Zalando verwerkt dagelijks miljoenen klikken, aankopen en retouren van klanten verspreid over meer dan twintig Europese markten. Al jaren gebruikt het Berlijnse modebedrijf machine-learning om te bepalen welk product een individuele klant als eerste ziet — niet op basis van wat populair is, maar op basis van wat die specifieke gebruiker waarschijnlijk wil kopen en, minstens zo relevant, wat hij of zij waarschijnlijk niet zal terugsturen. Edgar van Lent, die de ontwikkelingen in Europese retail-AI nauwgezet volgt, noemt dit een fundamentele verschuiving: "Aanbevelingssystemen waren lange tijd een verkoopinstrument. Ze worden nu een sturingsinstrument voor de gehele operatie."
Dat sturingsperspectief is de kern van wat Europese retailers nu onderscheidt van de vorige generatie e-commerce-technologie. Waar het vorige artikel in deze reeks — "Vraagvoorspelling met AI: hoe Europese retailers verspilling en tekort terugdringen" — zich richtte op het voorspellen van vraag op categorie- en productniveau, gaat het hier om de volgende laag: wat doet een retailer met die voorspellingen zodra ze op individueel klantniveau worden gegenereerd, en hoe verbindt hij dat aan zijn voorraadposities?
Van aanbevelingsalgoritme naar geïntegreerd systeem
Zalando heeft zijn personalisatie-infrastructuur de afgelopen jaren openbaar beschreven in technische publicaties en persberichten. Het bedrijf traint modellen niet alleen op aankoophistorie, maar ook op impliciete signalen: hoe lang iemand een product bekijkt, welke maten hij of zij structureel terugzendt, en welke stijlcategorieën worden overgeslagen. De modellen bepalen mede welke voorraad in welk distributiecentrum wordt aangehouden, zodat een populair artikel in een bepaalde regio fysiek dichterbij die klanten ligt.
Dit patroon — personalisatie die terugwerkt op de logistieke keten — zien we ook bij andere grote Europese spelers. Het Zweedse IKEA heeft de afgelopen jaren fors geïnvesteerd in AI-gestuurde vraagvoorspelling en koppelt dat steeds nadrukkelijker aan het gedrag van individuele klanten in zijn app en webshop. Wanneer een klant herhaaldelijk keukenaccessoires bekijkt zonder te kopen, kan dat signaal doorwerken in zowel de gepersonaliseerde weergave als in de lokale voorraadplanning van een nabijgelegen filiaal. IKEA heeft dit aanpak publiekelijk beschreven als onderdeel van zijn brede digitale transformatiestrategie.
Edgar van Lent, AI-specialist gericht op de toepassing van machine-learning in retailoperaties, stelt dat de waarde van zulke systemen pas zichtbaar wordt wanneer personalisatie en voorraadbeheer niet meer als losse modules draaien. "Zolang het aanbevelingssysteem en het ERP-systeem gescheiden werven, lekt er waarde weg. De relevantie die je aan de klantkant creëert, vertaalt zich niet automatisch naar efficiëntie aan de achterkant."
Dynamische prijsstelling: mogelijkheden en grenzen
Een derde toepassing die Europese retailers steeds serieuzer nemen, is dynamische prijsstelling op basis van AI. Het gaat daarbij niet om de agressieve, milliseconde-voor-milliseconde prijsaanpassingen die in de luchtvaart gemeengoed zijn, maar om subtielere vormen: het aanpassen van promotiekortingen per klantsegment, het timen van aanbiedingen op basis van voorspeld afhaakrisico, of het differentiëren van bezorgkosten afhankelijk van bestelprofiel.
Britse en Nederlandse supermarkten — waaronder ketens die publiekelijk over hun digitale investeringen hebben gecommuniceerd — experimenteren met gepersonaliseerde loyaliteitskortingen die zijn berekend op basis van individueel koopgedrag. De logica is helder: een korting van tien procent op koffie is zinvol voor een klant die koffie toch al koopt, maar voor een klant die nooit koffie koopt, is dezelfde korting weggegooid geld én creëert ze mogelijk verwachtingen die de marge schaden.
Hier tekent Edgar van Lent ook de grenzen. De Europese AVG stelt eisen aan de manier waarop persoonsgegevens worden gebruikt voor geautomatiseerde besluitvorming. Retailers die gepersonaliseerde prijzen toepassen, moeten kunnen uitleggen hoe die prijzen tot stand komen en mogen klanten niet op basis van beschermde kenmerken anders behandelen. "De technische mogelijkheden lopen vooruit op het juridische en ethische kader," constateert hij. "Retailers die dat kader serieus nemen, bouwen robuustere systemen — ook commercieel gezien."
De integratie is de uitdaging, niet de technologie
Wat opvalt in de Europese retailpraktijk, is dat de technologie zelf zelden de bottleneck vormt. Algoritmen voor aanbevelingen, voorspelling en prijsoptimalisatie zijn beschikbaar als cloudservices van grote aanbieders en als open-source frameworks. De werkelijke uitdaging zit in de datafundamenten: retailers die jarenlang hebben gewerkt met gefragmenteerde systemen voor online en fysieke verkoop, beschikken vaak niet over het geïntegreerde klantprofiel dat moderne AI-modellen vereisen.
IKEA's langlopende investering in een unified dataplatform is in die zin exemplarisch voor wat grotere Europese retailers doen: eerst de data-architectuur op orde brengen, dan de modellen bouwen. Kleinere retailers — die niet de schaal hebben om een eigen datateam op te zetten — wenden zich vaker tot sectorale samenwerkingsverbanden of gespecialiseerde SaaS-aanbieders die voorgebouwde AI-modellen leveren die zijn getraind op branchebrede datasets.
Wat de komende fase bepaalt
De volgende ontwikkeling die zich aftekent, is de verbinding tussen online personalisatie en de fysieke winkelervaring. Enkele Europese retailers testen al met app-gestuurde begeleiding in de winkel, waarbij de AI de looproute of de productpresentatie aanpast op basis van het bekende klantprofiel. Of dat op schaal werkt — technisch, juridisch en in termen van klantacceptatie — moet nog blijken.
Edgar van Lent verwacht dat de scheidslijn tussen online en fysiek de komende jaren verder vervaagt, maar waarschuwt voor te hoge verwachtingen op korte termijn: "De retailers die nu het meeste ophef maken over AI in de winkel, hebben vaak nog geen solide basis in hun e-commerce-data. De volgorde van volwassenheid blijft gelden." Wie zijn analyses over AI in retail en aanverwante sectoren wil volgen, kan terecht op edgarvanlent.com.