Duidelijke en nauwkeurige productbladen zijn essentieel voor het leveren van een geweldige klantervaring en het waarborgen van de prestaties van een e-commercesite. ADEO, de organisatie van Leroy Merlin, integreert artificial intelligence AI) om haar processen voor het beheer van data , die te complex en tijdrovend waren geworden, te transformeren. Van het verzamelen van leveranciersinformatie tot het verrijken van productattributen, elke stap wordt opnieuw ontworpen om vloeiendheid, snelheid en nauwkeurigheid te verkrijgen.

Deze inzichten werden gedeeld door Anthony Pierson, Digital Domain Leader bij ADEO Service, François Crépin, Digital Product Leader bij Incubate Conseil, en Guillaume Léger, Partner & Product Lead bij Artefact, tijdens de Tech for Retail-beurs.

Bekijk de conferentie Tech voor detailhandel

De uitdaging: een einde maken aan tijdrovende en foutgevoelige processen

Bij ADEO was het beheer van data te complex geworden. Leveranciers, de belangrijkste medewerkers en de centrale teams van de merken vulden productinformatie meestal handmatig in.

Als gevolg daarvan waren de verstrekte data vaak onvolledig of inconsistent (verkeerde categorie, ontbrekende of onjuiste attributen), terwijl medewerkers veel tijd kwijt waren aan het handmatig corrigeren van de informatie. De eindklant kreeg daardoor te maken met een moeilijke of zelfs inconsistente zoek- en navigatie-ervaring.

Deze inefficiënties hebben directe gevolgen:

  • Aanzienlijk inkomstenverlies: Onvolledige productbladen kunnen e-commerce conversies tot wel 50% verlagen.
  • Schade aan het merkimago: Bijna 87% van de online gebruikers verliest het vertrouwen in een merk wanneer de inhoud van een product als onbevredigend wordt ervaren.

"Opdat klanten onze producten gemakkelijk kunnen vinden en kunnen profiteren van relevante informatie, moeten de data volledig en van hoge kwaliteit zijn. Elke fout of omissie in de data wordt onmiddellijk verrekend."
Anthony Pierson, Digital Domain Leader bij ADEO

De oplossing: AI ten dienste van data

Na succesvolle eerste tests op een beperkt maar significant aantal producten, heeft ADEO de volgende stap genomen: het verzamelen van ruwe data en het structureren ervan met behulp van artificial intelligence, direct geïntegreerd in het productregistratieproces. De Groep werkte samen met Artefact om oplossingen te ontwikkelen die productclassificatie en attribuutextractie kunnen automatiseren.

1. Automatische productclassificatie

De rijke en complexe data van ADEO is georganiseerd op drie niveaus:

  • Productcategorieën: 3.600 verschillende categorieën.
  • Productkenmerken: Gemiddeld 50 tot 60 kenmerken per product, geselecteerd uit een bibliotheek van 11.000 kenmerken.
  • Gekoppelde waarden: Meer dan 85.000 waarden voor alle kenmerken.

Om de gebruikerservaring te verbeteren, is de eerste stap om AI in staat te stellen data automatisch te classificeren met behulp van machine learning.

Hoe? Het algoritme, een verfijnd DistilBERT-model dat is getraind op gecertificeerde data, analyseert titels en beschrijvingen die door leveranciers worden geleverd om de productcategorie te identificeren uit de 3600 mogelijke opties.

Elke categorie krijgt een algoritmische vertrouwensscore toegewezen, gebaseerd op in het verleden gemeten prestaties, die het juiste automatiseringsniveau bepaalt:

  • Hoge betrouwbaarheidsscores resulteren in een automatische classificatie die direct naar een medewerker wordt doorgestuurd voor validatie.
  • Tussenliggende scores worden semi-gevalideerd: Producten worden automatisch voorgeselecteerd, maar data verificatie van data blijft handmatig.
  • Lage scores vereisen volledige tussenkomst van de medewerker.

