Verbetering van productrelaties met Machine Learning voor Intergamma
Sector
(DIY) Retailer
Producten
50,000+
Medewerkers
10,000+
Intergamma, de organisatie achter de doe-het-zelfketens Gamma en Karwei, is al jaren marktleider in Nederland en België. Met bijna 400 winkels zoekt Intergamma voortdurend naar manieren om de online winkelervaring voor klanten nog meer te verbeteren. Een belangrijke uitdaging was het optimaliseren van productrelaties op de websites, zodat klanten eenvoudig relevante varianten, alternatieven en accessoires kunnen vinden. Het handmatig leggen van deze relaties kostte echter veel tijd. Daarom ging Intergamma een samenwerking aan met Squadra om de mogelijkheden van automatisering te onderzoeken.
Achtergrond
Intergamma, opgericht in 1968, is een toonaangevende doe-het-zelfretailer in de Benelux. Via de bekende merken Gamma en Karwei biedt Intergamma een breed assortiment aan producten aan voor woningverbetering, tuinieren en bouwprojecten. Het bedrijf richt zich zowel op professionele vakmensen als enthousiaste doe-het-zelvers en staat bekend om haar uitgebreide productaanbod, concurrerende prijzen en sterke focus op klantenservice. Met een duidelijke aanwezigheid in Nederland en België is Intergamma een van de grootste spelers in de doe-het-zelf-markt.
De uitdaging.
-
Inefficiënties bij handmatig productmatching
Intergamma wilde productrelaties creëren voor varianten, alternatieven en accessoires. Het handmatig in kaart brengen van deze relaties was echter een tijdrovend proces, waardoor schaalbaarheid en nauwkeurigheid uitdagingen bleven.
-
Productdata
Pogingen om productrelaties te automatiseren via bedrijfsregels mislukten door inconsistente productdata. Ontbrekende of incorrecte attributen leidden tot onnauwkeurige productkoppelingen, wat constant handmatige aanpassingen vergde.
-
Behoefte aan nauwkeurige aanbevelingen
Doe-het-zelfproducten vereisen een hogere mate van nauwkeurigheid bij aanbevelingen dan andere sectoren. In tegenstelling tot mode, waar een verkeerde suggestie minder gevolgen heeft, kan een foutieve aanbeveling in de DIY-sector (bijvoorbeeld een niet passende ondervloer voor een tuinhuis) grote problemen veroorzaken. Eerdere pogingen met Google’s aanbevelingsalgoritme voldeden niet aan de vereiste precisie.
Onze oplossing.
-
Proof-of-concept met PowerRelate.ai
Intergamma leverde Squadra een initiële dataset om PowerRelate.ai te testen. De AI-gedreven methode identificeerde productrelaties succesvol, deze werden handmatig door Intergamma gevalideerd voordat ze in de webshop werden geïmporteerd.
-
AI-gedreven matching van eigenschappen
Met behulp van Natural Language Processing (NLP) en fuzzy matching detecteerde PowerRelate.ai automatisch onderscheidende productkenmerken, zoals kleur of afmetingen, waardoor de nauwkeurigheid van productrelaties werd verbeterd. Ook productafbeeldingen werden geïntegreerd ter ondersteuning van de validatie.
-
Schaalbare implementatie over het hele assortiment
Na een succesvolle A/B-test, die resulteerde in een transactiestijging van 4,6%, breidde Intergamma PowerRelate.ai uit naar haar volledige assortiment. Momenteel zijn tienduizenden productrelaties live op de platforms van Gamma en Karwei.
Het resultaat
PowerSuite heeft Intergamma in staat gesteld om...
Productrelaties te verbeteren
Geautomatiseerde variantmatching verminderde de handmatige inspanning en verhoogde de nauwkeurigheid van productaanbevelingen.
Klantervaringen te verbeteren
Betere productkoppelingen maakten het eenvoudiger voor klanten om relevante producten te ontdekken, wat hun winkelervaring verbeterde.
Conversies te verhogen
Een A/B-test toonde een transactiestijging van 4,6% aan, wat de waarde van AI-gedreven productrelaties bevestigde.
