Duidelijke en nauwkeurige productbladen zijn essentieel voor het leveren van een geweldige klantenervaring en het verzekeren van de prestaties van een e-commercesite. ADEO, het moederbedrijf van Leroy Merlin, integreert artificial intelligence (AI) om haar product data beheerprocessen transformeren, die te complex en tijdrovend was geworden. Van het verzamelen van informatie over leveranciers tot het verrijken van productkenmerken, elke stap wordt opnieuw ontworpen om vloeiender, sneller en nauwkeuriger te worden.

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, product data beheer te complex. Leveranciers, de belangrijkste medewerkers en de centrale teams van de merken vulden de productinformatie het vaakst handmatig in.

Als gevolg daarvan was het geleverde product data vaak onvolledig of inconsistent (verkeerde categorie, ontbrekende of onjuiste attributen), terwijl werknemers veel tijd kwijt waren aan het handmatig corrigeren van de informatie. De eindklant had dus 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 50% verminderen.
  • Schade aan merkimago: Bijna 87% van de online gebruikers verliest het vertrouwen in een merk wanneer de productinhoud als onbevredigend wordt beschouwd.

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

De oplossing: AI ten dienste van product data

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

1. Automatische productclassificatie

De rijke en complexe data-structuur 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.
  • Gerelateerde waarden: Meer dan 85.000 waarden voor alle kenmerken.

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

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

Elke categorie krijgt een algoritme vertrouwensscore, gebaseerd op in het verleden gemeten prestaties, die het juiste automatiseringsniveau bepalen:

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

“Er werden ongeveer 32.000 voorspellingen gedaan door het algoritme, waarvan er meer dan 20.000 volledig geautomatiseerd waren. 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 de ruwe data van de leverancier, 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 op het gebied van attribuutextractie heeft de komst van generatieve AI de foutpercentages aanzienlijk verlaagd en sterke resultaten opgeleverd, waardoor de oplossing sneller wordt aangenomen:

  • Verhoogde nauwkeurigheid: 63% producten bereiken nu een precisie die groter is dan 96%.
  • Efficiënte automatisering: Data verwerking is geautomatiseerd met een 35% vermindering van 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, zakelijke 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 verschillende essentiële hefbomen:

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

Artefact heeft vanaf het begin expertise ingebracht door AI-specialisten 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 dochterondernemingen internationaal.

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.