Er Machine Learning relevant for din forretning?

Med version 14 kommer også et nyt feature i form af Machine Learning. Det er kunstig intelligens, som indsamler oplysninger om produktrelationer og dine kunders købsmønstre. I Point of Sale (POS) vil ekspedienterne således opleve at systemet kommer med relevante produktanbefalinger til mersalg. Alt sammen uden at ekspedienten behøver et indgående kendskab til varesortiment og den enkelte kundes præferencer. Men hvornår og hvordan kan Machine Learning skabe værdi?

Er Machine Learning relevant for din forretning?

Der er ikke nødvendigvis et enkelt springende punkt, som gør Machine Learning relevant for en forretning. Det handler om evnen til at have overblikket over både produkter og kunder. Flere butikker oplever et voksende varesortiment, og især her kan Machine Learning være en relevant medspiller ved at aflaste ekspedienterne i at holde styr på produktsortiment og købsmønstre.

Mange kundesegmenter kan også være et godt argument for at gøre brug af Machine Learning i POS, da hvert segment kan have forskellige behov relateret til en enkelt vare. I en friluftsbutik kan en uldundertrøje være relateret til både vandretur, klatring eller skitur afhængig af, hvem der køber den, og ikke mindst hvilke andre varer, der kommer i kurven. Dette overblik behøver en ekspedient ikke længere træne aktivt, når kassesystemet tilbyder det på baggrund af omfattende data.

Købsmønstre

En undersøgelse af virksomheder på det danske marked viser, at 96% mener, at Machine Learning har mulighed for at skabe engagerede kunder, og 72% mener, at Machine Learning har potentiale for at styrke medarbejdere (Kilde: Microsoft).

Man kan se Machine Learning som et tidsbesparende koncept, der tillader mennesker at være mere kreative og personlige, mens systemet klarer opgaven med at finde forbindelser og købsmønstre 

Hvordan kommer jeg i gang?

For at gøre brug af Machine Learning skal du have et kassesystem, der kan understøtte det. Det vil sige, at det skal være i stand til at indsamle data om produkterne og sætte dem i forbindelse med hinanden. I bund og grund vil du kunne implementere Machine Learning i et helt almindeligt kasseapparat, der kører på transaktionelle data. For at få optimalt udbytte af Machine Learning, vil det være en fordel med et velintegreret kassesystem, der kan tale sammen med andre systemer. Det skal også gerne kunne opbevare oplysninger om kunders køb samt håndtere de nyeste GDPR krav.

Er du interesseret i en gratis demo af Ka-ching, kan du booke den hos Thomas her: 

Kontakt os
Thomas Damgren
+45 71 995 985
thomas@ka-ching.dk

Detailhandlen er ikke død – den er social

18 september 2020

Hvis vi ellers kan komme os over det piskesmæld COVID-19 har givet retail i form af online udvikling, så kunne vi kigge hen mod slutningen af 2020. Her vurderes det nemlig at kunderne kommer til at prioritere oplevelser over pris og produkt når de handler (Kilde: Walker).

For mange retailere mangler basale omnichannel features

15 september 2020

Kun 5% af retailere har de 9 features der skal til for at have det som IMPACT, har defineret som BASIC omnichannel. Det er et problem, mener Kasper Holst, CEO for IMPACT: “Når man ikke tilbyder de minimale krav for omnichannel betyder det mistede salg og mistede kunder. Man forringer positionen af sit brand og sin loyalitet”.

5 fokuspunkter du som retailer skal fokusere på under og efter Covid-19

11 september 2020

Covid-19 påvirker vores samfund og forbrugsvaner på nye måder i en grad, så det giver mening at tale om "the next normal" frem for "the new normal". Udviklingen går stærkt, og kun de retailere der formår at finde og fastholde deres kunder, har en chance for at følge med.


Vis mere