Posts Tagged ‘rbi’

Sisow met support voor gespreid betalen

Posted 19 sep 2019 — by Emerce
Category nieuws

Webwinkels die hun kassa betrekken van PSP Sisow kunnen een nieuwe manier van betalen gaan aanbieden: gespreid betalen.

Hiertoe werkt Sisow samen met Spraypay. De koppeling tussen de twee systemen is gisteren live gegaan.

SprayPay is een betaalmethode waarmee consumenten de internetaankoop in twaalf, achttien, 24 of 36 maanden kunnen betalen. Het gaat om bedragen tussen de 250 en 3500 euro. De webshop ontvangt binnen dertig dagen gegarandeerd het aankoopbedrag. SprayPay neemt hierbij het volledige debiteurenrisico op zich.

Tot de klanten van dit familiebedrijf behoren onder meer Gadero, Livengo.nl en Tuinmeubelland.nl.

Met PSP Pay.nl bestaat de koppeling voor gespreid betalen al langer.

Foto: Franklin Heijnen (cc)



Lees het volledige bericht op Emerce »

Wat zijn de gevolgen van direct-to-consumer in e-commerce?

Posted 19 sep 2019 — by Emerce
Category nieuws

Producenten en leveranciers willen de boot van ‘direct leveren aan huis’ niet missen. Hiermee spelen ze in op een nieuwe trend: Direct-to-Consumer (D2C). Consumenten willen meer gemak in het aankoopproces en meer informatie over de herkomst van een product. Daarom kiezen ze er steeds vaker voor om rechtstreeks te bestellen bij leveranciers. D2C heeft directe gevolgen voor zowel consumenten als leveranciers. Daarnaast heeft het model ook gevolgen voor het logistieke proces. 

Zowel consumenten als leveranciers ondervinden gevolgen van de D2C-trend. De voornaamste verandering voor consumenten is dat zij direct contact hebben met leveranciers. Hierdoor hebben ze meer zicht op waar producten vandaan komen. Met het oog op duurzaamheid en gemak is D2C dan ook een uitkomst voor consumenten. Ook voor leveranciers verandert er veel. Wat zijn de gevolgen voor hen en wat is er nodig om D2C succesvol in te zetten?

1. Afhankelijkheid van retailers verminderen

D2C biedt de mogelijkheid om producten rechtstreeks aan te bieden aan consumenten. Daardoor zijn leveranciers niet langer afhankelijk van retailers. Door de afwezigheid van een tussenpartij worden kosten bespaard en worden marges op producten groter. Bij deze onafhankelijkheid hoort alleen wel de onvoorspelbaarheid van consumenten. Leveranciers en producenten maken vaak afspraken met retailers over vaste leveringen in grote aantallen. Deze afspraken geven zekerheid over de verwachte verkopen en dus de inkomsten. Een zekerheid die leveranciers niet altijd hebben bij het rechtstreeks verkopen aan consumenten. Voornamelijk omdat de behoefte van consumenten heel wisselend is waardoor de te verkopen aantallen onvoorspelbaar zijn. 

2. Direct contact met de klant 

Niet alleen voor consumenten is direct contact voordelig, ook voor leveranciers. Het levert ze namelijk waardevolle informatie op over de behoeften en wensen van de klant. Het realiseren van goede customer experience en het opbouwen van een waardevolle relatie is daardoor ook eenvoudiger. Een ideale positie om te bouwen aan een sterk merk. Een goede klantenservice is daarbij wel van belang. Klanten verwachten namelijk een snelle reactie en het woord zegt het al, ook een goede service. 

Het logistieke proces onder controle

Naast de bovengenoemde gevolgen heeft D2C ook een belangrijke impact op het logistieke proces. Voor leveranciers is het daarom belangrijk om hun systemen aan te passen aan het D2C-model. De huidige systemen ondersteunen vaak geen connectie met verkoopkanalen. Ze zijn enkel ingericht voor het versturen van grote partijen aan retailers en niet voor het verkopen per stuk aan consumenten.

Ook het bijhouden van de voorraad, consumenten op de hoogte houden van waar hun pakket zich bevindt en de snelheid van leveren, zijn aspecten die leveranciers goed moeten regelen. Voor consumenten is het namelijk belangrijk dat het bestel- en bezorgproces net zo soepel verloopt als ze gewend zijn. Goed ingerichte legacy-systemen maken dat mogelijk. Voorbeelden hiervan zijn real-time voorraadbeheer en een connectie met online frontends zoals Shopify en Magento.

Met de juiste software kan een leverancier goed werkende processen en aansluiting op verkoopkanalen realiseren. Daarom is het verstandig om samen te werken met een partij die deze software kan bieden. Wanneer alle technische hobbels zijn genomen, kunnen producenten en leveranciers succesvol meegaan in de trend van D2C.  



Lees het volledige bericht op Emerce »

XS4ALL wordt alsnog opgeheven, ondernemingsraad kondigt confrontatie aan

Posted 19 sep 2019 — by Emerce
Category nieuws

XS4ALL houdt vast aan het plan om XS4ALL samen te voegen met KPN en het merk op te heffen. Het management van XS4ALL heeft de Ondernemingsraad (OR) en de medewerkers van XS4ALL dat vandaag meegedeeld. De ondernemingsraad laat weten dat KPN met dat besluit ‘afkoerst op een confrontatie’.

KPN presenteerde in januari 2019 voor het eerst de plannen voor de één merkstrategie. De beslissing om XS4ALL samen te voegen volgt uit de ontwikkelingen in de markt en de wensen van de klant en past in de concernstrategie, meldt het bedrijf.

‘Het is een intensief traject geweest met uitvoerige inhoudelijke discussies. Daarbij was vanuit de kant van het management van XS4ALL begrip voor de emoties over het voornemen. Maar alles zorgvuldig afwegende zijn wij tot de conclusie gekomen dat samenvoegen in het belang is van klanten, medewerkers, XS4ALL en KPN”, aldus Jörg Kramer, algemeen directeur XS4ALL en Wouter Stammeijer, ExCo-lid en hoofd Strategie van KPN.

De OR heeft op 31 augustus een ruim 60 pagina’’s tellend advies verstuurd. Hierin zijn alle punten uit de adviesaanvraag afgewezen. Volgens de OR en de door de OR ingeschakelde onafhankelijke financiële experts is er een reële mogelijkheid dat de businesscase tot integratie van XS4ALL in KPN negatief uit zal vallen.

KPN ziet dat anders. Uit onderzoek blijkt volgens het bedrijf dat verreweg de meeste klanten alle dienstverlening onder één dak willen, of het nu om internet, tv of vaste of mobiele diensten gaat. Daarbij willen klanten naar eigen wens pakketten kunnen samenstellen. Deze ontwikkelingen maken dat KPN als groep gekozen heeft voor het uitgangspunt de dienstverlening aan te bieden onder de vlag van het KPN merk.

Het staat buiten kijf dat XS4ALL in de afgelopen jaren een bijzondere plek in de ontwikkeling van het internet heeft ingenomen en een bijdrage heeft geleverd in de discussies over privacy en online veiligheid, aldus KPN. ‘Het is onze bedoeling om de sterke punten van XS4ALL terug te laten komen in het aanbod van KPN. Maar dan niet voor een beperkte groep klanten, maar voor miljoenen klanten.’

De directie van XS4ALL is verplicht om een maand te wachten met de uitvoering van het besluit. In deze periode kan de OR beslissen of het in beroep gaat.



Lees het volledige bericht op Emerce »

Android haalt iOS in met omzet uit mobiele games

Posted 19 sep 2019 — by Emerce
Category nieuws

Android genereert minder omzet uit apps en games dan iOS. Toch wordt de kloof tussen beide platforms steeds kleiner, zo blijkt uit onderzoek van het Nederlandse Newzoo.

Newzoo verwacht dat de omzet uit mobiele games dit jaar zal uitkomen op 68,5 miljard dollar, 26,7 procent meer dan een jaar geleden. Daarbij leidt China de markt met 21,6 miljard, gevolgd door de VS met 12,1 miljard dollar.

Van de game-omzet komt 33,5 miljard van Apples App Store, meer dan 48 procent van de totale markt. Google (Pay) vertegenwoordigt 24,5 miljard. De resterende 10,5 miljard wordt gegenereerd via andere Android appwinkels als Aptiode. Daarmee loopt Android als platform met 51 procent iets voor op iOS.

Dat groeit echter flink door tot 56 procent in 2022, terwijl iOS achterblijft met 44 procent.

Android had nog veel groter kunnen zijn als de Play Store in China gewoon toegankelijk zou zijn.

Newzoo verwacht dat dit jaar wereldwijd 3,8 miljard smartphones in gebruik zijn, waarvan een kwart in China.

Foto Newzoo



Lees het volledige bericht op Emerce »

Online bestedingen groeien eerste half jaar naar 12,5 miljard euro

Posted 19 sep 2019 — by Emerce
Category nieuws

Nederlandse consumenten gaven in de eerste zes maanden van 2019 online 12,5 miljard euro uit aan producten en diensten, een groei van 9 procent ten opzichte van het eerste half jaar van 2018. Naar verwachting komen de totale online consumentenbestedingen voor heel 2019 uit op 25,9 miljard, zo blijkt uit het Thuiswinkel Markt Monitor in opdracht van Thuiswinkel.org en PostNL. De cijfers worden gepubliceerd voorafgaand aan Shopping Today in Maarssen.

In totaal gaven Nederlandse consumenten 7 miljard euro online uit aan producten en 5,5 miljard aan diensten. Deze groei wordt voornamelijk veroorzaakt door de groei van het online besteedbedrag en het aantal aankopen per online koper.

In totaal werden er in de eerste zes maanden van 2019 124,9 miljoen online aankopen gedaan. Daarbij blijft de groei voor diensten achter bij die van producten, wat in lijn is met voorgaande jaren.

De groei binnen producten wordt hoofdzakelijk veroorzaakt door een forse stijging van het aantal online aankopen binnen Food/Nearfood, Schoenen & Personal Lifestyle en Health & Beauty.

Het aantal online aankopen dat op een smartphone wordt gedaan, blijft zijn groei doorzetten. Waar in de tweede helft van 2018 nog 15 procent van de online aankopen via een mobiele telefoon is gedaan, is dit aandeel een jaar later gestegen naar 22 procent. Ook het aantal online kopers via een smartphone is het afgelopen jaar gestegen: 37 procent van alle online kopers doet een online aankoop op een smartphone, terwijl dit in 2018 nog 32 procent was. Het gebruik van een desktopcomputer of een laptop door online shoppers is daarbij verder gedaald: van 32 naar 29 procent voor desktops en van 50 naar 48 procent voor laptops.

