Whitepaper Intelligente PIM oplossingen

Transcriptie

1 Whitepaper Intelligente PIM oplossingen The value is not in software, the value is in data and this is really important for every single company, that they understand the data they ve got.

2 Intelligente PIM oplossingen door Kunstmatige Intelligentie Een PIM systeem staat voor Product Informatie Management systeem. Dit systeem is onmisbaar voor fabrikanten, groothandels en retailers en richt zich op het ondersteunen van het verkoopproces door het doorgeven van productinformatie. Door de opkomst van nieuwe krachtige technieken is het mogelijk om deze PIM systemen slimmer te laten werken en daarmee betere product data te krijgen voor meer producten in minder tijd. In deze white paper wordt uitgelegd hoe je een PIM systeem transformeert naar een intelligente PIM oplossing en wat de voordelen hiervan zijn. Product Informatie Management in de praktijk Behoefte aan goede product informatie De manier waarop consumenten en bedrijven aankopen doen is de laatste jaren enorm veranderd. Er worden steeds meer aankopen online gedaan en de koper is daarbij steeds veeleisender. Het is daarbij cruciaal dat het verkoopplatform de juiste productinformatie beschikbaar heeft. Een klant moet immers online alle benodigde informatie kunnen vinden voordat hij/zij overgaat tot een aankoop. Enkele voorbeelden van deze informatie zijn productfuncties, technische data, instructies over het gebruik maar ook heldere foto s en video s van het product. Wanneer er geen volledige en goede informatievoorziening aanwezig is, haakt de klant al snel af. Arbeidsintensief en incompleet In de praktijk blijkt het implementeren en onderhouden van een PIM systeem echter niet zo makkelijk. Het verkrijgen van product data met de juiste kwaliteit is erg lastig: niet alle leveranciers leveren alle gewenste informatie aan, de voor dit doel opgestelde standaarden als ETIM en GS1 zijn niet altijd toereikend of worden niet nageleefd, en de kwaliteit van de aangeleverde data laat vaak te wensen over. Ook is het ontvangen en verwerken van de product data vaak nog een bewerkelijk proces (zie afbeelding 1). Afbeelding 1: Mate van automatisering van nieuwe productdata (Squadra PIM onderzoek Februari 2018) Dit maakt dat het werken met een PIM systeem vaak arbeidsintensief is. Men moet concessies doen aan de kwaliteit van de product data en/of men moet keuzes maken in welke producten digitaal ontsloten worden (bv. de long tail wordt niet online beschikbaar gemaakt). Door de opkomst van kunstmatige intelligentie is het echter mogelijk om veel van de PIM gerelateerde processen te automatiseren. Hierdoor kunnen manuren worden bespaard en de kwaliteit worden verbeterd.

3 Intelligente PIM systemen Kunstmatige intelligentie Kunstmatige intelligentie, oftewel artificial intelligence, is een vakgebied dat zich richt op het zelf laten denken van machines. Door algoritmes te trainen met data (machine learning) kunnen er nu automatisch taken worden uitgevoerd die tot voor kort waren voorbehouden aan mensen. Dit is een erg krachtige techniek waarmee systemen geleerd wordt om bepaalde patronen en combinaties te herkennen en begrijpen. Mogelijkheden kunstmatige intelligentie bij PIM systemen Door de inzet van kunstmatige intelligentie kunnen PIM systemen intelligent worden gemaakt. Het toepassen van machine learning voor product informatie management biedt de volgende mogelijkheden: Classificatie Eén van de eerste stappen bij het onboarden van nieuwe producten is het classificeren: het indelen van producten in de juiste product categorie. De gekozen categorie bepaalt immers welke productinformatie voor een nieuw product moet worden vastgelegd. Het classificeren van nieuwe producten is voor veel producten lastig, omdat vaak maar beperkte productinformatie (leverancier, product omschrijving) voorhanden is. Met behulp van een getraind machine learning algoritme kan echter op basis van deze beperkte informatie een voorspelling worden gegeven van de juiste product categorie voor nieuwe producten. Data verrijking Het is geen uitzondering wanneer een leverancier bestanden met product data heeft die verre van compleet zijn. Erg zonde, want deze ontbrekende data kan voor klant juist interessant zijn om op te zoeken of om een keuze te kunnen maken. De gewenste product informatie is soms wel op andere manieren beschikbaar, zoals op de website van de leverancier, in PDF bestanden of in de vorm van product foto s. Met behulp van machine learning technieken is het mogelijk om product data uit deze bronnen te extraheren en daarmee de product data te verrijken. Zo past bol.com bijvoorbeeld deze techniek toe om op basis van de afbeeldingen van een shirt te bepalen of het een shirt met korte, 3/4 of lange of geen mouwen betreft. Conversies Leveranciers leveren niet alle data in de juiste standaarden en formaten aan. Het converteren naar de gewenste velden (bijvoorbeeld Aansluitingen naar HDMI ja/nee voor een TV) en de juiste waarden (bijvoorbeeld afmetingen in mm i.p.v. cm) is een tijdrovend en foutgevoelig proces. Ook hierbij kan machine learning helpen door automatisch overeenkomstige velden en mogelijke conversies te detecteren. Data kwaliteit Een goede (online) beleving staat of valt bij een goede kwaliteit van de product data. In een grote dataset is het echter ondoenlijk om deze kwaliteit handmatig te verifiëren. Met behulp van algoritmes kunnen echter automatisch controles op de data worden uitgevoerd, dit kan door de data te vergelijken met de data die op de website van de

