Nieuw onderzoek van Adobe toont dat consumenten deze feestdagen naar verwachting meer geld zullen uitgeven dankzij een sterke toename van door AI gedreven winkelgedrag, ondanks de druk op consumenten en retailers als gevolg van handelsoorlogen en tarieven, prijsschommelingen en verstoringen van de toeleveringsketen. Om aan de vraag te kunnen voldoen, stappen veel retailers over op AI om hun gegevens te vertalen in strategieën en tactieken en volop te profiteren van de verwachte toename in uitgaven. Voor retail is een succesvolle invoering van AI-oplossingen echter slechts zo goed als de gegevens waarmee deze worden gevoed, zegt Ush Shukla, Distinguished Engineer bij Solace. Die gegevens hebben een event-mesh nodig om in de complexe systemen van een retailbedrijf het broodnodige realtime en contextuele dataverkeer te bieden, dat essentieel is om AI-oplossingen effectief te laten werken en succes tijdens de komende feestdagen te garanderen.
Adobe voorspelt dat alleen al in de VS het winkelseizoen tijdens de feestdagen van 2025 naar verwachting $ 253,4 miljard aan online omzet zal opleveren, een stijging van 5,3% ten opzichte van vorig jaar. Cyber Monday wordt naar verwachting de grootste winkeldag van het jaar (8,3% meer dan vorig jaar) op de voet gevolgd door Black Friday (4,9% meer dan vorig jaar).
Nu uitgaven weer stijgen, vinden consumenten nieuwe manieren om te winkelen
Eén ding dat aanzienlijk is veranderd in het rapport van dit jaar, is hoe consumenten naar producten zoeken. De bevindingen toonden dat door AI gedreven winkelgedrag dit jaar enorm zal toenemen, waarbij het AI-verkeer zal groeien met 520% ten opzichte van vorig jaar en een piek zal bereiken in de tien dagen voorafgaand aan Thanksgiving. Maar het gaat hierbij meer om onderzoek door klanten dan feitelijke aankopen. Wanneer prijsbewuste consumenten op zoek gaan naar ideeën en waarde, zijn de belangrijkste producten die ze met AI onderzoeken speelgoed, elektronica, sieraden en persoonlijke verzorgingsproducten.
Retailers beantwoorden AI met AI
Retailers zelf reageren hierop met hun eigen door AI gestuurde hulp om meer verkeer uit AI-bronnen, meer bestellingen van klanten en meer bureaucratie vanwege steeds veranderend handelsbeleid te beheren. Deloitte heeft een enquête onder inkopers van retailbedrijven uitgevoerd om hun strategie te meten terwijl ze zich op de feestdagen voorbereiden, en heeft het volgende geconcludeerd: “Nieuwere vormen van AI en geavanceerde analyse, die zich in 2020 nauwelijks op de radar van inkopers bevonden, kunnen helpen om veerkracht op te bouwen voor de winkelpiek tijdens de feestdagen.”
Het rapport concludeerde dat 78% van de ondervraagde inkopers door AI gestuurde tools gebruikt om beter in te kopen, terwijl 74% AI specifiek gebruikt om problemen als gevolg van veranderd handelsbeleid aan te pakken. Respondenten die AI gebruiken, melden verbeteringen op diverse belangrijke gebieden, waaronder:
- Beter beheer van de toeleveringsketen – ze gebruiken AI-analyses om potentiële verstoringen te voorspellen en de logistiek te optimaliseren.
- Optimalisatie van de prijsstelling – algoritmes analyseren markttrends en consumentengedrag om de prijzen van producten dynamisch vast te stellen op basis van vraag.
- Optimalisatie van het productassortiment – AI-oplossingen helpen het voorraadbeheer te stroomlijnen om te garanderen dat producten zich op het juiste moment op de juiste plaats bevinden.
- Voorspellen van vraag – Voorspellende modellen anticiperen op de vraag van klanten om te voorkomen dat de voorraad te groot of te klein is.
De implementatie van AI is gemakkelijker gezegd dan gedaan
Hoewel deze voordelen klinken als een geweldige manier om te kapitaliseren op technisch gewiekste consumenten die tijdens de feestdagen meer besteden, is het invoeren van AI op schaal voor nationale of internationale retailers niet zo eenvoudig als het lijkt.
Bedrijfsklare, fundamentele Large Language Models (LLM’s) hebben niet genoeg context om gegevens te verzamelen, te analyseren en daarop te reageren. Retailers hebben een technologie-architectuur nodig waarmee ze AI verspreid over hun hele complexe operationele web kunnen voeden met contextuele realtime gegevens. En dat web strekt zich uit van leveranciers, magazijnen en de winkel naar online verwerking, vaak zelfs op internationale schaal.
Voor AI is er meer nodig
Dit is met name belangrijk gezien het groeiende aantal agentic AI-toepassingen. Een AI-agent volgt niet alleen de voorgeprogrammeerde instructies, maar kan snel nadenken en beslissingen nemen, en past zich aan nieuwe situaties aan.
Dit vereist realtime toegang tot bedrijfskritieke gegevens en een contextuele informatiestroom. Dat betekent, vanuit een architectonisch standpunt, dat agentic AI technische afdelingen noopt om te heroverwegen hoe ze oplossingen integreren om het potentieel daarvan te maximaliseren.
Maak plaats voor event-driven architectuur (EDA), die een robuuste oplossing biedt door agenten van elkaar los te koppelen met gebruik van een event-broker, of een netwerk van brokers dat een event-mesh wordt genoemd. Deze benadering met minder sterke koppelingen vermijdt rigide afhankelijkheden die het systeem broos, moeilijk te schalen en moeilijk te onderhouden maken – dezelfde problemen die werden ervaren bij de eerste toepassingen van microservices.