De verwachting is dat de online bestedingen in Nederland voor heel 2019 uitkomen op circa 25,9 miljard, verdeeld over ongeveer 259,7 miljoen aankopen.

Foto Pixabay



Lees het volledige bericht op Emerce »

Er zijn meer winkelmeters in gebruik dan ooit: paniek over winkelleegstand is onnodig

Posted 18 sep 2019 — by Emerce
Category nieuws

De winkelleegstand neemt weer toe. Zo lijkt het althans. Grote paniek in de media, terwijl de afgelopen vijf jaar de winkelleegstand juist significant was gedaald tot een niet zorgwekkend niveau. Maar neemt de leegstand eigenlijk wel echt toe? En is de leegstand dan nu opeens weer dramatisch hoog? Moeten complete binnensteden op de schop? En dienen sommige winkelcentra maar helemaal te sluiten? Gaan we inderdaad tot dertig procent van de winkelmeters weghalen? En ‘klinisch’ uitgedrukt: gaan we een kwart van de winkelruimte ‘saneren’?

Dat is maar de vraag. Sommigen overdrijven namelijk. Of beroepen zich op aantoonbaar valse informatie. In dit artikel daarom de feiten. De allernieuwste feiten. De nuchtere feiten. Bijgewerkt tot en met augustus 2019. Feiten zijn weerbarstiger dan onheilsvoorspellingen. 

Onjuiste informatie

In het recente verleden hebben retailpublicisten en onderzoeksinstituten veel onjuiste informatie over winkelleegstand naar buiten gebracht:

  • In 2011/2012 voorspelde Molenaar dat 33% van de winkelruimte zou zijn verdwenen in 2015. En dat in 2015 meer dan 25% van de winkels leeg zou staan. 
  • Quix beweerde in 2014 dat er in de periode 2008-2014 22.000 winkels verdwenen zouden zijn. 
  • En het CBS en PBL becijferden dat de leegstand 10 tot 11% zou zijn. Met in hun kielzog het initiatief ‘Retailagenda’ dat beweert dat de leegstand 11% en er daarom 20% (?!) uit de markt genomen moet worden.

Terwijl dit de feiten zijn:

  • Qua metrage is er 2,3 miljoen m2 aan winkelruimte bijgekomen in crisistijd.
  • Het aantal winkels is wel afgenomen, maar dan slechts met 1.000 à 1.500 per jaar. 
  • De leegstand bedraagt ongeveer 7%. En geen -meer dan- 10%. CBS en PBL tasten echt mis. 

Winkelleegstand leeft dus onder de mensen. Onder de deskundigen. Maar ook onder de consumenten. Die door al die ramspoedverhalen gaan geloven dat Armageddon echt nabij is. Des te meer reden om de feiten boven tafel te krijgen. Feiten die er al lang zijn. Maar die niet door iedereen als zodanig worden gebruikt. En waardoor er verkeerde besluiten genomen worden. 

Frictieleegstand

Winkelleegstand kun je het beste vergelijken met de werkloosheid. Als deze te hoog is -boven de vier à vijf procent- heb je een probleem. Maar als deze te laag is -minder dan vier à vijf procent- heb je ook een probleem. En kunnen sommige retailers niet goed gehuisvest worden. Dan is er dus een tekort aan winkelruimte. 

Feit is dat de landelijke, gemiddelde leegstand vóór de crisis van 2008-2014 zich inderdaad begaf op dat frictiepercentage van maximaal vijf procent. Met een hogere leegstand op de B- en C-locaties -de aanloopstraten-  en in de ‘provincie’. En een lagere leegstand op de beste winkelplekken. 

De huidige leegstand is zeven procent, niet veel boven de frictieleegstand

Op 1 augustus 2019 zijn er -bijna- 220.000 retailpanden in Nederland. Ruim 15.000 staan er leeg. Er zijn 91.500 ‘gevulde’ winkelpanden en een kleine 113.000 gevulde overige panden (horeca, diensten). Het aantal winkelverkooppunten neemt gestaag af. Van 107.000 in 2004, naar 95.000 in 2017 en 91.500 in augustus 2019. Het aantal panden in de horeca en leisure neemt echter toe, waardoor de totale voorraad aan panden in de retail nagenoeg gelijk is gebleven. Daarbij worden winkels steeds groter, dus het aantal vierkante meters aan winkels is de laatste jaren juist sterk toegenomen.

 

De gemiddelde landelijke leegstand is na het uitbreken de crisis van 2008 echter wel behoorlijk gestegen. Grofweg van 4,5% naar 7,5% -verkooppunten/VKP, oftewel het aantal winkels- of 8% -metrage/WVO, WinkelVloerOppervlakte- in 2015. Dat zijn inderdaad percentages die 2% à 3% boven het gezonde frictiepercentage uitkomen. Dat houdt overigens nog steeds in dat op goede plekken er nog steeds een tekort aan winkelruimte was (leegstand onder de 4%, soms zelfs vrijwel niet existent). En dat je op de minder goede plekken inderdaad een sanering van winkelruimte had kunnen overwegen. Dus daar waar de leegstand de tien a vijftien procent oversteeg.

En de leegstand daalt sinds 2015

De leegstand is echter sinds 2015 ook weer gestaag aan het dalen. Naar 6,7% (verkooppunten) en 6,8% (metrage) in januari 2019. 

Procentuele leegstand 

Om dan sinds kort toch weer te stijgen?

In augustus 2019 is de leegstand echter weer licht gestegen naar 7,0% (verkooppunten) en 7,1% (metrage). Logisch dat dit groot nieuws is. En de percentages kloppen ook. Maar zomaar deze kale percentages de wereld inzenden en dan concluderen dat Armageddon weer nabij is, is te kort door de bocht. 

Kijken wij naar de ontwikkeling van het aantal winkelmeters – dus de totale winkelvoorraad in vierkante meters -, dan zien we dat dit aantal nog tot en met 2015 toenam. Om vervolgens licht te dalen. Die daling lijkt overigens gestopt in augusustus 2019, de voorraad neemt zelfs weer licht toe. Hoe het ook zij, deze winkelmetragevoorraad blijft de laatste jaren hangen op (iets meer dan) 31,0 miljoen m2. Om in augustus 2019 weer door te stijgen naar 31,1 miljoen m2. 

Splitsen we dit uit naar gevulde en leegstaande meters, dan zien we dat de totale winkelvoorraad in Nederland is toegenomen met ongeveer 2,3 miljoen vierkante meter. Op dit moment zijn er ruim 1 miljoen meer gevulde winkelmeters dan dat er op 1 januari 2008 waren. De leegstand is in dezelfde periode echter ook toegenomen en er staat nu ook 1 miljoen vierkante meter meer leeg dan in 2008. 

Winkelvloeroppervlak in m2 

Was de winkelvloeroppervlakte echter niet toegenomen tijdens de crisis, dan zou de landelijke leegstand dus theoretisch gezien onder de ‘0’ uitkomen (gerekend vanaf 2008) of op vier procent vanaf 2011 (een gezond frictieleegstandspercentage). 

Horeca ter vervanging van winkel?

Eerder is al geconstateerd dat het aantal winkels in Nederland aan het dalen is (al geldt dat niet voor het metrage winkels). Daar staat echter tegenover dat het horeca-aanbod en de dienstverlening in aantal panden stijgt. De verblijfsfunctie van een winkelgebied wordt dus steeds belangrijker. Wel is het zo dat de groei aan horecapanden de laatste tijd lijkt te stagneren. 

Aantal verkooppunten detailhandel (winkels, blauw) versus horeca en diensten (rood), van 2004-2019 (tot en met augustus)

Gecorrigeerd voor de voorraad neemt de leegstand niet echt toe

Met een aanhoudend economisch herstel was het te verwachten dat de daling van de winkelleegstand nog wel even door zou zetten. Eind 2018/begin 2019 bedroeg deze -als eerder gemeld- 6,7% -verkooppunten- en 6,8% -metrage-. Maar in 2019 is er toch een lichte kentering gekomen. En is de leegstand met 0,3% toegenomen in augustus 2019 naar 7.0% (verkooppunten) en 7,1% (metrage). Echter, de voorraad is ook weer met (ruim) 0,3% toegenomen. Hiervoor gecorrigeerd is er dus geen sprake van een echte toename van de winkelleegstand naar vierkante meters. Wél is er sprake van een netto toename van leegstand van verkoopunits. Ook omdat de ombouw naar horeca en diensten en niet retailfuncties enigszins stokt.  

Verder blijft in een aantal ‘kleinere middelgrote steden’ de leegstand nog steeds relatief hoog. Daar waar de leegstand in het stadscentrum heel hoog is (in steden als Schiedam, Almelo, Geleen en meer kleinere middelgrote steden) en het ernaar uit ziet dat een gedeelte hiervan structureel van aard is, is het wenselijk dat er gesaneerd gaat worden. Daar staat echter tegenover dat er in veel grote steden, sprake is van een ongezond lage leegstand. Daar is ruimte voor het ontwikkelen van nieuwe meters. Anders is er geen sprake meer van een gezonde marktdynamiek.

Zelfs op beste plekken, waar de huurprijs op dit moment ook niet stijgt, is er ruimte voor nieuwe meters. Stagnerende of lagere huurprijzen leiden tot hogere opnamecijfers. Dat is nadelig voor sommige vastgoedbezitters -de panden gaan een lagere boekwaarde krijgen en dat komt ook ten laste van de winst- en verliesrekening-, maar voor de retail ‘an sich’ zijn lagere huurprijzen een zegen. Daardoor kunnen succesvolle winkels zich vestigen, ook op de plekken die eerst te duur leken. 

Er zijn meer verhuurde winkelmeters dan ooit, paniek over winkelleegstand is onnodig

Feit is dat er op sommige plekken -Geleen met het Centrumplan, De Driehoek in Oldenzaal, , Belcour in Zeist en er zijn nog veel meer voorbeelden- teveel winkelruimte is bijgebouwd in de jaren 90 en aan het begin van deze eeuw. Juist op de plekken waar de bevolking niet meer groeit. En verder vergrijst. Dít zijn de zogenaamde kleinere middelgrote steden -die ook vaak dichtbij een grotere stad liggen-. Zoals Schiedam in de buurt van Rotterdam. Dát -teveel meters bijbouwen en de nabijheid van een veel grotere stad- zijn de échte redenen voor de leegstand op die plekken.

