078-2034021 [email protected]

In een artikel op Computable worden de klantverwachtingen per generatie uiteengezet. Omdat elke generatie zijn eigen verwachtingen heeft, is iets als een goede of slechte klantervaring natuurlijk bijzonder subjectief. Het kan zodoende lonen om de verschillende generaties op verschillende manieren aan te spreken.

AI als onderdeel van de winkelervaring

In dit artikel koppelen we de verschillende klantverwachtingen aan de inzet van Artificial Intelligence (AI). Hoe kunnen we AI inzetten om de verschillende generaties aan te spreken? We zetten hieronder hun klantverwachtingen en de bijbehorende AI-oplossingen op een rijtje.

Meer informatie over de manieren waarop merken AI kunnen inzetten.

Tekst gaat verder onder de afbeelding.

kleding rek winkel shoppen

Persoonlijke service 

Babyboomers en Gen X hebben vaak nog behoefte aan persoonlijke (klanten)service. Ze verwachten goed geïnformeerde, persoonlijke hulp. Hun ervaring in de fysieke winkel en/of met de medewerkers kan hun loyaliteit maken of breken. Gelukkig kan AI ook hierin een rol spelen! Denk maar eens aan het waarborgen van de beschikbaarheid van winkelvoorraden. Met AI kan een retailer daarnaast ook in de gaten houden welke producten goed verkopen. Of neem een Computer Vision-oplossing die klantgedrag monitort, zodat bepaalt kan worden waar artikelen het beste neergezet kunnen worden.

Gepersonaliseerde aanbevelingen

Ook de Millennials verwachten een gepersonaliseerde winkelervaring. Zij hebben daar echter ook online behoefte aan! Millennials winkelen ook vaak via hun telefoon of computer. Artificial Intelligence kan daarbij bijvoorbeeld ingezet worden voor aanbevelingen. De algoritmes weten waar je naar op zoek bent, nog voordat je het hebt kunnen aanklikken. Dat werkt op basis van segmentatie, oftewel: groeperen op basis van interesses, demografische gegevens en koopgewoonten. Denk maar eens aan de secties ‘vergelijkbare items’, die je op veel websites terugvindt. Ook zie je steeds vaker dat klanten artikelen kunnen identificeren op basis van foto’s die ze maken. Dit is eveneens een goed voorbeeld van een AI-oplossing die retailers helpt te begrijpen wat hun klanten willen, zodat ze hun klantervaring kunnen verbeteren.

Meer informatie over klantinteracties op basis van AI.

Prescriptive analytics

En dan nog de jongere generaties: Gen Z en Gen AI. Voor deze generaties geldt dat ze vaak controleren of items op voorraad zijn voordat ze naar de winkel gaan. In tegenstelling tot wat veel retailers denken, bezoeken zij namelijk wel degelijk nog fysieke shops. Zoals eerder al uitgelegd kan AI het beheren van voorraad automatiseren. We noemen in dit kader ook prescriptive analytics. Dit gaat nog verder dan enkel voorspellen van voorraad, maar ook het voorschrijven van acties. Voorgeschreven analyse gebruikt data om een actie of strategie voor te stellen.

Middels deze analyses kunnen we de waarschijnlijkheid van verschillende uitkomsten simuleren en de waarschijnlijkheid van elk resultaat laten zien, zodat organisaties het risico en de onzekerheid waarmee ze worden geconfronteerd beter kunnen begrijpen. Aangezien een voorgeschreven model in staat is om de mogelijke gevolgen op basis van een andere actie te voorspellen, kan het ook de beste manier van handelen aanbevelen voor een vooraf gespecificeerde uitkomst.

Mogelijk hebben leden van Gen AI ook minder moeite met AI-technologie als gezichtsherkenning, die je bijvoorbeeld specifieke cosmetica kan aanbevelen.

Meer lezen over dit onderwerp?

Misschien vind je deze artikelen ook interessant:

De staat van de Internet of Things-markt (in de nabije toekomst)
Slimme ventilatie in de strijd tegen het coronavirus
Belangrijke uitdagingen in het tijdperk van Big Data
Predictive maintenance nog weinig gebruikt in maakindustrie

Share This