Dat in de ontwikkeling van de digitale customer journey de laatste jaren grote stappen zijn gezet, laten Dave Veerman en Marcel de Bruin van SAP zien op het podium van de Nationale DHZ Sessie. Aan de hand van een persoonlijk praktijkvoorbeeld toont het duo dat vooral het intelligent maken van big data de mogelijkheden en kansen enorm vergroot.

Dave Veerman, Industry Principal Retail, zoekt verlichting voor zijn nieuwe tuin in Amersfoort. “Geen gewone lamp, maar van die spotjes die vanuit de grond de bomen verlichten. Maar ja, hoe heten die lampen?” Daar begint de online klantreis van Veerman. “Ik was in goed gezelschap want maar liefst 84 procent van alle consumenten zoekt online alvorens tot aanschaf over te gaan. Simpelweg omdat je op die manier heel snel en overzichtelijk kunt vinden wat je zoekt.”

Ropo
Zijn eerste zoektocht levert Veerman een aantal mogelijke namen voor de lamp op. “Ik verfijnde mijn zoektocht door op de term ‘potspot’ verder te kijken. Ik vroeg Siri waar ik potspots kan kopen en werd vervolgens naar The Pot Spot verwezen. Ongetwijfeld een leuke winkel, maar op bijna 800 kilometer rijden van huis. Geen goed plan. Mijn eerste ropo (research online, purchase offline, red.) was dus mislukt.”
Maar hoe nu verder, vraagt Veerman zich hardop af. “Big data is mooi en daarvan is in de retail zowel online als offline al veel verzameld. Waar het om gaat is dat je die data vervolgens intelligent maakt. Veel bedrijven brengen alleen de data naar de gebruikers en klanten, maar vanuit die cijfertjes alleen is een call to action moeilijk te maken”, zegt Marcel de Bruin, Dataplatform architect bij SAP.

Siri
Als voorbeeld van dat slimmer maken noemt het duo Siri. “Als je in 2015 aan Siri liet weten dat je van en brug wilde springen omdat je het niet meer zag zitten, kreeg je keurig een overzicht van bruggen in de buurt die daarvoor alle gelegenheid boden. Twee jaar later was de data dermate intelligent gemaakt dat Siri bij dezelfde opmerking voorstelt om een hulplijn van een zelfmoordpreventie-organisatie te bellen.”
Vergelijkbaar noemt De Bruin voorzieningen als een Nest-­thermostaat in huis. “Hij regelt niet alleen slim de temperatuur in huis, en helpt mij daarmee energie te besparen, maar ik kan ook zien of de kinderen thuis zijn. Apparaten en diensten worden slimmer door data te koppelen aan intelligence.”

Onzekerheid
Toch is er binnen de retail nog veel onzekerheid over de inzet van intelligente big data. “Wat we veel zien is dat bedrijven niet weten welke stappen ze moeten zetten, waar ze moeten beginnen en of het alle investeringen wel waard is. Maar die onzekerheid is niet nodig. Je kunt op kleine schaal beginnen en de digitalisering steeds verder uitbreiden. Waar het om gaat is dat je je realiseert dat je met jouw big data echt waarde in handen hebt. En die waarde kun je omzetten in actie van je klant.”
Vanzelfsprekend komt er ook een stukje ondernemersrisico bij kijken. “Je weet vooraf niet wat het je precies gaat brengen, maar je kunt ook in kleine stapjes naar het gewenste toekomstbeeld. Bovendien: als je het niet probeert weet je zeker dat je geen succes hebt. Zoals we in de hal hiernaast ook kunnen lezen op een erewand zei een bekende voetballer al: ‘Als je niet schiet, kun je ook niet scoren’.”

Betapress
Scoren met intelligente data doen enkele klanten van SAP al wel, zo laten Veerman en De Bruin zien. Zoals magazinedistributeur Betapress. “Daarvoor hebben we een tool ontwikkeld waarmee we op basis van data science de assortimenten per winkel kunnen optimaliseren. Op basis van een publieksprofiel per winkel en verkoopcijfers kunnen we snel inzichtelijk maken welk type magazines het in welke winkels goed doen. Zo zal Golfers’ magazine het op Schiphol een stuk beter doen dan in een kiosk op de Dappermarkt in Amsterdam.”
Door de publieksprofielen te koppelen aan magazine-clusters kan de winkelier eenvoudig zien of hij het assortiment in de winkel aan moet passen of niet door clusters toe te voegen of weg te laten.

Sting
Voor kledingketen Sting ontwikkelde SAP een voorziening waarmee de organisatie alle onderdelen van de collectie eenvoudig kan monitoren en daarop kan bijsturen. “Sting telt honderd winkels in ons land en krijgt ieder seizoen 20.000 nieuwe artikelen die over de shops verdeeld worden. Stel dat een leren jack in Eindhoven slecht verkoopt, maar in Utrecht de winkel uitvliegt, dan kan de business controller de voorraad heel makkelijk vanuit Eindhoven naar Utrecht verplaatsen. Zo biedt onze slimme data inzicht waarmee Sting sneller meer omzet kan halen”, aldus De Bruin.

Eriks
Ook voor de technische groothandel kan slimme data grote voordelen opleveren, zowel voor de handel als voor de klant. “Voor groothandel Eriks hebben we onder de noemer ‘machine learning’ een toepassing bedacht waarmee Eriks een klantvraag heel eenvoudig compleet kan maken. Stel bij Friesland Campina gaan ze onderhoud plegen aan een complete productielijn. Dan leveren ze daarvoor een materialenlijst aan bij Eriks. Eriks weet precies welke machines in onderhoud gaan en welke onderdelen daarin zitten. Door de materialenlijst van de klant en die van Eriks vervolgens te matchen, kan Eriks eventuele aanvullende onderdelen en producten voorstellen omdat het waarschijnlijk is dat deze voor het onderhoud ook nodig zullen zijn. Extra service die in het vervolgproces tijd bespaart. De klant weet zeker dat hij niets vergeet.”

Digitale Theo
Mooi allemaal, stelt Veerman na deze concrete voorbeelden. “Maar hoe helpt dit mij met m’n lamp?” Volgens De Bruin heeft zijn collega een digitale Theo (de handige hoofdpersoon uit de Praxis-commercial, red.) nodig. “Een online hulp die je 24 uur per dag kunt raadplegen voor advies. Over producten, toepassing en verkooppunten. Maar die je ook kan helpen met instructievideo’s, voorraad- en prijsinfo paraat heeft en jouw bestel- en zoekhistorie kent. Een centrale plek die toegankelijk is voor de klant en bedrijven in staat stelt echt altijd behulpzaam te kunnen zijn. De meeste bedrijven hebben deze input gewoon in huis, ze moeten Theo er alleen mee voeden.”