Maar landelijk gezien zijn er nog nooit zoveel winkelmeters in gebruik als in augustus 2019. Of anders gezegd: bezet. Of: verhuurd. Of: gevuld. In totaal is er maar liefst 27,9 miljoen m2 ‘gevuld’. En met een leegstand van 7% zit je maar een paar procent boven de frictieleegstand. Geen reden tot landelijke paniek dus. 

N.B.:n In 2014 en in januari 2019 was het aantal gevulde meters nog een minieme fractie hoger dan in augustus 2019. Dat moet wel gemeld worden, al is een en ander niet significant te noemen. 

Toekomstvoorspelling leegstand en voorraad

De laatste jaren is het aantal winkelmeters in feite gestabiliseerd. Grappig is dat als de voorraad licht daalt, de leegstand ook licht daalt. En als de voorraad weer licht stijgt (zoals het afgelopen jaar weer) dat de leegstand weer iets toeneemt. De verwachting is dat de voorraad daarom ook in de toekomst ongeveer stabiel zal zijn. Of hooguit met een paar procent zal dalen. De lucht in de markt (landelijk gezien) is 2 à 3 procent (7% ten opzichte van een ‘gezonde’ frictieleegstand van 4 tot 5%). En is zeker geen 20%. Zoals CBRE-rapporten en de Retailagenda lijken te suggereren. 

Op goede plekken is er al een tekort aan winkelruimte. Zoals in de grotere binnensteden. En in sterke regionale winkelgebieden. Zoals Stadshart Amstelveen -dat gewoon zou moeten uitbreiden, maar dat niet kan-. Of Gelderlandplein Amsterdam. En daarbij is bijvoorbeeld het gemiddelde leegstandpercentage in de Wereldhave-centra -dat zijn er 17- ook lager dan 3%. Natuurlijk zijn er ook zorgen. In kleinere middelgrote steden. In kleinere stadsdeelcentra. En in sommige wijk- en buurtcentra -waarbij sommige daarvan het juist heel goed doen-. Maar al met al is de verwachting dat de leegstand weer terugkomt op het frictieniveau. Ook als er misschien –dat is nog lang niet zeker- weer een -kleine?- recessie aankomt. En de voorraad met een paar procentjes zal dalen. Weten wij dat zeker? Nee, dat niet. Maar het lijkt die kant op te gaan. Winkelleegstand is in ieder geval geen nationaal probleem. Maar winkelleegstand is soms wel een lokaal probleem.

Conclusies en verdere toekomstbespiegelingen

Waarom is er zoveel paniek als het om winkelleegstand gaat? Bijvoorbeeld zich uitend in de Retailagenda? Natuurlijk zijn er aandachtspunten. Aandachtsregio’s. En aandachtssteden en –dorpen. Maar dat was altijd al zo. Door de crisis – in combinatie met demografische ontwikkelingen en te veel ontwikkelingen op plekken waar bevolking krimpt – is de leegstand tijdelijk opgelopen. Internet heeft hier maar een zeer beperkte invloed op gehad. Maar de leegstand neemt sinds 2015 af. En de recente kleine stijging in 2019 is -gecorrigeerd voor de lichte toename van de voorraad- eigenlijk geen netto stijging. Belangrijk is: stem het aanbod af op de vraag. Zo moeten er meer grote winkelunits komen op de goede plekken. Voor bijvoorbeeld buitenlandse retailers. Dat houdt dus in dat er sprake zal moeten zijn van samenvoeging van winkelunits. En van herverkaveling. 

Kleinere winkels voor zelfstandigen vind je nog steeds in de aanloopmilieus. In Amsterdam bijvoorbeeld in de Kinkerstraat en de Van Woustraat. In Rotterdam in de Witte de Withstraat en de Meent. En in Utrecht in de Voorstraat. Verder moet voldoende winkelruimte gecreëerd worden in de betere wijkwinkelcentra. Zodat meer en grotere supermarkten zich kunnen vestigen. Want fysieke supermarkten groeien als kool. 

En zo zijn we altijd bezig. Maar om nou te zeggen dat wij een landelijk probleem hebben? Nee. En om nou te zeggen dat de toekomst met name somber is? Nee. Er is meer sprake van een afstemmingsprobleem en een reguleringsprobleem dan van een leegstandsprobleem. Hef  bijvoorbeeld alle barrières op als het gaat om het verschil tussen horeca en winkels. 

Laten we nu eindelijk gaan kijken naar de kansen die er liggen. In plaats van de leegstandsproblematiek dood te analyseren. 

Dit artikel is tot stand gekomen met hulp van Drs. Gertjan Slob, directeur onderzoek bij Locatus.



Lees het volledige bericht op Emerce »

Hoe kun je meer klanten identificeren met een Customer Data platform?

Posted 18 sep 2019 — by Emerce
Category nieuws

Hoe kun je CDP’s gebruiken om in real time tot wel vijftig procent meer klanten te vinden door middel van (first party) CRM-onboarding? 

Het customerexperience-landschap is in de afgelopen vijf jaar exponentieel gegroeid. Kijk maar naar de verzameling van Scott Brinker met logo’s van marketingtechnologieaanbieders, die een paar jaar geleden de ‘Martech 5000’ werd genoemd. In 2019 is het aantal aanbieders al opgelopen tot 7040. 

Dat zijn nogal wat clouds, suites en platforms die allemaal de heilige graal op het gebied van marketing willen aanreiken: personalisatie op schaal. 

Er zijn echter weinig categorieën, die zo gehypet en gewaardeerd worden als CDP’s (Customer Data Platforms), waarbij klantgegevens worden gecombineerd en georganiseerd via allerlei merksystemen, kanalen en apparaten. Ze worden wereldwijd gebruikt: volgens een enquête van Forbes Insights/Data Treasury beschikt ongeveer 78 procent van de organisaties over hun eigen CDP of zijn ze een CDP aan het ontwikkelen. 

Uit ander onderzoek van de Relevancy Group blijkt dat het CDP landschap alleen maar zal stijgen. Van de marketeers geeft 32 procent aan dat ze van plan zijn om binnen de komende twaalf maanden een CDP aan te schaffen en te implementeren.

Deze generatie platforms, waaronder mParticle, Lotame, Adobe, Tealium, Salesforce, Squeezely, Selligent, Relay42 en Blueconic, bieden een uitgebreid klant inzicht, die voor alle kanalen kunnen worden gebruikt. Eindelijk!

De uitdaging: klanten, prospects of suspects? 

Vaak weten bedrijven niet precies wat het verschil is tussen een klant en een prospect; en hebben klanten vaak het gevoel dat de bedrijven hen behandelen als suspects. 

Denk bijvoorbeeld aan een reclame boodschap voor bestaande klanten, die gaat over een aanbieding die alleen beschikbaar is voor nieuwe klanten. 

Hieruit kun je afleiden dat de interne systemen (CRM, data lake/data warehouse), de eigen kanalen (website, e-mail en app) en de online kanalen (social, display/video en programmatic advertising) niet goed op elkaar zijn afgestemd.

Dat betekent dat bedrijven het risico lopen om hun waardevolle bestaande klanten te verliezen door irrelevante targeting op de verschillende kanalen. Maar dat betekent ook dat er marketinggeld wordt verspild, door een klantenidentiteitscrisis die telkens erger wordt. Waarom?

CDP’s alleen zijn geen volledige oplossing voor 1:1 klant communicatie 

Hoewel CDP’s erg nuttig zijn voor het activeren en organiseren van klantgegevens, vormen ze geen totaaloplossing voor het uitgebreide, allesomvattende klantenoverzicht waar organisaties naar op zoek zijn.

Dit komt doordat CDP’s zijn ontworpen om klantgegevens (zoals e-mailadressen, telefoonnummers, mobiele apparaten en website-indentifiers) te verzamelen en te organiseren. Maar CPD beschikken niet over de connectiviteitsmogelijkheden of het netwerk om deze gegevens te matchen met externe online indentifiers, voor bijvoorbeeld advertising en social. 

CDP’s versterken met behulp van first party CRM-onboarding

Als u een-op-een klant communicatie wilt bereiken, kun je je CDP koppelen aan een CRM-onboarding oplossing, die een brug vormt tussen je eigen indentifiers en externe indentifiers. CRM-onboarding voegt waarde toe aan een CDP, want ze versterken elkaar. 

Een CDP is een hub voor het activeren en organiseren van je eigen klanten data; een first party CRM-onboarding oplossing is een accelerator, waarmee je je huidige klantcommunicatie op digitale kanalen kunt verbeteren en vergroten op zowel eigen (website, e-mail en apps) als betaalde kanalen. Dit gebeurt door middel van het herkennen van de klant en het verbeteren van je klantcommunicatie om de juiste boodschap op het juiste moment te tonen op de verschillende kanalen.

Tim Norris van mParticle zegt hierover: “CDP’s zijn cruciaal geworden om gelijke tred te houden met moderne klant behoefte, maar de meeste CDP’s zijn gericht op de eigen data van een organisatie. Als we de data en indentifiers buiten de eigen kanalen van een organisatie in kaart willen brengen, speelt CRM-onboarding een grote rol. Door CDP’s te verrijken met externe indentifiers voor oa advertising en andere betaalde media, wordt de klant communicatie alleen maar beter en gerichter. Wat zorgt voor een betere klant beleving en ervaring”. 

U hebt de precisie al, maar hoe zit het met de schaal? 

Zoals gezegd, kunnen CDP’s de identiteit van klanten inzichtelijk maken en hun gegevens toepassen op de eigen kanalen van een organisatie, zoals website, e-mail en apps. 

Zoals al aangegeven door Tim Norris kunnen first party CRM-onboarding oplossingen een brug vormen en de waarde van CDP’s verhogen door identiteiten ook op externe digitale kanalen te koppelen. Zo zult u meer van uw huidige klanten herkennen (zogenaamde matchrate) en kan personalisatie ook worden toegepast op kanalen buiten het ecosysteem (Websites, e-mail, apps) van een organisatie.

Maar niet alle CRM-onboardingoplossingen zijn gelijk. Hoe zit het bijvoorbeeld met het toevoegen van inzichten van offline data partijen, zoals demografie en/of doelgroepen? 

Door inzicht te krijgen in de eigen klantdata, kun je een zogenaamd look-a-like audience maken. Zo kun je je meest waardevolle doelgroepen, zoals ‘mensen die voor het eerst een huis kopen’, ‘eigenaren van gezinsauto’s’ of ‘mensen die een vakantiehuis in Barcelona willen kopen’, bereiken. 

CDP-matchrates verhogen door middel van verschillende indentifiers 

CDP’s hebben heel veel waarde als het gaat om het activeren en organiseren van klantgegevens op eigen kanalen. Maar er is een disconnect tussen de eigen kanalen, zoals websites en e-mail, en betaalde kanalen, zoals display, video en social. Want aan wie laat je de advertentie nu echt zien?

