Artificial Intelligence voor duurzame én winstgevende retail

Het aantal consumenten met oog voor duurzaamheid wordt steeds groter. Bijna 50 procent zegt duurzaamheid belangrijk te vinden bij het kiezen van een nieuw product. Voorop lopen de millennials, waarvan 73 procent de voorkeur geeft aan duurzame merken en regelmatig checkt hoe producten worden gemaakt. Door deze ontwikkelingen komt er voor retailers een strategische prioriteit bij. Duurzaamheid staat dan ook steeds vaker naast groei, verkoopvolumes en lagere kosten op de agenda van de c-suite en onderliggende managementlagen. Met AI hebben zij een uitermate krachtige technologie in handen om de verschillende ambities te realiseren. Daarbij hoeft duurzaamheid niet ten koste te gaan van de winstgevendheid.

Een goed voorbeeld van die win-win, waarbij AI zowel bijdraagt aan zwarte cijfers als aan groene ambities, is het verminderen van verspilling. Met predictive analytics en Azure Machine Learning kunnen retailers de benodigde voorraad per locatie beter inschatten. Door daarbij verschillende interne en externe databronnen te combineren, wordt er rekening gehouden met fluctuaties in vraag en aanbod. Denk hierbij aan de invloed van seizoenen, acties, trends en feestdagen op de vraag naar een product. Doordat het systeem continu leert, sluit de aanwezige voorraad steeds beter aan op de vraag. Zo wordt de hoeveelheid weggegooide producten minder en ook het aantal ritten door onnodige distributie geminimaliseerd. Bij artikelen met een korte houdbaarheid verkleint dit zowel het risico dat de voorraad op raakt – wat zorgt voor een slechte customer experience – als ook dat artikelen moeten worden weggegooid.

In het verlengde van mogelijke verspilling ligt het beter inschatten van het wel of niet aanslaan van nieuwe producten bij de consument. AI is in staat inzicht te geven in trends en te voorspellen welke producten beantwoorden aan de wensen van de klant. Het gevaar hiervan is wel dat het merken nog beter in staat stelt te anticiperen op fast-fashion, wat een duurzaam opererende retailer juist niet wil. Maar verstandig ingezet, leidt AI tot producten die beter passen bij de klant, waardoor er minder verspilling optreedt.

Ook in het verlagen van retourneringen worden met AI grote stappen gezet. Zo geeft het steeds beter inzicht in retourtriggers. Bijvoorbeeld dat consumenten producten minder snel terugsturen als ze deze binnen twee dagen in huis hebben. Hetzelfde geldt voor het bestellen van verschillende producten. Komen die verspreid over de week binnen, dan is de kans groter dat een gedeelte daarvan wordt geretourneerd. In praktijk is dit vaak een uitdaging en is het of wachten met verzenden totdat de order compleet is, of de producten toch maar separaat versturen. AI lost dit probleem op door beter te voorspellen wat klanten kopen en welke producten waarschijnlijk worden gecombineerd.

Daarnaast helpt AI bij het adviseren van consumenten, zodat zij beter kunnen beslissen. Onjuiste maatvoering en mismatches op het gebied van kwaliteit en kleur zijn de grootste veroorzakers van retourzendingen. Een betrouwbaar advies vermindert het aantal retourneringen sterk. Ook voorkomt het dat consumenten meerdere producten bestellen om ervoor te zorgen dat ten minste één variant voldoet aan de verwachtingen om de rest te retourneren (trial-and-error). Door de bezoeker een aantal vragen te stellen over lengte, gewicht en lichaamsbouw in combinatie met bestaande klantdata (succesvolle orders vs. retourneringen) worden klanten met hetzelfde profiel beter geadviseerd. Ook Computer Vision biedt uitkomst door de maat of kleur van twee verschillende producten te kunnen analyseren. Via een foto van hun favoriete kledingstuk krijgen bezoekers een advies krijgen over vergelijkbare nieuwe kleding.