AI helpt retailer met beter inzicht in de concurrentiepositie
Een Nederlandse retailer heeft samen met Valcon gewerkt aan de ontwikkeling van een nieuwe tool voor het in kaart brengen van veranderingen in het competitieve landschap. Een blik op het project en hoe Valcon de retailer heeft bijgestaan tijdens het verbeterproject.
De manier waarop producten worden gekocht en verspreid is in de afgelopen jaren flink veranderd. Deze veranderingen houden deels verband met de veranderende vraag van de nieuwe generatie consumenten en de toegenomen wens om producten online te kopen.
Om de snelle veranderingen in het competitieve landschap bij te benen wil de retailer meer datagedreven werken. Dit is altijd al belangrijk geweest, maar zeker in de huidige retailsector, die steeds meer competitief, multi-channeled en wereldwijd is geworden.
De retailer gebruikte al een bestaande toepassing om inzicht te krijgen in het competitieve landschap. Deze bleek echter nog niet geschikt te zijn voor de verschillende markten waarin het actief was. Ook was het onderhouden van de tool complex door een groot aantal regels dat van toepassing was (matches tussen producten van de retailer en van concurrenten werden gemaakt op basis van een set businessregels).
Aan het opschalen van deze toepassing, zodat deze geschikt zou zijn voor alle markten en productcategorieën waarin de retailer actief was, zou een flink prijskaartje hangen.
Om bovengenoemde uitdagingen op te lossen heeft Valcon zijn kennis en ervaring op het gebied van kunstmatige intelligentie binnen de retailsector ingezet om een nieuwe tool te ontwikkelen. De slimme tool biedt de retailer kwaliteit, schaalbaarheid en flexibiliteit.
Valcon heeft een oplossing ontwikkeld die de producten en service-informatie van concurrerende retailers over de hele wereld monitort. De oplossing bestaat uit de volgende stappen.
- Data acquisition: door middel van ‘web scraping’ wordt publiek toegankelijke productdata van de websites van concurrenten gehaald en wordt data van interne applicaties met productinformatie geëxtraheerd.
- Feature engineering: het extraheren van relevante informatie van de opgehaalde en gecombineerde data, bestaande uit foto’s, tekst en gestructureerde data.
- Product matching: het matchen van de producten van concurrenten met interne producten door middel van toonaangevende AI-technieken (bijv. transformatiemodellen en diepe neurale netwerken).
- Match validation: het gebruiken van menselijke input om een feedbackloop te integreren in het modeltrainingsproces.
- Insights dashboard: het visualiseren van de inzichten gebaseerd op productmatches om datagedreven besluitvorming te stimuleren.
Al deze componenten tezamen maken tijdige reactie op de acties van concurrenten mogelijk.
Aanpak
De acquisitie van data door middel van web scraping is een belangrijk onderdeel van de nieuwe oplossing. Na het ontwikkelen van het proof of concept is er een derde partij (een web scraping-specialist) ingeschakeld om de schaalbaarheid en duurzaamheid van de web scraping-component te verbeteren. Dit gaf Valcon de mogelijkheid zich te focussen op de AI-ontwikkeling.
Na het verwerven van de juiste data kon Valcon zich focussen op het verbeteren van de product matching-modellen. De oplossing is gebaseerd op het benutten van de toonaangevende AI-technieken (bijvoorbeeld: transformatiemodellen) die de overeenkomsten van producten beoordeelt om producten te matchen.
Om dit matchingmodel te verbeteren is de juiste trainingsdata nodig. Deze trainingsdata werd verbeterd door het model te voorzien van voorbeelden van correcte en incorrecte productmatches via een op maat gemaakte front-end app. Deze app gaf de kans om de gesuggereerde productparen te valideren. Gebaseerd op deze feedback werd de set met trainingsdata verbeterd door middel van een iteratief proces.
De modellen die gebruikt werden in deze oplossing zijn erg rekenintensief. Dat is waarom Valcon zich, na het ontwikkelen van de matchingmodellen, heeft gefocust op het verbeteren van de schaalbaarheid van de oplossing. Een aantal verbeteringen zijn geïmplementeerd, zoals het versimpelen van de architectuur van de modellen en het gebruiken van de nieuwste databasetechnieken (bijvoorbeeld Databricks Delta Lake).
Tijdens het ontwikkelen van de oplossing heeft Valcon geleerd welke data-input belangrijk was, hoe de data efficiënt verwerkt kon worden en hoe AI-modellen getraind konden worden voor de use cases. Dit heeft Valcon geholpen in de voorbereiding op de volgende fase, welke gericht is op het opschalen naar andere markten en productcategorieën. Op dit moment zitten Valcon en zijn klant in deze fase van opschaling.
Resultaat
De retailer is met de ontwikkelde oplossing in staat om inzichten te krijgen in het competitieve landschap en kan op basis daarvan besluiten zijn prijzen te wijzigen en zodoende zijn marktstrategie aan te passen. Vanwege het succes zal deze oplossing de komende jaren wereldwijd uitgerold worden.