Daar komt een first party CRM-onboardingoplossingen, zoals DigitalAudience, om de hoek kijken. Deze oplossingen worden gecombineerd met CDP’s om profielen te verifiëren en te verrijken. Dit wordt gedaan met behulp van miljarden deterministische data punten, die zijn verkregen met de expliciete toestemming van klanten uit bronnen buiten de omgeving van bedrijven zelf. 

Geen valspositieve resultaten meer, in de vorm van irrelevante advertenties en aanbiedingen voor producten die de klant allang heeft gekocht. 

Dankzij CDP’s kunnen bedrijven nu data aan elkaar koppelen en de draden met elkaar verbinden tussen de verschillende toepassingen binnen hun marketinggebied. Maar het aantal gegevensbronnen groeit en een nieuw tijdperk van personalisatie breekt aan. Marketeers moeten actief achter hun klanten aan door ze eerst te identificeren en dan te bereiken. 

Hiervoor hoeven bedrijven niet nog een cloud, suite of platform toe te voegen aan hun enorme stapel toepassingen. In plaats daarvan kunnen ze een CRM-onboardingoplossing implementeren die de dataset van hun CDP herkent, verrijkt en activeert. Een eenvoudige en dynamische manier om zowel op korte als op lange termijn resultaat te boeken en de communicatie met je klant te verbeteren binnen de eigen en externe omgeving. 



Lees het volledige bericht op Emerce »

Snapchat krijgt 3D Camera Modus

Posted 17 sep 2019 — by Emerce
Category nieuws

De Snapchat app is vanaf vandaag uitgebreid met een zogeheten 3D Camera Modus, waarbij beelden schijnbaar diepte krijgen. Vooralsnog is deze alleen beschikbaar voor de iPhone X.

Het 3D effect kan ook worden bekeken op andere toestellen, waaronder die van Android, maar ze zelf maken is voorlopig niet mogelijk.

iPhone X gebruikers hebben verder de beschikking over 3D effecten, lenzen en filters. Omdat ook andere camera’s 3D kunnen opnemen, is de verwachting dat de modus straks ook op andere toestellen werkt.

De modus is een volgende stap in het gevecht tussen Snapchat en Instagram. De kopieert Snapchat op allerlei fronten. Facebook was er trouwens eerder bij met 3D beelden in zijn app in oktober 2018, maar heeft de functie nooit overgeheveld naar Instagram.



Lees het volledige bericht op Emerce »

Hoe maak je een Dynamische Google Assistent App?

Posted 17 sep 2019 — by Emerce
Category nieuws

Google assistent is een spraakgestuurde service om dienstverleningen te automatiseren. Je kan zelf een assistent ontwikkelen via Dialogflow, dit is een ontwikkelprogramma van Google. Hoe je daarmee werkt? Volg deze stappen.

Een assistent kan je voor diverse doeleinden gebruiken. Als je klant bijvoorbeeld de status van zijn bestelling wil weten, dan kan hij vragen “Wanneer wordt mijn bestelling geleverd”? De assistent geeft dan netjes een antwoord terug: ”Uw bestelling wordt morgen om 14:30 geleverd”

In dit artikel zal ik uitleggen hoe je een fictieve app kan ontwikkelen voor het openbaar vervoer. Ik zal de basisbeginselen behandelen zodat je een idee krijgt hoe een spraakgestuurde app wordt ontwikkeld. Hoe gaat de OV app werken? 

Je kan vragen om de vertrektijden van de tram. Bijvoorbeeld: “Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”. Als deze spraakopdracht wordt uitgevoerd, zal de Google Assistent een antwoord teruggeven.  De assistent zal dan een antwoord geven zoals “Tram 27 vertrekt over 5 minuten van Perron B naar het Rembrandtplein”.  Zoeken op je telefoon wordt dan versimpeld door middel van spraakopdrachten.

Na het lezen van dit artikel, weet je precies hoe je een assistent kan toepassen voor jouw situatie.

1. De Assistent slim maken met hooks

Om een simpele Google Assistent App te ontwikkelen heb je weinig technische kennis nodig. Maar als je een OV app wil maken, dan is technische kennis vereist. Je moet namelijk werken met hooks. Een hook zorgt ervoor dat Google verbinding kan maken met jouw website. In de hook geef je aan welke waardes van de spraakopdracht geëxtraheerd mogen worden om vervolgens een zoekopdracht te doen in jouw database. 

Om het goed te begrijpen heb ik hieronder een voorbeeld database gemaakt voor de OV app. 

Vervoermiddel Van locatie Naar Locatie Tijd Perron
Tram Amsterdam CS Rembrandtplein 19:33 B
Tram Amsterdam CS Rembrandtplein 19:44 A
Tram Amsterdam CS Rembrandtplein 19:51 B
Bus Amsterdam CS Rembrandtplein 19:59 C


Als iemand vraagt:
Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”, dan kan via de webhook de juiste data worden opgehaald. Google Assistent geeft dan het volgende antwoord terug: “De volgende tram vertrekt om 19:33 van perron B”.

Je vraagt je nu vast af; hoe Google weet wat Tram, Amsterdam centraal en Rembrandtplein is? Dat noemen we entiteiten.  

2. Entiteiten maken voor de app

Als je entiteiten aanmaakt, dan moet Google Assistent weten wat een object is. Als we de volgende zin nemen. Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”, dan moet google weten wat een tram, Amsterdam centraal en Rembrandtplein is. 

 Entiteit Vervoermiddel
Entiteit Waarde
Vervoermiddel Tram
Vervoermiddel Bus
Vervoermiddel Metro

 

Van Station
Entiteit Waarde
Van Station Amsterdam CS
Van Station Den haag CS
Van Station Rotterdam CS

 

Naar Station
Entiteit Waarde
Naar Station Rembrandtplein
Naar Station Leidscheplein


Uiteraard kunnen we ook synoniemen opgeven. Zo kunnen we aan Amsterdam Centraal ook het synoniem Amsterdam CS meegeven. Zo maken we onze assistent steeds slimmer. Binnen Dialogflow ziet dit er als volgt uit. 

Zoals je ziet kan je dit allemaal handmatig meegeven in Google Assistent. Je zult je nu afvragen: “Moeten we alle stations handmatig invoeren binnen Dialogflow?”. Hier kom ik in het volgende stuk op terug. 

2.1 Entiteiten bulk uploaden 

Binnen Dialogflow moet je de entiteiten handmatig aanmaken. Voor een kleine app is dit makkelijk te doen, maar voor onze OV app kan dit een probleem worden. We moeten namelijk alle stations en tramhaltes in Dialogflow zien te krijgen. Handmatig invoeren is geen optie, dat is teveel werk. Daarnaast moeten de entiteiten ook geüpdatet worden vanuit onze backend naar Dialogflow.

Als je dit wil automatiseren kan dit middels de API van Google, hiermee kan je programmatisch entiteiten in Dialogflow muteren. Wij hebben een technische tutorial gemaakt hoe je de Google Assistent API kan gebruiken om entiteiten te verwerken. Wanneer alle beschikbare entiteiten in Dialogflow staan, heeft de assistent beschikking tot alle waardes van jouw systeem. Hierbij moet je denken aan alle stations en locaties. Nu moeten binnen Dialogflow alleen de vragen aangemaakt worden, binnen Dialogflow heet dit Intents.

3.  Intents aanmaken

Intents zijn “vragen” die de eindgebruiker kan stellen aan de OV app. Bijvoorbeeld: Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”,  Je kan hier statische responses en dynamische responses opgeven. Zoals eerder uitgelegd zijn statische responses niet interessant voor ons omdat we een “slimme app” willen bouwen. Met dynamische responses zal een webhook verbinding maken met jouw systeem, op deze manier hebben we interactieve antwoorden.

Als de volgende vraag wordt gesteld Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”, dan interpreteert Dialogflow dit als volgt: 

Hoe laat vertrekt een vervoermiddel van van_station naar het naar_station”. Ik zal nog eens beschrijven wat er op de achtergrond gebeurd:

  1. De volgende zin wordt opgegeven : Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”, 
  2. De entiteiten worden herkend uit de zin. Dialogflow zorgt hiervoor. De zin hierboven wordt als volgt omgezet
    1. Vervoermiddel =  (tram)
    2. Van_locatie  = (Amsterdam Centraal)
    3. Naar_locatie  = (Rembrandtplein)
  3. Vervolgens worden er parameters van gemaakt voor de webhook. Zo kan je in jouw database de data ophalen en terugsturen naar de gebruiker. Dialogflow stuurt de volgende data naar de webhook
    1. Vervoermiddel: tram
    2. Van_locatie: Amsterdam CS
    3. Naar_locatie: Rembrandtplein
  4. Je haalt de data uit jouw database en stuurt de informatie terug naar de eindgebruiker.

In Dialogflow ziet dit er als volgt uit.

Zoals je ziet worden de entiteiten binnen een Intent gedefinieerd. Dialogflow herkent automatisch welke entiteiten naar de webhook verstuurd mogen worden. Dit zorgt voor de dynamische response.

3.1 Fallbacks als een zin niet wordt herkend

Fallbacks zorgen ervoor dat je gebruiksvriendelijke antwoorden hebt voor vragen die niet worden herkend. Om je app slimmer te maken, worden de vragen die niet gevonden worden opgeslagen binnen Dialogflow. Hiermee kan je jouw Intents verder verbeteren.

De standaard responses die je kan opgeven zien er zo uit.

Je kan diverse responses opgeven om diversiteit in te brengen. Zo krijgt de gebruiker niet telkens hetzelfde antwoord.

4. De webhook aanroepen

De Google Assistent app wordt slim door een webhook. Jij maakt zelf een webhook die bepaalde data opzoekt in jouw systeem. Vervolgens wordt de gevonden data vanuit jouw backend teruggekoppeld via de Google Assistent middels een spraakopdracht.

Binnen Dialogflow ziet dit er als volgt uit, hier geef ik mijn webhook op.


Nu we de entiteiten, intents en webhook hebben geconfigureerd kunnen we zien hoe de app in actie werkt.

