Door analyse van grote hoeveelheden data slagen computers er steeds beter in om zelf te denken. Bedrijven ontdekken volop de mogelijkheden van denkende computers. Binnen e-commerce worden ze zo nu al ingezet om de verkoop persoonlijker te maken en de logistiek te optimaliseren.

De term ‘machine learning’ zegt het eigenlijk al zelf: het is het vermogen van een computer om zelf te leren en zich aan te passen aan nieuwe situaties. Computers analyseren grote hoeveelheden gegevens (de zogenaamde ‘big data’) en gaan binnen die data op zoek naar patronen. Algoritmes zorgen ervoor dat computers deze patronen al op voorhand kunnen toepassen in nieuwe situaties en op basis hiervan voorspellingen kunnen doen, wat binnen e-commerce en logistiek een grote troef is.

Een persoonlijkere aanpak binnen e-commerce

Steeds meer webwinkels en e-retailers zetten machine learning in om het comfort van de online shoppers te verhogen. Door het ontwikkelen van bepaalde algoritmes kunnen ze een meer gepersonaliseerd en relevant aanbod voorstellen, waardoor de waarde van het winkelmandje gevoelig stijgt.

• The North Face biedt op zijn website zijn eigen virtuele personal shopper Op basis van de zoektermen en de reisbestemming van de klant, raadt de website een lijst van producten aan. Deze lijst toont niet enkel de items waar de klant naar op zoek was, maar geeft ook tips over andere producten die voor de opgegeven locatie van pas kunnen komen. De site houdt hierbij zelfs rekening met de actuele of voorspelde weersomstandigheden op de bestemming van de klant.

• Zalando werkt sinds kort met een algoritme dat voor elk kledingstuk een bijpassende outfit kan samenstellen. Het algoritme heeft hiervoor 200 000 outfits, samengesteld door stylisten, geanalyseerd. Op basis van deze analyse leert het algoritme zichzelf wat de kenmerken zijn van een goede outfit. De resultaten liegen er niet om: de klanten geven de outfits van de stylisten en die van het algoritme dezelfde beoordeling.

Optimalisering van de logistiek

Ook in de wereld van de logistiek speelt machine learning een steeds grotere rol. Zelflerende computers slagen er steeds beter in om voorspellingen te doen en optimalisaties door te voeren, waardoor de hele supply chain en de logistieke sector sneller en beter kunnen werken.

• Vekia is een Frans bedrijf dat staat voor de ‘next generation supply chain’. Dit bedrijf brengt een systeem op de markt dat in staat is om voorspellingen te doen op het gebied van aankoop, verpakking, verkoop en levering. Voor de Franse keten Mr. Bricolage ontwikkelde Vekia een zelflerend systeem voor stockbeheer. Op basis van eerdere verkoopsgegevens voorspelt het systeem de verkoop en berekent meteen hoeveel er moet besteld worden bij de verschillende leveranciers om de stock aan te vullen. Deze voorstellen blijken heel accuraat, waardoor er kostbare tijd gewonnen wordt.

• Ook de transportsector zelf kan de vruchten plukken van machine learning. Op dit moment wordt al volop gewerkt met transportmanagementsystemen. Een dergelijk TMS stelt routes voor op basis van de opgegeven leveringsadressen. Een lerende computer gaat echter verder: door machine learning worden ook steeds veranderende factoren, zoals het weer, verkeersproblemen, rust- en rijtijden van de chauffeur en dergelijke, mee in het voorstel opgenomen. Door met deze elementen rekening te houden, kunnen de leveringsmomenten steeds nauwkeuriger voorspeld worden.