Case Intergamma
Het Verbeteren van Productrelaties met Machine Learning: De Succesvolle Samenwerking tussen Intergamma en Squadra
Intergamma is de organisatie achter de doe-het-zelf ketens Gamma en Karwei. In Nederland en België is Intergamma met bijna 400 bouwmarkten al jaren de onbetwiste nummer één op de doe-het-zelfmarkt. Intergamma wilde op haar websites producten voorzien van gerelateerde producten zoals varianten, alternatieven, producten in dezelfde familie, accessoires en upsell mogelijkheden. Het handmatig tot stand brengen van deze productrelaties is een tijdrovend proces. Squadra Machine Learning Company heeft het mogelijk gemaakt om dit proces gedeeltelijk te automatiseren.
De vraag
Intergamma heeft Squadra Machine Learning Company benaderd voor het faciliteren van product relaties gebaseerd op varianten. In veel gevallen zijn alle eigenschappen van een product gelijk op één attribuut na. En dat is waar je op varieert. Denk bijvoorbeeld aan een pot verf die op glansgraad, inhoud, kleur of eventueel een eigenschap als antislip kan variëren. Om deze relaties van varianten in te zetten op het verkoopkanaal, is Intergamma een samenwerking aangegaan met Squadra.
Bij Intergamma waren er al diverse pogingen gedaan om te kijken of er vanuit de productdata, met slimme business rules, verbanden tussen producten konden worden gelegd. Er werd echter constateert dat steeds als er een feature live werd gezet, deze na één of twee dagen alweer uitgezet moest worden vanwege verschillende problemen. Intergamma heeft hier een tweetal dingen van geleerd. Ten eerste dat de productdata eigenlijk van onvoldoende consistente kwaliteit was. Er waren bijvoorbeeld velden niet of verkeerd ingevuld, waardoor de relaties tussen producten niet klopte. Ten tweede vereist het behoorlijk wat productkennis om erachter te komen op welke attributen gevarieerd moet worden. Onder andere omdat dit afhankelijk is van het assortiment.
Vandaar de vraag aan Squadra om door middel van machine learning relevante productvarianten te vinden die handmatig gevalideerd kunnen worden. De insteek was om met zo min mogelijk werk, kwalitatief hoogwaardige relaties te creëren.
De oplossing
Het project waar Squadra aan heeft gewerkt bestond uit twee onderdelen. Er is gestart met een proof-of-concept waarbij Intergamma met een Excel dump bij Squadra binnenkwam. Aan de hand van deze data heeft Squadra op het PowerRelate.ai platform productrelaties weten vast te leggen. Deze relaties zijn uiteindelijk door collega’s van Intergamma gevalideerd en via Excel sheets weer binnengehaald. Deze proof-of-concept implementatie heeft gezorgd voor verbeterde productrelaties voor productdetail pagina’s voor in totaal vier assortiment groepen en zijn A/B getest voor Gamma Nederland, Karwei Nederland en Karwei België. De A/B test zorgde voor een uplift in transacties van 4.6%, volgens Anouk Renaud, Product Owner bij Intergamma “gewoon echt een fantastische score”.
Op basis van de A/B test is besloten om PowerRelate.ai op het gehele assortiment toe te passen. Inmiddels staan er voor Gamma Nederland 19.000, voor Gamma België 16.000, en voor Karwei 15.000 productrelaties live, en er wordt geschat dat op dit moment ongeveer 75% van de totale relaties zijn.
Resultaat
PowerRelate.ai heeft een user interface waarin een Intergamma gebruiker per product de gevonden productrelatie in kan typen, de gerelateerde producten kan inzien en kan accorderen. Het algoritme modelleert de relaties op basis van slimme Natural Language Processing (NLP) waarbij de onderscheidende eigenschappen van het product (zoals bijvoorbeeld kleur, breedte en lengte) automatisch uit de product omschrijving wordt afgeleid. Hierbij wordt ook gebruik gemaakt van fuzzy matching om de overeenkomsten tussen waarden als bijvoorbeeld grijs/bruin en bruin/grijs te kunnen detecteren. Indien beschikbaar zijn de producten voorzien van productafbeeldingen zodat het beoordelen eenvoudig kan plaatsvinden.
Uitdagingen
Voordat Intergamma met Squadra in zee is gegaan, heeft Intergamma onder andere gewerkt met de recommendation algortithm van Google. Bij dit algoritme zijn de product aanbevelingen volledig geautomatiseerd. Dit algoritme leverde niet de gewenste kwaliteit in aanbevelingen, omdat aanbevelingen in het doe-het-zelf segment heel nauw luisteren. Denk bijvoorbeeld aan het verschil tussen een aanbeveling van een kledingwinkel vergeleken met een aanbeveling van een bouwmarkt. Als je een broek koopt, en het aanbevolen bijpassende T-shirt valt niet in de smaak, dan is er geen groot probleem. Echter, als je een tuinhuisje koopt, en de aanbevolen bijpassende ondervloer heeft de maat van een ander soort tuinhuisje, dan zorgt dit voor vervelende situaties.
Bij Intergamma luisteren de relaties dus veel nauwer, en vandaar is het gewenst dat er mogelijkheden zijn om bij te sturen of te valideren. Vergeleken met de test die Intergamma met Google heeft gedaan, is PowerRelate.ai dus een positieve verassing.
De samenwerking
De samenwerking is volgens Intergamma uitermate prettig verlopen. “Squadra heeft heel actief meegedacht en is proactief geweest door met verschillende suggesties te komen. Squadra heeft telkens weer de vraag achter de vraag gesteld, en doorgevraagd om duidelijk te krijgen wat onze wensen waren en wat wij wilde bereiken met dit project. Verder heeft Squadra de lead genomen in de opzet van het platform. Al met al, een hele fijne afstemming” aldus Anouk.