"Het algoritme heeft ongeveer 32.000 voorspellingen gedaan, waarvan meer dan 20.000 volledig geautomatiseerd. We bereikten een nauwkeurigheid van meer dan 96%, met een foutpercentage van 3,6%. Ter vergelijking: menselijke foutenpercentages schommelen rond de 8%."
François Crépin, Digital Product Leader bij ADEO

2. Geautomatiseerde extractie van kenmerken

Na classificatie extraheert AI automatisch belangrijke productkenmerken zoals kleur, materiaal en afmetingen. Deze extractie is ook gebaseerd op ruwe data, gestuurd door classificatie. Deze stap maakt gebruik van een versie van Gemini, het vlaggenschip van LLM ontwikkeld door Google Cloud.

Elke voorspelling ondergaat een zelfverificatiestap, waarbij een LLM beoordeelt of het voorspelde kenmerk relevant is. Hierna kunnen gebruikers de extractie van het algoritme valideren of verwerpen. Deze aanpak zorgt voor nauwkeurige waarden en behoudt tegelijkertijd een gestroomlijnd proces voor leveranciers, die verantwoordelijk blijven voor de verstrekte informatie.

Concrete en bemoedigende resultaten: Nauwkeurigheid, adoptie, conversie

Na meerdere iteraties van attribuut-extractie heeft de komst van generatieve AI de foutpercentages aanzienlijk verlaagd en sterke resultaten opgeleverd, waardoor de oplossing sneller wordt toegepast:

  • Grotere nauwkeurigheid: 63% van de producten bereikt nu een nauwkeurigheid van meer dan 96%.
  • Efficiënte automatisering: De Data is geautomatiseerd met 35% minder fouten.
  • Versnelde goedkeuring: De verwerking is gestroomlijnd, waardoor interne teams zich kunnen richten op taken met een hogere toegevoegde waarde.
  • Commerciële impact: Verrijkte en betrouwbare productbladen verbeteren de online conversie.

"De nauwe samenwerking tussen ADEO en Artefact bracht alle data, business- en productexpertise samen rond een kleine initiële scope, die rigoureus werd gemeten, om de organisatie te overtuigen en de implementatie vandaag in andere dochterondernemingen van de groep mogelijk te maken."
Guillaume Léger, Partner bij Artefact

Belangrijkste succesfactoren van deze samenwerking:

Dit succes is gebaseerd op een aantal essentiële hefbomen:

  • Proactief verandermanagement: Tijdens de ontwikkeling hebben werknemers deelgenomen aan AI om ervoor te zorgen dat de nieuwe werkwijzen worden overgenomen en om de integratie ervan te vergemakkelijken.
  • Gerichte MVP-benadering (Minimum Viable Product): Door eerst te focussen op een beperkt bereik waren snelle iteraties mogelijk, waarbij de waarde voor de hele organisatie werd aangetoond voordat de oplossingen werden verfijnd en de prestaties werden verbeterd.
  • Geïndustrialiseerde AI : Er is veel tijd geïnvesteerd in een rigoureus, grotendeels geautomatiseerd evaluatieproces om de relevantie van de resultaten op de lange termijn te waarborgen.
  • Een hybride, multidisciplinair team: Het project bracht AI , AI producteigenaren en bedrijfs- en IT-teams samen.

Artefact heeft vanaf het begin expertise ingebracht door AI in te zetten voor technologische en productaspecten naast de business- en IT-teams van ADEO, zowel op het niveau van de Groep als op het niveau van de internationale dochterondernemingen.

Wat is de volgende stap? Toekomstige stappen

Voortbouwend op dit succes plant ADEO verdere innovaties om de klantervaring te blijven verbeteren en de productcatalogus te optimaliseren, zoals:

    • Verrijkte productdocumentatie, ontworpen om klanten uitgebreider te ondersteunen.
    • Creatie van studio-achtige visuele inhoud voor aantrekkelijkere en consistentere productbladen.
    • Semi-geautomatiseerde productdiagnostiek voor after-sales service om de klanttevredenheid op lange termijn te verbeteren.