Vi køber i større omfang ind online, og når vi bliver anbefalet relaterede produkter ved onlinekøb, sker det gennem et stykke software, der kaldes en ’recommendations engine’. Danske Raptor Smart Advisor er sådan et stykke software – og de gør det godt og bliver eksporteret. Halvdelen af omsætningen er allerede udenlandsk.


Artiklen er fra den nye bog Total [email protected].

I dag er sidste chance for at spare 10 procent, som du får ved at forudbestille Total [email protected], før den udkommer den 1. maj 2018. Få fat i den nye bog her.


Den gode ekspedient er på vej retur, for færre og færre ejer deres egen butik og arbejder med det samme sortiment og fagområde hele livet. Den gode ekspedient har styr på at kommunikere relevant, men alle der køber online har oplevet at få præsenteret tilbud, der er absolut irrelevante. Intet er vigtigere end relevans i online-kunderejsen, for forbrugerne giver op, når indholdet ikke passer til forventningerne.

Produktanbefalinger erstatter den personlige betjening, når der købes online.
Onlinesalg giver et mere unikt fingeraftryk, og med en god recommendations engine kan detail-handel på nettet ske med meget høj relevans. Det er eksempelvis afgørende, at et byggemarked ikke forsøger at sælge en græsslåmaskine til kvinden, der bor i en toværelseslejlighed.

På samme måde skal onlinebutikken sikre, at serviceniveauet er højt, når det gælder produktkombinationer. Hvis kvinden fra lejligheden er på jagt efter maling, er det ikke sikkert, at hun husker en rørepind, malertape og afdækningsplast. Det skal produktanbefalinger hjælpe hende med. De gode anbefalinger vil så øge den gennemsnitlige ordrestørrelse, og det er både godt for onlinebutikken, men også for kunden. Hun husker jo at købe det hele i første forsøg.


Produktanbefalinger på tværs af kanaler

I den perfekte verden bør man sammensmelte al information om den enkelte kunde og sørge for, at kunden får de bedste produktanbefalinger uanset salgskanal. Den ene udfordring er teknikken og den anden det tankesæt, der i dag adskiller fysiske butikker og nethandel. Det hele hænger sammen for kunderne, og de vil også gerne have de bedst mulige anbefalinger på tværs af kanaler.

Avishuset, der sondrer mellem print og digitalt, har samme udfordringer som detailhandleren. For forbrugerne er sammenhængen total, og når data er gemt i siloer, skaber det forvirring hos kunderne og gør købet unødigt kompliceret. Nøglen til ægte omni channel ligger i evnen til at binde alle kundedatapunkter sammen, og så skaber man det, der på nydansk kaldes ’The Golden Customer Record’.


It is complicated

Produktanbefalinger bliver komplicerede, når kontekst inkluderes. Vi har nogle produkter med nogle egenskaber og nogle kunder, der er delvist segmenterede, og så sælger vi online og i butikker.

Kunderne kan vi segmentere efter køn, alder, bopæl med mere, men de er også i en livsfase fra barn over ung til voksen, som studerende eller i arbejde, og de kan være single, i et parforhold, have børn eller ikke og så videre. Oveni kan vi tilføje det, som man kalder en mikro-kontekst. Det er små justeringer på baggrund af alt muligt såsom lokale eller globale begivenheder, noget onlineindhold der går viralt eller vejret.

Nogle taler om mænd på 45+ som et segment eller en profil, men for hver mand på 45 eller over er der en større segmentering og en mikro-kontekst, der spiller ind, når den rigtige produktanbefaling skal gives. Der er ideelt set lige så mange unikke, korrekte produktanbefalinger, som der er mænd på 45+, og det gør anbefalinger til en kompliceret proces.


Maskinlæring og neurale netværk

Raptor ser på anbefalinger som en proces, der ikke har et starttidspunkt og et sluttidspunkt. Det er matematik på højt plan, og den løbende strøm af data anvendes til at spotte mikro-kontekst og dermed også mikrotrends.

I korte træk fungerer det sådan, at man som kunde for eksempel ser på et website, hvor man kan købe tacoskaller til aftensmaden. Websitet sender information om produktet til Raptors anbefalelsesmotor, og Raptor har måske allerede informationer om kunden. Det kan være, at kunden er logget ind på websitet. Ellers har Raptor andre anvendelige informationer, eksempelvis hvad andre har set på, hvad de har købt, og det kan være opdelt efter tidspunkt på dagen, efter geografi eller efter andre parametre.

Raptor sender data om relevante produktanbefalinger tilbage til webserveren, der viser de anbefalede produkter. Det hele tager nogle få millisekunder. Resultatet spores, og dermed kan Raptor bygge en model for sammenhænge og mikrotrends. Det giver et unikt digitalt fingeraftryk per visning, og over tid anvendes maskinlæring og neurale netværk til at skabe bedre resultater. Fordelen er, at der kan skabes ensartede løsninger med meget forskellige udfald. Fire blomsterhandlere kan have det tilfælles, at de sælger blomster. Deres kunder og kundernes kontekst er vidt forskellig, og det skal deres produktanbefalinger også være. ’One size does not fit all’.


Et samlet økosystem

Fremtiden for produktanbefalinger er at udnytte teknologi til at skabe unikke anbefalinger, der starter med at fodre systemerne med den viden, som den enkelte detailhandler allerede har om kunderne og deres købsmønstre.

Den gode ekspedient skal levere de forretningsmæssige regler til eksempelvis Raptor. Derefter skal Raptor levere anbefalinger til kunderne, måle effekten, og den kunstige intelligens skal anvendes til at lave kompleks mønstergenkendelse, så platformen hele tiden leverer bedre og bedre resultater.

Det er en darwinistisk evolution, hvor systemerne konstant bliver dygtigere, så de kan forstå kundernes kontekst ud fra en intelligent og automatiseret forståelse for datapunkter, adfærd og produktkorrelationer. Det er først omni channel, når den samme motor leverer anbefalinger hele vejen rundt, både digitalt og i fysiske butikker.

For detailhandlerne er det en udfordring at nedbryde siloerne mellem butik og nethandel, så data kan flyde frit i et samlet økosystem, men når det sker, kan systemer som Raptor levere de bedste anbefalinger og det bedste salg.


Artiklen er fra den nye bog Total [email protected].

I dag er sidste chance for at spare 10 procent, som du får ved at forudbestille Total [email protected], før den udkommer den 1. maj 2018. 

Få fat i den nye bog her.