Som en væsentligt feature i version 14 gør Ka-ching brug af kunstig intelligens ved at implementere Machine Learning i POS. Det betyder, at systemet selv forbinder produkter og købsmønstre, som kan bruges til meningsfulde produktanbefalinger. Men hvad er Machine Learning og hvordan kan den hjælpe ekspedienterne i salgssituationen?
Machine Learning i POS er en teknologi, som hele tiden hjælper systemet til at lære mere om dine kunders samlede købsmønstre, når de handler. Implementeringen er en selvlærende teknologi, hvor kassesystemet bruger sammenhænge fra tidligere køb til at genkende disse købsmønstre. Ekspedienten får i salgssituationen anbefalinger af produkter baseret på kundens aktuelle kurv og kan derved personalisere anbefalinger og tilbud. I den sidste ende vil dette betyde relevant mersalg og en højere kurvstørrelse.
Som eksempel kan man tage en kunde, som i en møbelbutik beslutter sig for at købe en sofa med fairtrade uld og et sofabord i eg. Med udgangspunkt i tidligere kunders køb, vil systemet foreslå andre fairtrade produkter i naturmaterialer fra andre produktgrupper.
Det er ikke så meget anderledes end hvad ekspedienten normalt ville gøre, men i dette tilfælde skal ekspedienten ikke selv foretage sig noget. Det giver mulighed for relevant mersalg uden at ekspedienten nødvendigvis behøver et indgående kendskab til hele produktsortimentet.
Tal fra Dansk Arbejdsgiverforening viser en væsentlig stigning i jobskifte i salgs- og servicebranchen. Oplæring og opstart af nyt personale kan tage tid og dermed være en indirekte omkostning for butikken grundet manglende produktkendskab. Det kan betyde en risiko for mistede salg. Med Ka-chings Machine Learning i POS finder systemet selv købsmønstre og de relevante produkter, uden forudgående viden fra ekspedienten og uden at man skal løfte en finger.
Machine Learning behøver ikke en særlig stor viden om, hvordan kunderne handler, før den bliver effektiv og relevant. Desuden er den data, den henter viden fra, anonymiseret. Det er kun dine kundernes købsmønstre, der bliver brugt til at se sammenhænge ud fra. Det er ganske få køb, der skal til for at systemet bliver specialiseret og kan hjælpe ekspedienterne med at forbedret købsoplevelse uden ekstra indsats.
Hvis du vil vide mere om Machine Learning, og hvordan det kan hjælpe til at blive en medspiller i din butik, kan du skrive eller ringe til Thomas og få en uforpligtende snak om Machine Learning og svare på dine spørgsmål.
 |
Kontakt osThomas Damgren+45 71 995 985 thomas@ka-ching.dk |
|---|
Forbrugernes måde at shoppe på skal forstås som en refleksion af samfundet. For at forstå de tendenser, der dominerer retail-branchen, må man først forstå de sociale, politiske og økonomiske trends. Forbrugernes behov, i den vestlige verden, er ikke kun fysiske men også etiske, selvrealiserende, bæredygtige og politiske. Det handler derfor om at skabe et brand, som forbrugerne vil adaptere til deres individuelle livsstil.
Forestil dig at du går ind i en butik, hvor du får en push-notifikation i form af en velkomstbesked. I den vil du blive præsenteret af tilbud og anbefalinger baseret på tidligere køb, eller personer du følger på de sociale medier. Inde i butikken står en ekspedient klar til at hjælpe dig videre baseret på de data butikken har om dig. Det scenarie er ikke fremtiden, men den perfekte blanding af data og kunstig intelligens, som kunderne kommer til at nyde godt af – hvis redskaberne er til rådighed.
I godt en måned har store dele af den danske detailhandel haft åbent, og med regerings nye genåbningsplan kan storcentre og større butikker nu endelig også se målstregen. Dog er det de færreste butikker, som kører business as usual, og meget har ændret sig på et år. Her kigger vi på, hvilke nye tiltag vi er blevet mødt af, og hvilke kunderne fortsat vil bruge.