5. OV app

Onze OV app is klaar, nu kunnen we aan de Assistent vragen hoe laat de eerstvolgende tram naar het Rembrandtplein gaat. Laten we de volgende spraakopdracht uitvoeren Hoe laat vertrekt een tram van Amsterdam Centraal naar het Rembrandtplein”,


We krijgen netjes een response terug. Het volgende werd achter de schermen uitgevoerd om het resultaat te krijgen:

  1. Er is een Intent aangemaakt in Dialogflow. Dat is de mogelijke vraag die gesteld kan worden.
  2. Vervolgens als de vraag herkent wordt, dan probeert Dialogflow de entiteiten eruit te krijgen
    1. Als de vraag niet wordt herkend, krijgen we een antwoord terug zoals: “Ik weet niet wat je bedoelt”
  3. De entiteiten worden eruit gefilterd, en deze worden verstuurd naar onze webhook
    1. Als de entiteiten niet worden gevonden in onze webhook, dan krijgen we een antwoord terug zoals “Sorry, ik heb geen informatie gevonden”
  4. De webhook heeft de data gevonden, en stuurt de gebruiker nu de juiste informatie terug naar de Google Assistent
  5. De gebruiker krijgt nu de gewenste informatie terug.
Conclusie

Voice search zal naar alle waarschijnlijkheid in de toekomst veel gebruikt worden. Langdradige zoekopdrachten worden simpel gemaakt middels spraakopdrachten. Ook kunnen bepaalde processen geautomatiseerd worden. Kijk bijvoorbeeld naar McDonalds. McDonalds is aan het experimenteren om klanten spraakgestuurd een bestelling te laten  opnemen via de McDrive. Veel bedrijven zullen spraakgestuurd zoeken implementeren. Zullen we over vijf jaar alles spraakgestuurd doen, of is het slechts een gimmick? De tijd zal het leren. 



Lees het volledige bericht op Emerce »

Mondelez introduceert nieuwe Oreo-smaak met Amazon Alexa

Posted 17 sep 2019 — by Emerce
Category nieuws

Fabrikant Mondelez zet influencermarketing en Amazon Alexa in om een nieuwe Oreo-smaak op de Amerikaanse markt te introduceren.

Het nieuwe koekje ligt vanaf vandaag in de schappen, maar het niet exact bekend welke smaken er doorheen zitten gemengd. Bij wijze van reclamecampagne mag het publiek zijn gedachtes daarover insturen en, al doende, daarbij kans maken op vijftigduizend dollar.

Om de campagne te verspreiden wordt Gaten Matarazzo ingezet, acteur in Netflix-hit Stranger Things en Amazon Alexa. Dat laatste is het gevolg van een samenwerking die Amazon en Mondelez eerder al hadden afgesproken. In het geval van deze campagne kan de koeksnoeper om smaaktips vragen, maar ook pakken koekjes in zijn boodschappenmandje laten leggen door de spraakassistent.

Bij nieuwe koekje is een campagnekoekje, want na 10 november verdwijnt het weer uit de schappen. En is Mondelez weer marketing- en e-commercekennis rijker.

Foto: Karen Neoh (cc)



Lees het volledige bericht op Emerce »

Concurreren met Amazon? Dat kan met differentiatie en een gepersonaliseerd aanbod

Posted 17 sep 2019 — by Emerce
Category nieuws

Volgens onderzoek van EMarketer wordt 37,7 procent van alle online bestedingen in de VS op Amazon gedaan. In Groot-Brittannië heeft de retailgigant volgens Euromonitor International inmiddels een marktaandeel van 31 procent terwijl het marktaandeel in Duitsland zelfs op meer dan vijftig procent wordt geschat. Hier is hun rol momenteel nog bescheiden, op termijn zal het bedrijf van Jeff Bezos vrijwel zeker ook hier zijn deel van de taart komen opeisen. 

Belangrijk om vast te stellen is dat niet alle verkopen die via het Amazon-platform worden afgewikkeld ook voor rekening van Amazon zelf komen. Net als bijvoorbeeld op Bol.com nemen externe partijen die via het Amazon-platform verkopen het leeuwendeel van de verkopen voor hun rekening. Zo zijn onafhankelijke verkopers in de VS verantwoordelijk voor 58 procent van de bruto omzet van de retailgigant. Met een zo’n machtige en brede concurrentie weten veel retailers gewoonweg niet hoe ze het tegen Amazon moeten opnemen.

Niet alleen maar slecht nieuws

Tijd voor een positief geluid. Want Amazon mag dan groot zijn, je kunt als retailer nog steeds prima overleven in de schaduw van deze reus. Sterker nog: wanneer je de beschikbare middelen slim inzet, kun je zelfs prima resultaten behalen.

Een van die middelen is differentiatie. Yory Wurmser, principal retail analist bij eMarketer, zegt dat er een aantal manieren is waarop retailers zichzelf kunnen onderscheiden van Amazon. In grote lijnen gaat het erom een betere customer experience te creëren. Dat begint met het verzilveren van de beschikbare schat aan klantdata. 

“Het verbeteren van je customer experience is stap nummer 1”, zegt Wurmser. “Dat betekent zowel instore als online. In het verlengde daarvan ligt het verkrijgen van betere klantdata zodat je echt kunt achterhalen wat je klant wil en hem in plaats van op basis van een kanaal of een groot segment op persoonsniveau kan targeten en gerichte aanbiedingen kan doen.”

Laat direct concurreren uit je hoofd

Aangezien direct concurreren met Amazon vrijwel onmogelijk is, dien je het slim aan te pakken. Amazon mag dan een gigantisch marktaandeel hebben als het gaat om producten voor dagelijks gebruik, wat ze niet zo goed doen is het creëren van aantrekkelijke shopping experiences.

Een onderzoek van Wunderman Commerce onder ruim 3.500 online shoppers in de VS en Groot Brittannië kwam tot de conclusie dat 72 procent van de consumenten de voorkeur geeft aan retailers die innovatief zijn op digitaal gebied

Wanneer het om meer gaat dan alleen de laagste prijs, komen andere zaken om de hoek kijken. Handige bezorgopties bijvoorbeeld. Dit is waar het voor Amazon lastiger wordt om te concurreren. Ook hebben andere aanbieders wellicht aantrekkelijker loyaliteitsprogramma’s of een meer gespecialiseerd productaanbod. Het kan ook heel goed dat een klant op zoek is naar persoonlijke service of een bijzonder goede instore-experience. Dit is met name het geval wanneer het gaat om ‘niche’-producten waarbij consumenten een duidelijke voorkeur hebben voor design, materiaal, kwaliteit of merk. In al deze gevallen voldoet het Amazon-model niet.

8 manieren om een alternatief voor Amazon te worden

Als het gaat om maatwerk en personalisatie levert Amazon geen al te beste prestaties en gaan veel consumenten liever naar een gespecialiseerde aanbieder of een merkwebsite. Dit gegeven alleen al zorgt voor een enorme kans die merken en retailers kunnen benutten door moderne technologie in te zetten om buitengewone klantervaringen te creëren. 

1. Maak vinden en kopen makkelijker

De zoekbalk op je website mag dan slechts een kleine feature lijken, hij biedt een enorm potentieel om jezelf te onderscheiden. Zoek op Amazon maar eens naar een ‘zwarte laptop’. Je zult een nogal random aandoende productselectie te zien krijgen van laptoptassen, accu’s en hier en daar ook daadwerkelijk een laptop. 

Merken en retailers kunnen dit veel beter. Slimme, zelflerende zoekfuncties maken het gemakkelijk om een zoekervaring te creëren die relevante resultaten biedt. Klanten krijgen op die manier exact te zien waar ze naar op zoek zijn waardoor het kopen van een product minder tijdrovend wordt. In een tijd waarin een steeds groter percentage van de online shoppers gebruikmaakt van mobiele apparaten is dit aspect belangrijker dan ooit, aangezien mobiele gebruikers veel vaker dan desktop-users via de zoekfunctie door de site navigeren.

2. Gepersonaliseerd productaanbod: One size does not fit all

Iets anders waar Amazon niet geweldig op scoort is het cureren van de juiste content voor iedere individuele bezoeker. Dit biedt een geweldige kans voor anderen om zich te onderscheiden. Zelfs zonder dat een bezoeker is ingelogd kun je met behulp van zijn browsegedrag in combinatie met algemene consumententrends en real time bezoekersdata de gebruikerservaring verregaand personaliseren.

Stel je maar eens een bezoeker voor die op zoek is naar dameskleding. Tijdens zijn zoektocht heeft hij voornamelijk op blauwe producten geklikt en nu typt hij in het zoekveld ‘sweatshirts’. Wanneer je die informatie combineert is het niet meer dan logisch dat blauwe sweatshirts in de zoekresultaten bovenaan komen te staan. Dit type slimme personalisatie kan ook nog eens dynamisch worden toegepast. Laten we zeggen dat een ander familielid vervolgens dezelfde laptop gebruikt om online te shoppen. De behoeften en voorkeuren van die persoon zijn uiteraard anders en slimme algoritmes zullen dan ook in no time een ander browsegedrag herkennen en de content overeenkomstig aanpassen.

3. Gekoppelde, contextuele gebruikerservaringen

Amazon biedt een welhaast oneindige productcatalogus en een gigantische hoeveelheid user generated content in de vorm van reviews. Gaat het echter om het inspireren en informeren van zijn klanten, dan laat het bedrijf steken vallen. Contextuele content is simpelweg niet aanwezig. 

Vergelijk dat eens met de shopervaring op de website van de Amerikaanse outdoorketen REI. Productinformatie is daar bijna van ondergeschikt belang doordat die wordt ingebed in rijke content zoals video’s en informatieve blogposts. Deze gespecialiseerde retailer neemt bezoekers mee op een virtuele trip naar hun volgende reisbestemming en inspireert ze zo om plekken te bezoeken waar ze zelf nog nooit aan hadden gedacht. REI koppelt de online ervaring ook aan fysieke evenementen zoals workshops en trainingssessies.

Inspirerende ervaringen zoals deze zorgen voor loyale klanten die niet alleen maar producten kopen maar echt een band opbouwen met het merk.

4. Selecteer de juiste technologie

Een groot struikelblok waar de meerderheid van de merken en retailers tegenaan loopt, vormen hun legacy systemen en dan met name legacy e-commerce-platformen. Deze platformen werden ooit ontwikkeld om productoverzichten te genereren en betalingen te faciliteren, niet om tot de verbeelding sprekende experiences te creëren of de shopervaring te verrijken. Dit is inmiddels zo’n groot probleem geworden dat e-commerce-platforms met blik op de toekomst niet langer als het fundament van e-commerce worden gezien.

Bedrijven die zich willen onderscheiden door middel van hun customer experience ontkomen er niet aan om af te stappen hun legacy e-commerce-platform en in plaats daarvan een headless e-commerce-platform met daar bovenop een experience platform te implementeren. Een dergelijke setup stelt ze in staat om alle mogelijke soorten omnichannel experiences te creëren – niet alleen voor de kanalen die hun klanten vandaag de dag gebruiken, maar ook voor de kanalen die in de toekomst belangrijk worden, zoals voice en augmented reality.

