Verdens første kassesystem med kunstig intelligens

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?

Hvad er Machine Learning?

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.

Stigning i jobskifte

Stigning i jobskifte

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.

Anonymiserede data

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.

Få mere at vide

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 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