4 leverancier staat of door uitzonderingen (bv afwijkende producten in een product categorie, ontbreken van product foto) in een dataset te detecteren. Productaanbevelingen Een intelligente PIM oplossing kan correlaties vinden tussen bepaalde producten die wellicht voor een mens helemaal niet zo voor de hand liggend zijn. Door deze correlaties kunnen er producten worden aanbevolen aan klanten waardoor deze meer producten afnemen. Amazon haalt 35% (!) van zijn omzet uit aanbevelingen zoals bijbehorende accessoires, producten die anderen ook kochten, alternatieve producten, etc. Automatische generatie van SEO teksten Productdata bevat zelden een tekst die überhaupt geschikt is om direct op de website te plaatsen, laat staan dat hij goed vindbaar is in de zoekmachines. In combinatie met machine learning kunnen er door algoritmes op grote schaal teksten worden gegenereerd, welke goed gevonden kunnen worden door Google en daarnaast ook nog goed leesbaar er uit zien. Hiermee kunnen ook automatisch de long tail producten worden voorzien van SEO teksten. Een voorbeeld uit de praktijk Sonepar is een wereldwijde distributeur van elektrotechnische apparaten en onderdelen en verwerkt duizenden nieuwe producten per maand. Door de gigantische hoeveelheden is het toevoegen van nieuwe producten een arbeidsintensief proces en het juist classificeren men gebruikt de ETIM standaard - van de nieuwe producten vereist specialistische kennis. Extra complexiteit hierbij is dat product informatie in verschillende talen en dialecten (bijvoorbeeld Frans, Frans/Canadees en Frans/Belgisch) beschikbaar moet zijn en dat product data ontvangen wordt van zowel globaal opererende leveranciers (zoals bv. Philips) alsook land specifiek opererende leveranciers. Sonepar heeft machine learning algoritmes geïntegreerd in haar PIM oplossing en deze daarmee intelligenter gemaakt. Daarmee is men in staat om zowel op land niveau als globaal niveau het boarding proces voor nieuwe producten vele malen sneller en met betere kwaliteit uit te voeren. Het classificeren van nieuwe producten wordt bijvoorbeeld door een algoritme in meer dan 90% van de gevallen correct aangegeven. Door het toepassen van kunstmatige intelligentie is Sonepar nu in staat om een data as a service dienst aan te bieden. Conclusie De beschikbaarheid van goede productinformatie is cruciaal voor een succesvolle online/omnichannel strategie van groothandels en retailers. Het verkrijgen van kwalitatief goede productinformatie is een veelal handmatig en dus tijdrovend proces. Door het toepassen van kunstmatige intelligentie kunnen echter de processen rondom de onboarding, onderhoud en publicatie van product informatie worden geautomatiseerd, waardoor er in minder tijd betere product informatie van een grotere hoeveelheid producten (ook wel de long tail genoemd) kunnen worden geregistreerd in het PIM systeem. Betere product data en een verbeterde gebruikerservaring leiden tot hogere conversiepercentages en een hogere omzet. De algoritmes kunnen naast het bestaande PIM systeem worden ingezet waardoor het geheel transformeert naar een intelligente PIM oplossing.

5 Squadra Machine Learning Company is een vernieuwend Nederlands bedrijf wat kennis over bedrijfsprocessen, data mining, statistiek en data visualisatie combineert met als doel klanten te helpen met machine learning algoritmes en het toepassen van kunstmatige intelligentie. We hebben passie voor Data Science en Machine Learning in het bijzonder. Machine Learning is een krachtige techniek waardoor software intelligente taken kan uitvoeren die tot voor kort voornamelijk door mensen uitgevoerd werden. Daarmee helpen we onze klanten diverse bedrijfs- en industriële processen, klantgerichte diensten en andere data gedreven functies op een vernieuwende wijze te automatiseren. Sinds februari 2018 is Machine Learning Company een trots onderdeel van Squadra The Digital Transformation network. Mocht u meer informatie willen over onze toepassingen voor intelligente PIM oplossingen of wilt u brainstormen over wat kunstmatige intelligentie kan betekenen voor uw bedrijf neem dan gerust contact met ons op. Contact: Guus van de Mond Mobiel: Mail: Website: gvdmond@machine-learning.company