5. Maak je klanten onderdeel van de community

In een wereld waarin bedrijfsmodellen constant veranderen, kiezen veel retailers inmiddels voor een strategie die minder op die van Amazon lijkt. Sommigen gaan ter bescherming van hun eigen merk zelfs zover de online gigant in zijn geheel de rug toe te keren. In plaats daarvan bieden ze unieke productlijnen aan en geven ze hun klanten het gevoel onderdeel te zijn van een gemeenschap. Ze creëren belangstelling en bouwen aan een community van mensen die weten waar ze voor specifieke producten terecht kunnen.

Ze maken efficiënt gebruik van bezoekers- en klantdata om zo een nauwkeurig beeld te vormen van interesses, behoeften en toekomstige klanteisen. Met behulp van deze gegevens presenteren ze relevante onderwerpen op hun website, laten ze mensen commentaar geven, met elkaar in gesprek gaan en dingen delen via social media. Al deze zaken zorgen voor betrokkenheid en loyaliteit richting het merk. Mensen kopen zo niet langer slechts een product – ze leren, nemen deel aan de conversatie en worden onderdeel van een ecosysteem.

6. Wees de expert

Het is onomstreden dat Amazon ervoor zorgt dat jij je bestelde product binnen no time in huis hebt. En mocht het bestelde niet helemaal aan de verwachtingen voldoen, dan is retourneren ook snel en eenvoudig geregeld. Maar wat als je Amazon bezoekt zonder een duidelijk idee te hebben van wat je wil kopen? Wanneer je niet precies weet waar je naar op zoek bent, word je door Amazon aan je lot overgelaten. Het bedrijf is er niet erg goed in om bezoekers de subtiele details uit te leggen van een productgroep of categorie waar ze nog niet bekend mee zijn.

“Waar Amazon zich voornamelijk op focust is het aankoopmoment en het after sales-proces”, zegt Jeff Adcock, Chief Revenue & Marketing Officer bij Needle, een bedrijf dat retailers en merken in contact brengt met productexperts en fans. Moderne technologie kan klanten helpen bij het maken van een keuze. Er kan een heel arsenaal aan nuttige tools beschikbaar worden gesteld, zoals reviews, aanbevelingen, digitaal advies, productvinders, live chat en zelfs social media. Door deze hulpmiddelen te integreren in je verkoopervaring zorg je ervoor dat je klant geen enkele reden meer heeft om ergens anders te winkelen.

7. Bezorg op een andere manier

Amazon heeft een efficiënt bezorgsysteem dat goed werkt, maar niet voor iedere klant. Sommige mensen zouden thuisbezorging binnen twee dagen liever inwisselen voor het op een afgesproken tijdstip op straat oppikken van hun pakket. Anderen prefereren de optie om hun producten in de winkel af te halen. In het meest ideale geval kun je als consument uit een veelheid van leveringsopties precies die optie kiezen die op dat moment het beste bij jou past.

Welke optie een klant ook kiest, de juiste uitvoering is cruciaal. Klanten verwachten ongeacht het kanaal een snelle levering. Aangezien minder dan de helft van de consumenten levering binnen drie dagen als snel beschouwt, is een sterke focus op de logistiek van je organisatie van ongekend groot belang. Wanneer een klant een product online met zijn smartphone bestelt, is dat product dan ook op voorraad wanneer hij het in de winkel komt afhalen? Bedrijven moeten dit soort vragen beantwoorden zodat klanten zich er geen zorgen over hoeven te maken. 

Als je backend-systemen eenmaal soepel lopen, is het ook belangrijk om goed en helder te communiceren. Wees duidelijk over wanneer en hoe een bestelling aankomt, voorzie de klant van een tijdlijn en houd je aan je beloften.

Online winkelen houdt nog altijd een zeker risico in. Bedrijven die in staat zijn om die angst voor het onbekende weg te nemen, kunnen zichzelf als een betrouwbare leverancier profileren. De technologie om zorgeloos online winkelen mogelijk te maken bestaat. Deze te gebruiken is de sleutel tot succes in de concurrentieslag met giganten als Amazon.

8. Verblijd je klanten 

Amazon doet een hoop dingen heel erg goed – niet voor niets hebben ze zich tot de mammoet van de e-commerce ontwikkeld. Het Amazon-model werkt dus maar vertoont ook een aantal serieuze tekortkomingen die de concurrentie kan uitbuiten. In een wereld van toenemende concurrentie en slimme technologie is het niet voldoende om je klanten simpelweg te bedienen. Je moet ze verblijden, voor ze zorgen en ze in loyale fans veranderen.

Dat betekent technologie gebruiken om overtuigende, naadloze experiences te creëren. Klanten willen relevante zoekresultaten, nuttig advies, contextuele ervaringen, efficiënte levering en communicatie die vertrouwen wekt. Dit zijn vandaag de dag de winnende factoren die door Amazon enigszins uit het oog zijn verloren. Merken en retailers kunnen in dit gat springen en hun kans grijpen. Met behulp van technologie kunnen de niet-Amazon spelers nieuwe opties, gepersonaliseerde ervaringen en zelfs een community-gevoel bieden. Op die manier is het zeker mogelijk om winst te halen uit de tekortkomingen van Amazon. Door dit te doen bied je niet alleen weerstand aan de concurrentie maar zou je zelfs weleens het tij kunnen keren.



Lees het volledige bericht op Emerce »

5 eenvoudige Google Store Visits analyses met grote impact op je omnichannelstrategie

Posted 16 sep 2019 — by Emerce
Category nieuws

De metrics Google Store visits geeft tegenwoordig inzicht in de kracht van je online marketing uitingen op winkelbezoeken en offline omzet. Dit is een essentiële stap binnen je omnichannel strategie. Meet je winkelbezoeken middels de conversie Store Visits? Dit zijn vijf analyses die je dan kunt maken.

Wanneer wordt de conversie ‘Winkelbezoek’ toegekend?

Een winkelbezoek wordt gemeten wanneer een gebruiker in Google op je advertentie klikt en vervolgens één van je fysieke winkellocaties bezoekt.

  • Google stelt automatisch een conversieperiode van dertig dagen in. Analyses over winkelbezoeken kun je dus beter doen over een periode van minimaal dertig dagen terug. De conversieperiode is zelf aan te passen binnen je Google Ads account. Hierover lees je later meer.
  • Winkelbezoeken worden via het last-click attributiemodel gemeten. Het winkelbezoek wordt dus toegekend aan de advertentie waar als laatst een interactie mee is geweest.
  • In het Zoeknetwerk wordt een winkelbezoek gemeten nadat iemand op een advertentie heeft geklikt.
  • Binnen Display en YouTube wordt een winkelbezoek gemeten nadat iemand een banner voor minimaal vijftg procent en minimaal 1 seconde heeft gezien en vervolgens een winkellocatie heeft bezocht.
  • Binnen Google Ads vallen Winkelbezoeken vallen onder de kolom ’’alle conversies’’. 
Hoe nauwkeurig worden de winkelbezoeken gemeten?

Google geeft aan 99 procent zeker te zijn of een klant daadwerkelijk de winkel heeft bezocht. Om winkelbezoeken te meten, wordt er gebruik gemaakt van GPS-locatiesignalen, Wi-Fi signalen, Bluetooth beacon signalen, locatie historiek, zoekopdrachten, lengte van het bezoek, IP-signalen, Google Maps navigatiedata, gebruikersgedrag en surveys.

Analyse 1: Wat is de gemiddelde winkelbezoek ratio en hoe presteren de marketingkanalen en campagnes?

We beginnen bij de basis. Het percentage winkelbezoeken is het percentage van jouw websitebezoekers dat binnen 30 dagen de fysieke winkel bezochten. Wat is het gemiddelde percentage winkelbezoeken over al je kanalen?

Zo ga je naar het rapport:
Google Analytics > Conversies > Overzicht > Percentage winkelbezoeken


Analyseer vanuit hier verder in het tabblad ‘Kanalen’ om per verkeerskanaal te achterhalen hoe het percentage winkelbezoeken hier verschilt. Duik nog dieper in de resultaten per campagne via een secundaire dimensie.

Stel jezelf de vragen:

  • Waarom ligt het percentage Winkelbezoeken bij kanaal A of campagne A veel lager of juist hoger? 
  • Is er in dit kanaal voldoende omnichannel gestoken of wordt er teveel gefocust op directe online opbrengst? 
Analyse 2: Hoe presteren de diverse targeting gebieden en winkellocaties? 

Er zijn twee rapporten die je kunt gebruiken bij je analyse op het gebied van targeting en locatie.

Rapport 1 – Afstand van winkel

Dit rapport laat zien hoe bezoekers die vlakbij je winkel zijn presteren ten opzichte van bezoekers die verder van je winkel zijn. Zowel offline als online kunnen met elkaar worden vergeleken. 

Je kunt ook filteren op campagnenaam. Sluit bijvoorbeeld je branded campagnes uit om te zien wat dit doet met je resultaten. Je zal zien dat het conversieratio op winkelbezoeken bij branded verkeer zeer hoog is omdat dit veel bezoekers zijn die tijdens de reis naar een fysieke winkel het adres nog even opzoeken.

Zo ga je naar dit rapport: Google Ads > Rapporten > Nieuwe aanmaken > Rij: Afstand van locatie-extensies > Kolom: Conversiebron, Alle conversies, Alle conversieratio, Alle conversiewaarde delen door kosten

Rapport 2 – Resultaten per winkellocatie

Naar welke winkellocaties worden de meeste winkelbezoeken vanuit het zoeknetwerk gestuurd? Je ziet hier ook meer data over hoe vaak een op locatie gebaseerde advertentie is weergegeven, hoe vaak er op ‘Bellen’ werd geklikt en het aantal dat een autoroute naar de winkel gebruikt.

Nadeel van dit rapport is dat er geen verhouding met kosten wordt gegeven en er beperkte kolommen vertoond kunnen worden.

Zo ga je naar dit rapport: Google Ads > Klik links een campagnetype aan > Locaties > Tabblad Geografisch Rapport > Rapport per winkel

Analyse 3: Wat zijn de geografische kenmerken van de winkelbezoeken?

Binnen dit rapport kun je kijken naar de leeftijd en het geslacht van je bezoekers in de fysieke winkels. Komt deze doelgroep overeen met de doelgroep die jij target binnen je advertenties en die je zou willen bereiken?