Met gebruik van een event broker kunnen agents asynchroon communiceren. Deze losse koppeling maakt onafhankelijke evolutie van agents mogelijk, waardoor verschillende teams hun gespecialiseerde agents kunnen bouwen en toepassen zonder de noodzaak om complexe afhankelijkheden te coördineren.
AI kan alleen slagen als het dataverkeer van retailers event-driven is
Een event mesh, aangedreven door agentic AI, is bij uitstek geschikt om te focussen op de prioriteiten van retail-AI voor de komende feestdagen. Het creëert een verenigd, realtime gegevensnetwerk en bevordert zodoende de zichtbaarheid en wendbaarheid van de toeleveringsketen, waardoor een snelle reactie op verstoringen mogelijk is. Hetzelfde systeem anticipeert de door AI aangedreven eisen van het winkelende publiek door continu gegevens van diverse contactpunten te analyseren, zodat retailers hun strategie snel kunnen aanpassen. Hiermee wordt een basis geboden voor echte omnichannel-mogelijkheden.
Door AI aangedreven usecases
Laten we even kijken naar vijf manieren waarop AI en een event-mesh retailers optimaal kunnen voorbereiden op het verwachte record tijdens de komende feestdagen. En dat is geen hypothese. Deze vijf manieren zijn usecases in het hier en nu die ik in onze klantenkring onder retailers heb gezien.
Uitverkocht? Niet met intelligente voorspelling van voorraad en vraag
Door AI aangedreven voorraadbeheer gaat verder dan basale tracking om vraag te voorspellen en het herbevoorradingsproces in real time te automatiseren. AI integreert event-data van IoT-apparatuur zoals sensoren op schappen en RFID-tags, analyseert voorraadniveaus, voorspelt toekomstige behoeften en past bestellingen aan op basis van externe factoren zoals het weer. Deze efficiëntie minimaliseert verspilling, voorkomt dure stockouts, verkort de arbeidstijd aanzienlijk en leidt tot minder menselijke fouten.
De soepele winkelervaring
AI zorgt voor een soepele winkelervaring door operationele problemen in de winkel discreet op te lossen, zodat klanten zo min mogelijk gestoord worden. Sensoren die plotselinge temperatuurschommelingen opmerken of camera’s in de winkel die gemorst materiaal detecteren, kunnen bijvoorbeeld events genereren die onmiddellijk naar de draagbare apparatuur van personeel worden gezonden. Een AI binnen het systeem geeft prioriteit aan deze waarschuwingen op basis van urgentie en locatie van personeel, zodat het incident snel en onopgemerkt wordt beheerst, wat zowel de klanttevredenheid als de efficiëntie van het personeel bevordert.
Schade in real time voorkomen
Retailers vinden nieuwe manieren om diefstal te voorkomen door meerdere gegevensstromen voor realtime risicoanalyse te integreren. Videofeeds die verdacht gedrag waarnemen, worden binnen een event-driven architectuur gecorreleerd met verkooppunt- en voorraadgegevens. AI analyseert deze gecombineerde stroom om zorgvuldig te bepalen of er een potentiële diefstal zal plaatsvinden, en waarschuwt onmiddellijk beveiligingspersoneel met specifieke informatie, waardoor een meer discrete en effectieve benadering mogelijk is om schade te beperken.
Naadloze personalisatie via meerdere kanalen
Om ‘omnichannel uitmuntendheid’ te bereiken, moet via alle contactpunten een uniform, naadloos klantentraject worden geboden. AI gebruikt een event-backbone om interacties vast te leggen, van klikken op websites tot beacon-signalen in winkels, om een continu bijgewerkt klantenprofiel op te bouwen. Dit waarborgt dat als klanten van kanaal wisselen (bijv. een online winkelwagentje achterlaten en naar een fysieke winkel gaan) hun context hen volgt, zodat verkooppersoneel onmiddellijk persoonlijke aanbevelingen kan doen.
Maak kennis met de AI-winkelmanager
De AI-winkelmanager fungeert als een centrale organisator voor alle winkelactiviteiten. Hij verwerkt realtime events vanuit sensoren voor bezoekersaantallen, intelligente schappen, draagbare apparatuur van het personeel en zelfs weersverwachtingen. AI gebruikt deze contextuele gegevens om dynamische beslissingen te nemen, bijvoorbeeld door personeelsbezetting te optimaliseren, de indeling van de winkel aan te passen of herbevoorrading te initiëren. Deze continue stroom van informatie en instructies creëert een zeer responsieve, efficiënte winkelomgeving, die de toekomst van retailmanagement inluidt.
AI is niet alleen voor de kerstdagen
Echt retailsucces met AI hangt af van de kwaliteit en snelheid van de informatie die deze AI-systemen voedt. Om prijsstelling te optimaliseren, toeleveringsketens draaiende te houden en persoonlijke klantentrajecten te bieden, heeft AI een constante contextuele gegevensstroom nodig uit elk deel van het bedrijf, van sensoren in het magazijn en systemen bij leveranciers tot kassa’s in de winkel en klikken online.
Dit niveau van realtime, bedrijfsbreed dataverkeer is onmogelijk te bereiken met traditionele, stevig gekoppelde architecturen. EDA en een event-mesh bieden daarentegen de vereiste flexibele, schaalbare en ontkoppelde fundering om ruwe data om te zetten in de realtime context die AI-oplossingen nodig hebben om de omzet te maximaliseren en activiteiten te stroomlijnen. Niet alleen tijdens de cruciale feestdagen, maar ook daarna.
Reacties
Loading…