HEMA: Ilse Lankhorst, Bas Karsemeijer
•Als PPTX, PDF herunterladen•
0 gefällt mir•182 views
Nieuwe algoritmes, big data en de cloud hebben ervoor gezorgd dat kunstmatige intelligentie weer volop aandacht krijgt en belangrijker, volop toegepast wordt. Maar hoe laat je een traditionele retailer het belang van kunstmatige intelligentie en data inzien, oftewel hoe kun je een 95-jaar oud merk transformeren naar een data gedreven organisatie. Een inzicht in welke stappen door HEMA zijn genomen op het gebied van AI. Welke waren daarvan een succes? Maar ook een inzicht in de minder succesvolle en mislukte pogingen. Hoe wordt Artificial Intelligence ontvangen door de rest van het bedrijf? Wat merkt de klant ervan? En wat zijn de vervolgstappen?
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie HEMA: Ilse Lankhorst, Bas Karsemeijer
Ähnlich wie HEMA: Ilse Lankhorst, Bas Karsemeijer (20)
Mehr von webwinkelvakdag
Mehr von webwinkelvakdag (20)
HEMA: Ilse Lankhorst, Bas Karsemeijer
- 1. HEMA becoming a data driven retailer
- 2. Even voorstellen Bas Head of Data Ilse Data Scientist
- 3. HEMA opens first stores in Austria HEMA expands outside Europe: opening of first stores in Dubai 2018 2019 HEMA becomes a brand. Available at Wehkamp and Franprix Collaboration with Jumbo 2020 Launch of HEMA loyalty scheme 2017 first HEMA store in Spain first HEMA store in the United Kingdom 2014 first HEMA store in France 2009 HEMA opens its first trade office in Southeast Asia first HEMA store in Luxembourg 2006 first HEMA store in Germany 2002 First HEMA store in Belgium 1984 HEMA opens its own distribution centre 1964 first HEMA store opens in Amsterdam 1926 onze milestones
- 4. eerste advertentie Arthur Isaac Leo Meyer HEMA oprichters eerste winkel klassiek voorbeeld van perfecte marketing mix
- 5. • 760 winkels in 10 landen • HEMA.com • Wehkamp, Franprix, Jumbo, Walmart • meer HEMA • App en social media • Customer service data analyseren = luisteren naar je klanten
- 6. Most companies have a fragmented view of their customers.
- 7. WHO is our customer? WHY does he want that specific product? WHAT will be their next purchase? WHEN do they plan to visit and buy? WHERE do they plan to visit and buy?
- 8. We begonnen met data bij elkaar brengen
- 9. Website Products Transactions Stores Customer Discounts & vouchers advanced analytics Store Product store & product Single Customer View Channel Web accounts Email App meer HEMA Discounts & vouchers customer 1 versie van de waarheid Door combi van verschillende databronnen beschikbaar te maken
- 10. single customer view strategie, kpi’s, trends en targets
- 12. begrijp de rol van je assortiment
- 13. vlees weinig omzet, maar belangrijke klanten gaan ervoor naar de winkel
- 15. van kleine successen naar grote impact
- 16. Samen met business bouwen we aan modellen én vertrouwen 1. Verrijk bestaand rapporten en analyses 2. Vervang bestaande rapporten, analyses en processen 3. Creëer AI om klantgerichte processen te optimaliseren Data science binnen HEMA
- 17. Use case 1: wat beïnvloed de sales? Can we blame the weather?
- 18. Iets te enthousiast begonnen • Verloopt de sales zoals we verwachten? • Waar verschillen voorspelde sales met het budget? • Kunnen we deze gaten verklaren? • Gebruik de kennis uit de business om het model te verklaren / begrijpen • Verbeter met deze kennis je model?
- 19. 1. Sales bridge rain day promotion sunny day
- 20. 1. Sales bridge
- 21. 1. Sales bridge
- 22. Use case 2: Budget Verschillende levels Automatiseer proces Zorg dat je collega’s kunnen doen waar ze goed in zijn
- 23. Use case 3: Hoe kunnen we winkel beter maken? Top 20 products
- 24. 1. Laat zien wat er mogelijk is met data 2. Vaak toetsen met business 3. Wil de organisatie het gebruiken? 4. Kunnen we het toepassen in onze huidige systemen? 5. Het beste model is AI met HI wat hebben wij onderweg geleerd
Hinweis der Redaktion
- Welkom, ik ben Bas Vandaag is een dag waarbij iedereen op zijn best voor de dag komt. Ik zal proberen het echte verhaal te vertellen. Daarbij vertel ik over onze fouten, maar ook hoe we daar van leren en snel beter worden. Maar ook jullie ervaringen zal ik bespreken. Want wat merkt de klant er nu van? En waar kan jij als professional dit aan merken?
- Iedereen kent HEMA. Misschien is HEMA ook wel een beetje van ons allemaal. Het is dan ook mooi om te vertellen dat ons Nederlands erfgoed de laatste 10 jaar ook flink internationaal uitbreid. Totaal 760 winkels: 550 / 200 Anekdote London. = nl ambassade. Geopende door de NL ambassadeur
- Onderdeel van Nederlandse cultuur. Hema is bekend om haar iconen Hema heeft altijd optimale mix van product, prijs, plaats en promotie gehad. Deze mix is echter gaan wankelen. En daar is data een van de oplossingen voor.
- Data helpt ons deze mix weer in balans te brengen. Van 1:N naar 1:1. De locale HEMA dankzij de technologie van nu. Mooie van data is dat klanten ons elke dag vertellen wat ze van ons vinden. De juiste producten, prijzen en winkel.
- Wat we nu doen = optimaliseren van analyses op huidige waarheid. Steeds significanter, maar nog steeds siloed
- Hoeveel klanten hebben we nu eigenlijk? WAAR kopen ze, hoe VAAK komen ze, wat onderscheid de GOEDE van de slechte klanten, hoeveel DAGEN geleden was onze wekelijkse tompouce klant, WAT kopen ze meestal? KORTING vs NEW Waar moeten we over praten met de klant? En hoe kunnen we ons assortiment en winkel verbeteren? Als je basisdata niet goed is, dan zijn de analyses bewerkelijk, incorrect en incomplete. Als je basisdata goed is, dan gaan alle analyses snel en zijn ze compleet WAT MERK JE HIER ALS KLANT VAN?
- Kleine omzet, maar grote rol.
- Customer data is the enricher
- Ook in de winkel gebruiken we veel data. Ook JOUW WINKEL Producten in KASSASLANG FORMAT; aanpassing van de meubelen, etalage of de eerste 5 meter. Inzet personeel Op basis van WEER de juiste producten op de koppen
- - Newness Vergelijken met vorig jaar Hoog over en soms kunnen inzoomen waar nodig
- - Newness Vergelijken met vorig jaar Hoog over en soms kunnen inzoomen waar nodig
- - Newness Vergelijken met vorig jaar Hoog over en soms kunnen inzoomen waar nodig
- Verschillende levels: landelijk offline online maar ook per productgroep en per winkel 30 man werkte drie maanden aan budget process Op productgroep vaak onbetrouwbaar en werd meestal het gemiddelde van 3 jaar gegeven en dan nog beetje aanpassing aan de feestdagen. Kan niet geautomatiseerd Telkens format van marketing calender in gek formaat
- Bewust of onbewust ervaar jij ook de data gedreven transformatie van HEMA. Wellicht in communicatie, anders wel in je winkelinrichting of de producten die er liggen. En omdat HEMA eigenlijk een beetje van ons allemaal is nodig ik jullie bij deze uit om eens langs te komen voor een bakkie en goede ideeën.