Zo ga je naar dit rapport: Google Ads > Rapporten > Filter op conversiebron Winkelbezoeken > Stel als kolom

Analyse 4: Wat is de conversieperiode van de winkelbezoeken?

Hoeveel dagen zitten er tussen het bekijken of aanklikken van de online advertenties totdat de bezoeker naar een fysieke winkel komt? Deze analyse binnen Google Ads kun je zelfs tot zoekwoordniveau segmenteren.

Van de online aankopen op je webshop ben je waarschijnlijk wel op de hoogte hoelang het duurt voordat een klant converteert, maar dit rapport laat zien hoeveel tijd er zit tussen het zien/klikken op een advertentie tot aan een winkelbezoek. 

In dit voorbeeld zien we dat negentig procent van de conversies plaatsvindt binnen zeven dagen. 

Zie je dat het overgrote deel van je conversies binnenkomt in een kortere periode dan dertig dagen? Je kunt de conversieperiode binnen je Google Ads account aanpassen. Let hierbij op dat je wel voldoende winkelbezoeken moet tracken wanneer je bijvoorbeeld één week als conversieperiode instelt.

Zo ga je naar dit rapport: Google Ads > Rapporten > Nieuwe aanmaken > Filter op conversiebron Winkelbezoeken > Stel als rij: Dagen tot conversie in > En als kolom: Alle conversies 

Analyse 5: Wat is het offline rendement van de online marketing activiteiten?

Wil je weten wat de verhouding kosten versus omzet is van je online advertenties op je offline resultaat? Deze kun je berekenen wanneer je het conversieratio in de winkels én de gemiddelde bestelwaarde van een bezoeker in de winkel weet. Bekijk hieronder het rekenmodel.

Naast offline rendement kun je natuurlijk ook het totaalrendement over on- en offline berekenen en naar het offline rendement per marketingcampagne kijken. Je zal zien dat dit jou en je team een heel ander beeld zal geven over de inzet en resultaten van bepaalde campagnes die je mogelijk eerder enkel op online resultaat hebt afgerekend.

Ten slotte

Wil je jouw omnichannel strategie bepalen of naar een hoger plan brengen, dan moet je onvermijdelijk aan de slag met het meten en analyseren van winkelbezoeken. Wil je een stap verder, dan ga je aan de slag met Store Sales. 

Naast deze analyses kun je vanuit Google Ads en Google Analytics rapporten nog veel meer analyses rondom winkelbezoeken maken:

  • Kijk naar de resultaten van winkelbezoeken per apparaat
  • Duik dieper in campagnetypes en campagnes
  • Maak analyses waarbij je branded verkeer eruit filtert, omdat store sales momenteel alleen op basis van een last click attributiemodel meet.
  • Alle rapporten zijn te exporteren en in Excel verder te bewerken om de resultaten visueel beter te kunnen presenteren.



Lees het volledige bericht op Emerce »

Fraude via nepklantenservice neemt toe

Posted 16 sep 2019 — by Emerce
Category nieuws

De Fraudehelpdesk constateert dat steeds meer Nederlanders slachtoffer worden van nepklantenservicesites. Het is een variant van de helpdeskfraude, waarbij consumenten worden gebeld door helpdeskmedewerkers van bijvoorbeeld Microsoft en beweren dat er een probleem is met de computer. Het verschil is dat consumenten de bedrijven zelf bellen.

Om het probleem op te lossen, vertellen de veelal Engels sprekende klantenservicemedewerkers dat ze wel even moeten mee kijken op het computerscherm. Slachtoffers worden naar een betaalpagina geleid en via slimme manipulatie zijn ze vervolgens een paar honderd euro kwijt.

Websites als klantenservicetelefoonnummernl.com claimen de helpdesk te zijn van vele grote bedrijven waaronder Gmail, Hotmail, HP, Dell en Amazon. Sommige van deze bedrijven (Gmail, Hotmail) hebben geen telefonische helpdesk. De neppe helpdesksites staan hoog in de zoekresultaten van Google.

Het Landelijke Meldpunt Internetoplichting (LMIO) waarschuwde enkele jaren geleden al voor de klantenservicetelefoonnummernl.com, maar die is nog steeds in de lucht. Het nagenoeg identieke klantenservicenederland.nl werd wel uit de lucht gehaald, maar is terug in de Duitse taal. Ook andere sites waarvoor LMIO waarschuwde zijn nog steeds in de lucht.

Ook nog altijd actief (dankzij domeinverkoper Go Daddy) gmailklantenservice.nl, nortonklantenservicenederland.nl, mcafeeklantenservicenederland.nl en avastklantenservicenederland.nl

Foto Pixabay



Lees het volledige bericht op Emerce »

Bol.com optimaliseert conversie met slimme aanbevelingssystemen

Posted 16 sep 2019 — by Emerce
Category nieuws

Het zelflerende systeem achter het platform bol.com doet elke seconde zo’n 200 tot 500 aanbevelingen. Die voorspellingen moeten zo relevant en persoonlijk mogelijk zijn voor de ruim tien miljoen klanten. Dit zijn de inzichten uit tien jaar AI-ontwikkeling.

Machine learning en data science zorgen ervoor dat e-commerce steeds persoonlijker en relevanter wordt voor winkelende klanten. Bol.com zet bijvoorbeeld zelflerende systemen in op gebied van customer support, marketingcampagnes en chatbots. De systemen spelen ook een essentiële rol in de aanbevelingen die het platform doet aan bezoekers.

Steeds hogere verwachtingen van aanbevelingen

De verwachtingen van klanten op gebied van personalisatie en relevante content worden steeds hoger. Als data scientist schep ik de kaders waarbinnen de systemen leren wat wel en niet relevant is voor de bezoeker. De AI bepaalt dan welke condities relevant zijn om het beste product voor een klant te vinden. Zo kan prijs een rol spelen, maar kan het systeem ook meer gewicht hangen aan levertijd, reviews of de productbeschrijving als dat voor het specifieke product een belangrijke verkoopfactor blijkt. 

De homepage is een belangrijke ingang voor ons platform. Zodra bezoekers daar binnenkomen, proberen we te voorspellen wat voor hen relevant is. Dat doen we op basis van het assortiment dat op dat moment actueel of erg gewild is (denk aan ventilatoren of waterpistolen als het meer dan dertig graden is) en op basis van eerder kijk-, zoek- en koopgedag.

Inmiddels kan het systeem binnen een paar minuten een trendbreuk voorspellen en inspelen op veranderingen in de markt. Wanneer bijvoorbeeld bij De Wereld Draait Door een boek besproken wordt, wordt dat vaker bekeken en besteld. Het systeem zal het dan bijna direct aanbevelen als veelgekozen item.

Experimenteren en testen

Bol.com test niet alleen welk product ze het beste in haar aanbevelingen kan laten zien, maar bijvoorbeeld ook welke vormgeving en titel goed werken. Op dit moment onderzoekt het bedrijf hoe ze het ‘Dit zijn hardlopers’-slot op de homepage nog relevanter kan maken. Uit A/B-tests blijkt bijvoorbeeld dat de titel van de sectie met aanbevelingen een grote impact heeft op de conversie. En uit experimenten blijkt dat grotere afbeeldingen ook een verbetering opleveren.

Ook deden we een experiment rondom de impact van snelheid op de conversie. Het gaat dan om de tijd die nodig is om tot de juiste voorspelling te komen, zodat het systeem weet welke producten als aanbevelingen worden getoond. Toen we deze voorspellingstijd terug wisten te brengen van 32 naar vijftien milliseconden, bleek dit onverwachts veel impact te hebben: de conversie ging omhoog. Het gaat maar om milliseconden, maar toch was het verschil duidelijk meetbaar.

Aanbevelingen voor e-commerce complexer dan voor Netflix

Aanbevelingen voor e-commerce zijn totaal anders dan bij bijvoorbeeld streamingdiensten als Netflix of Videoland. Waar je bij Netflix die éne specifieke film uitkiest, heb je bij bol.com bijvoorbeeld duizend verschillende varianten van een USB-stick. We willen het product dicht bij de klant brengen. Mensen verwachten dat ook steeds meer. We begeleiden klanten dus in de keuze, in plaats van dat we hen duizend producten voorschotelen.

De zelflerende systemen combineren de kennis over de klant met signalen als de titel of beschrijving van het product, de levertijd, hoe vaak het bekeken of verkocht wordt, hoe vaak het terugkomt en hoe het beoordeeld wordt. Het systeem selecteert daarin zelf welke paramaters zwaarder wegen dan anderen. Zo toont het binnen milliseconden de voor jou relevantste USB-stick eerst.

Geleerd uit tien jaar ervaring

Aanbevelingen zijn onmisbaar bij keuzestress. Als je maar vijf producten verkoopt, is de noodzaak vrij klein om aanbevelingen te tonen. Maar als een retailer meer dan twintig miljoen producten aanbiedt, kun je niet zomaar een handjevol producten tonen. Welke kies je dan? Om het rendement van je aanbevelingen te maximaliseren, zet je slimme systemen in.

Bol.com begon bijna tien jaar geleden met zelflerende systemen. Kersbergen raadt retailers die er nu mee willen beginnen aan om je oplossing direct schaalbaar te maken. Dat opschalen gebeurde bij bol.com oorspronkelijk nog handmatig. De slimme systemen kunnen inmiddels echter zelf opschalen waar nodig. De infrastructuur kan zichzelf upgraden. Het systeem bepaalt zelf hoeveel machines er op elk moment uitgerold worden om ook op piekmomenten voorspellingen te blijven doen. Dat doen de systemen in alle lagen van onze infrastructuur. Wij als data scientists bepalen de kaders, maar daarnaast komt er geen mens meer aan te pas.

Als er één ding een significant effect heeft op de conversie, waar ook andere retailers hun lering uit kunnen trekken, dan is het wel de snelheid waarmee je aanbevelingen kunt doen. Bij het eerdere voorbeeld zag je al dat de snelheid van aanbevelingen, zelfs als het om een verbetering gaat die voor de mens niet bewust waarneembaar is, toch een significant effect heeft. Je kunt die milliseconden eigenlijk uitdrukken in euro’s. Aanbevelingen zijn de eerste schakel in de keten van een website. Die worden verrijkt met afbeeldingen, titels en teksten.

Hoe sneller de aanbeveling er is, hoe sneller de hele website werkt. Ook essentieel is het continu verversen van input waarop de voorspellingen gebaseerd zijn. Het is belangrijk om ook de laatste signalen mee te nemen. Neem direct clicks en sales op in een voorspelling. Voed het systeem continu met nieuwe informatie. Doe dit niet in batches, maar zorg voor streaming data. Zo blijf je het relevantst. En blijf experimenteren. De kleinste details kunnen onverwachts veel impact hebben.



