Hoe AI de toekomst van fysieke winkels kan verbeteren

ai in store.jpg
 
 

Door Hylke Visser, Director sales & business development bij Dataiku

De meeste online retailers hebben al geïnvesteerd in AI-strategieën zoals recommendation engines, dynamische prijsoptimalisatie en supplychain-optimalisatie. Maar afgezien van grote spelers als Amazon, lijken fysieke winkels vooralsnog achter te blijven als het gaat om de toepassing van kunstmatige intelligentie. Op welke manier zou AI ook de toekomst van fysieke winkels kunnen veranderen?
Capgemini verwacht dat AI-toepassingen de detailhandel in totaal een extra winst van 340 miljard dollar zouden kunnen opleveren. Hierbij kun je denken aan het inzetten van AI voor voorraadbeheer of het scannen van de schappen, waarmee bijvoorbeeld de prijsstelling van artikelen kan worden aangepast. De uitdaging om AI in te zetten bij fysieke retailers is echter het verzamelen van data. Dit is vanzelfsprekend lastiger dan bij online spelers.

Automatisering op basis van AI

Natuurlijk zijn er in winkels ook transacties en bijvoorbeeld loyaliteitsprogramma’s waar informatie voor marketingdoeleinden uit kan worden gehaald, maar er mist altijd nog een hele brok data die gerelateerd is aan de instore ervaring van consumenten. Deze data is essentieel, want AI-algoritmes gebruiken doorgaans realtime data als input. Er zijn wel mogelijkheden om deze instore data te verzamelen, al zijn deze nu nog kostbaar. Maar als de kosten omlaag gaan, kan automatisering op basis van AI in de detailhandel voor een gigantische omslag zorgen. Wanneer slimme systemen binnen de gehele keten analyses kunnen maken, helpt dit marketingmanagers om winkeltrends beter te begrijpen en campagnes scherper af te stemmen op de behoeften van de consument.

Intelligente camera’s

Zeker is dat DYI AI mede dankzij Google steeds populairder en toegankelijker wordt. Juist in de retailwereld kan hier handig gebruik van worden gemaakt. Bedrijven kunnen profiteren van een kostenefficiënte manier om intelligente camera’s in te zetten die objecten kunnen herkennen en daarmee hun AI-activiteiten een vliegende start geven. Bovendien zijn er meer opkomende partijen die AI-technologie bieden voor fysieke winkels, waaronder Trax. Dit bedrijf helpt retailers op een slimme manier hun voorraadbeheer op orde te krijgen en geeft winkeleigenaren daarmee de mogelijkheid om sneller in te spelen op de consumentenvraag. Door middel van camera’s houdt het bedrijf de voorraad in de gaten. Het maakt foto's van elke display en deze beelden worden naar de cloud gestuurd, waar verschillende perspectieven worden gecombineerd om een totaalbeeld te geven.

Een andere manier om te profiteren van AI in fysieke winkels is monitoren waar klanten zich bevinden in je winkel en hoe zij zich gedragen. Hiermee kun je acties triggeren en zelfs gedrag voorspellen, zodat je hier nog beter op kunt inspelen. Verder is het boeiend om AI-technologie te combineren met bijvoorbeeld VR. Zo kun je met virtual reality en AI een zogenaamde embedded recommendation inrichten. Hierbij bepaalt de technologie op basis van het silhouet en huidige kleding van je klant welke nieuwe items uit jouw collectie bij bij hem of haar passen.

AI helpt bij fraudepreventie

Een use case die geen betrekking heeft op marketing, maar minstens zo nuttig is, is het inzetten van AI voor fraudepreventie. Hierbij kunnen op basis van het gedrag van een klant verdachte handelingen gedetecteerd worden. Denk bijvoorbeeld aan gedrag waarbij bezoekers van je winkel veel naar de camera’s kijken die op verschillende plekken hangen. Of iemand die iets in zijn tas stopt zonder af te rekenen. Hierbij kan direct een alert gestuurd worden naar de beveiligingsmedewerker die de bezoeker kan aanspreken voordat deze de winkel verlaat. Logischerwijs zou je dit ook kunnen toepassen op verdacht gedrag van winkelpersoneel.

Duidelijk is dat er voldoende mogelijkheden zijn voor retailers om met AI de operatie slimmer in te richten en klanten beter te bedienen. Maar voordat het zover is moet er allereerst een goede basis liggen. Dat is waar dataplatformen in beeld komen. Want om actie te kunnen verbinden aan de data die wordt verzameld, is er meer nodig zoals medewerkers die de data kunnen interpreteren, de juiste tools en een strategie om de inzichten uit de data in te zetten.

Data science tools voor onder meer visuele machine learning, of plug-ins die makkelijke beeldherkenning mogelijk maken, kunnen helpen om een stevige fundering te bouwen voor een succesvolle toepassing van AI. Samen met aanvullende training voor medewerkers kunnen retailers hiermee een sterke uitgangspositie neerzetten. Niet alleen om een voorloper te worden op het gebied van AI, maar ook om een beter toekomstperspectief voor de fysieke winkel te creëren.

Checklist voor AI-project

Als retailer actief aan de slag met AI op de winkelvloer? Deze checklist is een handig vertrekpunt voor het starten van een project:

1. Data.
Zorg ervoor dat je het gedrag van de klant begrijpt. Daarvoor heb je data nodig uit alle kanalen waar je klanten contact hebben met jouw merk. Voordat de klant de winkel bezoekt, heeft ongetwijfeld al beïnvloeding via andere touchpoints plaatsgevonden. Breng al deze data samen binnen een platform dat kan zorgen voor waardevolle inzichten. Denk overigens niet dat je alleen met massale hoeveelheden data een AI-project kunt inrichten. Voor vrijwel iedere hoeveelheid data zijn er kansen.

2. Use cases
Welke use case kan veel waarde opleveren? Marketing en sales zijn uitgelezen disciplines om een eerste AI use case mee uit te werken. Hiermee maak je je project al snel heel zichtbaar en begrijpelijk. Dit eerste zorgt voor sponsorship en ambassadeurs voor je project wat helpt als je een volgende use case wil ontplooien.

3. Team
Om het eerder genoemde sponsorship te verkrijgen is het belangrijk je AI-project op te pakken vanuit verschillende disciplines. Bedenk welke collega’s voordeel kunnen halen uit je project en wie je vanuit verschillende afdelingen nodig hebt om het te laten slagen. Daarvoor kan het zijn dat je silo’s binnen de organisatie moet doorbreken. Zo is IT niet altijd gewend om nauw samen te werken met de business en andersom. Om je project te laten slagen, is support en samenwerking vanuit beide echter onmisbaar. Anders heb je een plan dat technisch niet kan worden uitgevoerd of een technologisch platform dat niet voldoet aan de eisen die er vanuit de business worden gesteld. Denk ook aan de collega’s die het dichtst bij de klant op de winkelvloer staan. Zij hebben zij doorgaans ook waardevolle input voor je project.