maar gelukkig is er een veelbelovende toekomst. We zien en ervaren mogelijkheden in A.I. van het begin tot het einde van de Customer Journey. Vanaf het eerste contact om te weten hoe je kan voorkomen dat klanten afhaken, van het verkrijgen van de eerste interesse om de toekomstige vraag te kennen. In het volgende deel willen we vier voorbeelden geven van waar A.I echt werkt in plaats van irritatie opwekt. Laat je inspireren!

 

Automatische creatie en optimalisatie van customer journey

Leermodellen kunnen helpen om de unieke persona’s te identificeren of te bevestigen, maar A.I. heeft ook de macht om ze in een context te plaatsen. Op deze manier is de persona niet meer statistisch, maar wordt deze een variabele afhankelijk van verschillende omstandigheden. Met het opdoen van kennis over de verschillende customer journeys zijn we in staat om koopgedrag en drop-off momenten te identificeren, voordat ze plaatsvinden.

Campagne Suggestie

Met deze informatie bij de hand is het mogelijk om op maat gemaakte campagnes te maken. Houd er echter rekening mee dat campagnesuggesties niet alleen gebaseerd moeten zijn op het kennen van de interesses, maar ook op het verbinden van alle punten. Meestal betekent dit dat je oude systemen ook intelligent moeten worden. Terwijl je campagnes maakt en de wereld verandert, veranderen ook de gedragspatronen van je klanten. Je moet voortdurend gemoderniseerde machine learning-modellen implementeren om te voorkomen dat gepersonaliseerde campagnes tegen je gaan werken.

 

Voorspellen van klantverloop

Weten wie in de nabije toekomst je diensten zal opzeggen, geeft organisaties de mogelijkheid om actie te ondernemen en ervoor te zorgen dat klanten tevreden zijn en contracten worden verlengd in plaats van geannuleerd. Klantgedrag verandert voortdurend, afhankelijk van verschillende situaties zoals hun financiële situatie of zelfs hun gemoedstoestand. Met behulp van machine learning-modellen kan je contact opnemen met klanten voordat deze besluiten hun contract op te zeggen. De ervaring leert dat door gebruik te maken van de juiste voorspellingsmodellen het klantverloop met 17% kan worden verminderd wanneer proactieve / preventieve acties ondernomen worden.

 

Richt je op vraagvoorspelling

De klant overtuigen om je product of diensten te kopen is één ding, de andere kant van de medaille is om de juiste hoeveelheid en type gereed te hebben. Krijg je vraag en aanbod in perfecte harmonie! Momenteel zien we dat veel ervaren distributeurs op basis van ervaring beslissen wat ze naar welke locatie moeten sturen, wat leidt tot een nauwkeurigheid van slechts 55%. Dit betekent extra kosten voor het retourneren van de artikelen die zijn afgeleverd en een verloren kans voor items die mogelijk verkocht hadden kunnen worden. De vraag naar een item op een locatie verandert voortdurend en is afhankelijk van veel variabelen die aan het item zijn gerelateerd. A.I. voorspellingsmodellen kunnen inschatten welke vraag er de komende dagen naar een bepaald artikel zal zijn. Een recente showcase heeft aangetoond dat machine learning-modellen met voldoende gegevens een nauwkeurigheid van vraagvoorspelling hebben met 9% betere scores (180 miljoen USD jaarlijkse toegevoegde waardecreatie) dan de distributeur met ruimte voor continue verbetering.

 

Wil je meer weten? Lees de blog over Emotion Driven Marketing

 

In samenwerking met Tazi.ai