Lees het volledige bericht op Emerce »

Machine learning is mensenwerk

Posted 16 sep 2019 — by Emerce
Category nieuws

Alle slimme huidige technologie ten spijt, we zijn vaak helemaal nog niet zover als we denken. Zeker niet als je het vergelijkt met wat er in de afgelopen decennia werd bedacht, voorspeld en verwacht. Hooverboard? Niet echt. Zelfrijdende auto? Mwah. Autonoom opererende, zelflerende computersystemen? Op één hand te tellen.

Maar alles wat nu bedacht en gemaakt wordt is toch gedreven door ‘machine learning’? Superintelligente programma’s die zichzelf steeds slimmer maken? Je zou het denken. De werkelijkheid ligt anders. Voorlopig is en blijft het vooral: de machine dingen leren, en niet zozeer dat de machine uit zichzelf iets leert. En dat leren, dat doen we zelf – mensenwerk dus.

Praktijk of theorie? 

Machine learning (ook wel: automatisch leren of machinaal leren) is de wetenschappelijke studie naar algoritmen en statistische modellen die computersystemen gebruiken om een specifieke taak uit te voeren zonder expliciete instructies, maar in plaats daarvan vertrouwend op patronen en gevolgtrekking. Het is een vorm van kunstmatige intelligentie (AI). Zo, keurig vertaald vanuit Wikipedia. Maar wacht, een studie! Betekent dat dan dat het nog niet in de praktijk wordt toegepast? Nauwelijks voor te stellen. 

Vijf methodes

Verder de diepte in. De methodes waarop machine learning gebeurt zijn te verdelen in twee groepen: aanleidinggevend en deductief. De eerste creëert computerprogramma’s door het vormen van regels of het extraheren van patronen uit data. De tweede heeft als resultaat: functies die net zo generiek zijn als de invoerdata. Volg je het nog? Ik amper.

Nog even volhouden. Er zijn vijf soorten methodes voor machinaal leren: gecontroleerd leren (het algoritme krijgt voorbeelden van invoer en bijbehorende uitvoer), ongecontroleerd leren (geen voorbeelden van de gewenste uitvoer), semi-gecontroleerd leren (een combinatie), ondersteund leren (het algoritme leert gedrag in relatie tot zijn wereld en past zichzelf aan op basis van succes) en transductieleren (zeldzame methodiek waarbij geen generieke regels, maar datuminstanties worden voorspeld).

Deep learning

Boven machine learning hangt deep learning. Een grotere familie van methodes gebaseerd op kunstmatige neurale netwerken. Deep learning zie je terug bij bijvoorbeeld beeld-, spraak en audioherkenning, bij het filteren van sociale netwerken, taalverwerking en vertalen, bioinformatica, de samenstelling van medicijnen, en bordspelprogramma’s. Daarmee worden resultaten behaald die vergelijkbaar zijn met die van menselijke specialisten, en soms zelfs beter. Misschien bedoelen we dit wel met wat we nu vaak machine learning noemen.

Want voorbeelden van machine learning – het volledig autonoom zelflerend zijn van een computergegenereerd systeem – zijn op één hand te tellen. Een senior developer van een tech-agency tipte mij Alpha Go gemaakt door Google Deepmind, een computerprogramma dat het eeuwenoude oost-Aziatische bordspel Go tot in de puntjes beheerst. Niet alleen het eerste dat (in 2016) de beste professionele Go-spelers ter wereld met groot gemak wist te verslaan, maar na afloop ook nog eens zelfstandig weet te beoordelen hoe goed het dat deed. In oktober 2017 werd AlphaGo Zero geïntroduceerd, een versie gemaakt zonder gegevens uit menselijke games te gebruiken, en die sterker is dan elke eerdere versie. Zero leerde zichzelf in drie dagen Go spelen op bovenmenselijk niveau. Wow. Maar dit is een uitzondering. Zelflerend, of machine learning, lijkt vooral een hypeterm. 

Techliefhebbers onderschatten de mens

Hoe dat komt? Omdat alles en iedereen zichzelf technologie als wondermiddel toeëigent. Bijvoorbeeld: ‘We zijn geen bank, we zijn een techbedrijf.’ Wat ze eigenlijk zeggen is: we zijn tech-driven. En dat is altijd al zo geweest, in alle revoluties die onze geschiedenis gekend heeft. Alle tech is ooit bedacht en ingezet om mensenwerk makkelijker te maken. Om dingen voor elkaar te krijgen die anders langer duurden, te zwaar waren of misschien zelfs onmogelijk. Dat begon in principe al met het gebruiken van een scherp stuk steen als gereedschap in de oertijd. Low-tech – sinds de industriële revolutie spreken we van hightech.

Wat we nu doen is automatiseren nieuwe stijl. Met als belangrijk verschil dat nu de gehele keten geautomatiseerd wordt, waarbij ook de eindgebruiker er onderdeel van uitmaakt. 

Wat nu de grootste onderscheidende factor is, is de mens. Zijn empathie en creativiteit. Techliefhebbers onderschatten de mens – hoe het menselijk brein werkt. Dat is zo precies, zo onvoorspelbaar, zo complex. Al die opties en emoties die per seconde door onze hersenen schieten, waardoor je bijvoorbeeld de ene keer op eenzelfde gegeven anders reageert dan de andere keer. Dat maakt ons brein uniek en zo lastig door een computer na te bootsen of te kopiëren. Laat staan volautomatisch, zonder tussenkomst, feedback of input van de mens zelf. 

tientallen e-mails tegelijkertijd

Een mooi praktijkvoorbeeld is Michiel, de AI-reserveringsmedewerker van Postillion Hotels. Deze e-mailbot ‘on steroids’ verwerkt moeiteloos tientallen e-mails tegelijkertijd en levert complexe offertes binnen no-time op. Hij slaapt niet, is nooit ziek, kent geen werkdruk, werkt zelfstandig en kan heel goed multitasken. Heeft hij dat zichzelf allemaal aangeleerd? Nope. Daar is een heel team aan mensen maandenlang fulltime mee bezig geweest.

Annotator, is de officiële naam van hun functie. Dit team annoteert e-mails. Veel e-mails, tienduizenden. Want de olie om de motor te laten draaien is data. Olie die je wel eerst moet raffineren. Anders kun je er niets mee. Data moet namelijk passen in het model.

Dat raffineren is dus het annoteren oftewel taggen van de e-mails, wat het team doet met de tool Tagtog. Vandaar de bijnaam: tagteam. Ze verwerken hierbij real-life data. Concrete e-mails uit de periode 2013-2019 in dit geval.

Door onderdelen van die e-mails te taggen heeft Michiel uiteindelijk 35 entities leren herkennen, denk aan: naam, begindatum, einddatum, aantal personen, et cetera. Named Entity Recognition (NER) noemen we dat. Michiel maakte hierbij zowel gebruik van supervised learning (‘gecontroleerd leren’) als unsupervised learning (‘ongecontroleerd leren’) – zie ‘Vijf methodes’. 

Geen stompzinnig werk

Dat annoteren is intensief, repeterend werk. En nee, dat is geen stompzinnig werk. Sterker nog, het vergt intellectuele capaciteiten op universitair niveau. Je moet het maar kunnen. Annotators worden geselecteerd op zelfstandigheid en verantwoordelijkheidsgevoel. Het team werkt cloudbased, dus iedereen kan overal en altijd bij en ze leren veel van elkaar. Twintig tot dertig procent van alle input wordt door een derde persoon gecontroleerd, bij wijze van tiebreaker. Waarom? Mensen interpreteren dezelfde dingen soms anders – zo wispelturig is ons brein wel (en daarom zo lastig te kopiëren).  

Om het succes van Michiels opleiding te meten, zijn er scores aan gekoppeld. Zo is er bijvoorbeeld de F1-score. Hiermee wordt gemeten hoe accuraat een test is bij statistische analyse van binaire classificatie. In meer begrijpelijke woorden: een score die een balans aangeeft tussen de kans dat als Michiel zegt dat iets X is, dat daadwerkelijk zo is (precision) en de kans dat van alle X-en die er zijn, Michiel dit percentage X-en ook daadwerkelijk vindt (recall). Op één van de twee een 100 procent score halen is relatief eenvoudig, maar de balans tussen de twee is belangrijk. De F1-score is een manier om deze twee scores in een optimale balans te krijgen.

Vier zaken van levensbelang

Een groot verschil met de meeste andere AI-toepassingen, zo ving ik op, Michiel is een volledig product dat onderdeel is van een totale applicatie. En niet een model dat nooit live gaat doordat met de resultaten van het model (in een productieomgeving) niet iets nuttigs gedaan kan worden, zoals nu vaak gebeurt. Omdat Michiel een totaalapplicatie is kunnen de voorspellingen van het model daadwerkelijk gebruikt worden.

In vogelvlucht zijn de volgende vier zaken van levensbelang:

  • data-analyse: de voorbereidingen voor het “raffineren”
  • voldoende data: en voldoende betekent ook écht veel (zie eerder)
  • kennis om mensen te trainen: voor het optimaliseren van het taggen (zowel kwalitatief als kwantitatief)
  • budget voor rapportage: geen machine learning-algoritme zal ooit 100 procent halen, dus moet je goede afspraken maken over wat je wilt bereiken en hoe je daar op gaat rapporteren (en daar dus ook budget voor reserveren).

Dat is in dit geval gelukt. Michiel is inmiddels uitgegroeid tot een succescase, de makers wonnen er zilver mee tijdens de Dutch Interactive Awards 2019.

Conclusie

Er zijn dus vragen waarop Michiel (nu nog) geen antwoord heeft. Maar die herként hij wel, omdat hij er op getraind is. Komt er zo’n vraag voorbij, dan schakelt hij een medewerker van vlees en bloed in. Want er blijft hoe dan ook altijd een specialistenteam naast Michiel actief. Ook bij het trainen van de machine zie je dat terug, de allerbeste medewerker van het tagteam blijft aan om bepaalde, specialistische input te geven en Michiel verder te leren. Dus nee, dat doet hij nog steeds niet zelf.

Mogen we dan voorzichtig de volgende conclusie trekken? De essentie en het doel van machine learning is: meer doen met minder mensen, maar niet zónder mensen. En bovendien hen minder saai werk geven door ze juist de interessante vragen te geven, precies die waar empathie en creativiteit maximale meerwaarde bieden voor de klant. Daarmee maken we als mensen het verschil. Voorlopig… 



Lees het volledige bericht op Emerce »