Winkelmand

Geen producten in je winkelmand.

Kunstmatige intelligentie voor de massa: zo voorspel je het gedrag van klanten

Hoe indrukwekkend termen als ‘kunstmatige intelligentie’ en ‘machine learning’ ook klinken, dankzij open source-software en goedkope rekenkracht kan iedere ondernemer het gedrag van zijn klanten steeds preciezer voorspellen.

Je leest nu: Kunstmatige intelligentie voor de massa: zo voorspel je het gedrag van klanten

De kans is groot dat je al dagelijks in aanraking komt met ‘AI’. Denk aan de techniek achter de aanbevelingen van Amazon en Netflix, of de software die er met behulp van taalanalyse voor zorgt dat een spambericht in een aparte folder belandt.

Opvallende voorbeelden zijn de met AI gemaakte verpakkingen van Nutella, de AI-weerman van Microsoft, de techniek achter de zelfrijdende auto’s van Tesla en de gezichtsherkenning in de nieuwe iPhone die Apple deze week aankondigde. En wat te denken van AI-software die op basis van een foto inschat of iemand homo- of heteroseksueel is, of een beauty contest die wordt beoordeeld door AI.

Wat is AI? 
Kunstmatige Intelligentie is een manier om met behulp van historische data toekomstig gedrag te voorspellen. Daarvoor gebruik je machine learning, waarmee je met behulp van algoritmes patronen kunt zien die als mens amper te ontwarren zijn. Zo kun je aankoopgedrag voorspellen, en automatisch grote hoeveelheden tekst en beelden herkennen en groeperen.

Lees ook: 6 producten die bewijzen dat ‘AI’ een hype is

Het zijn technieken die tot nu toe waren weggelegd voor reuzen zoals Google en Amazon. Logisch ook: begrippen zoals Artificial Intelligence, deep learning, neural networks en text mining lijken rechtstreeks afkomstig uit een science fiction-film. Voor een goed begrip was een universitaire studie onontbeerlijk.

Energie

Maar met het goedkoper worden van rekenkracht en dankzij open source-algoritmes wordt ‘AI’ steeds meer bereikbaar voor kleinere ondernemers. En dat betekent dat een grotere groep bedrijven beter kan bepalen hoe een klant hun bijvoorbeeld heeft gevonden. En in welk type klanten je het beste je energie kunt steken. 

In Amsterdam werd deze week Europa’s eerste AI-cursus voor marketing en groei gelanceerd, bedoeld om kunstmatige intelligentie binnen handbereik van iedere marketeer te brengen. Sprout kreeg met een aantal andere media een preview.

Voor cursus-organisator Growth Tribe is kunstmatige intelligentie een van de technieken achter growth hacking. Een van de kenmerken van growth hacking is dat je snel en goedkoop kan experimenteren om op het gebied van marketing en groei.

Goud

En dankzij nieuwe, gebruiksvriendelijke software en api’s krijgt nu ook kunstmatige intelligentie een plek in het arsenaal van de growth hacker. De cursus van Growth Tribe komt neer op datawetenschap voor ‘luie’ mensen”, zegt David Arnoux, samen met Peter van Sabben oprichter van Growth Tribe. Machine learning wordt volgens Arnoux een vereiste voor iedere marketeer. “Maar mensen hebben geen tijd om 3 jaar terug te gaan naar universiteit.”

Growth Tribe
Het twee jaar oude Growth Tribe werkt vanuit het voormalige marineterrein in Amsterdam stug aan zijn eigen groei. Tot nu toe werden 2000 mensen opgeleid, afkomstig van 415 bedrijven. Growth Tribe opende onlangs een nieuwe vestiging in Londen. Dat is mede dankzij de Brexit, zegt medeoprichter Peter van Sabben. Buitenlandse groeispecialisten kiezen door de Brexit minder vaak voor Groot-Brittannië, waardoor Britse bedrijven hun ‘eigen’ mensen willen opleiden.

Dankzij machine learning ga je “nieuwe mogelijkheden zien”. Arnoux vergelijkt het fenomeen met goudzoeken. “Je moet soms een tijdje graven, maar uiteindelijk vind je goud.”

Voorraden

Een van de bedrijven die al ‘goud’ vond is de Duitse webwinkel Otto. Het bedrijf kocht zich in bij big data-startup Yonder, en gebruikte diens deep-learning algoritme om 3 miljard transacties en variabelen (zoals het weer en zoekopdrachten) te combineren tot een voorspellingsmachine.

Daarmee kan Otto nu met 90 procent zekerheid voorspellen wat er de komende 30 dagen wordt verkocht, waardoor voorraadbeheer een stuk efficiënter wordt. Zo laat Otto zijn AI-software zelf iedere maand 200.000 producten inkopen bij derde partijen, oftewel zonder enige tussenkomst van mensen.

Miljardenbedrijven zoals Otto en Amazon hebben genoeg middelen om hun eigen AI-tak op te tuigen. Voor de rest van de ondernemers verschijnen er nu diensten aan de horizon die AI ook voor hen – non-geeks – toegankelijk maken. 

Voorspellen

Zoals die van het Franse Dataiku, een startup die zelf vorig week 28 miljoen aan durfkapitaal ophaalde. Het bedrijf levert een platform waar data-analisten modellen kunnen testen om bijvoorbeeld het koopgedrag van klanten te kunnen voorspellen. Daarvoor ’train’ je het programma met historische (koop)data, waarna de resultaten worden getest op een ander deel van diezelfde dataset.

Een andere tool is Orange, een open source-programma voor machine learning en datavisualisatie. Wil je weten wat het sentiment is rondom jouw bedrijf op Twitter? Binnen 5 minuten heb je de juiste gegevens. 

Niet dat je daarmee alles begrijpt op het gebied van datawetenschap, maar dat hoeft ook niet, zegt Arnoux. “Als je tien procent van de tools en technieken beheerst, dan kun je 90 procent doen van wat je nodig hebt.” 


Growth Tribe HQ, in Amsterdam

Landingspagina’s 

Nog een voorbeeld van AI-voor-de-massa zijn UnbounceWebflow en Instapage, diensten waarmee je zonder ook maar een regel code een landingspagina in elkaar zet. In een test bleek eerder dat de AI-software achter Unbounce de conversie van de landingspagina’s met bijna 80 procent zekerheid wist te voorspellen; de beste menselijke beoordelaars kwamen niet verder dan 57 procent accuratesse.

Andere tools die AI toegankelijker maken zijn Wordsmith, Articoolo en AI Writer, die data transformeren in teksten die door mensen lijken te zijn geschreven. 

Vragen die je met AI kunt beantwoorden:
– Hoe waarschijnlijk is het dat een bezoeker van mijn website een product koopt?
– Hoe lang gebruikt een klant een product?
– Hoeveel omzet genereert een bepaald type klant?
– Hoe waarschijnlijk is het dat een klant mijn product aanbeveelt?
– Wat zeggen klanten over mijn product?

Persoonlijkheid

De volgende stap op het gebied van marketing en AI is het segmenteren van doelgroepen op basis van hun persoonlijke kenmerken. De ‘oude’ manier van het verdelen van mensen is bijvoorbeeld op basis van hun leeftijd. Maar de persoonlijkheid van mensen heeft een grotere invloed op koopgedrag dan dan demografische kenmerken.

Wat als een vrouw van 25 karaktereigenschappen deelt met een man van 55? Dan kun je je boodschap beter op allebei richten. Onderscheid maken op basis van demografische gegevens vertelt je wie je doelgroep is, psychographics legt uit waaróm ze kopen, legt Arnoux uit.

Software die daarbij helpt is bijvoorbeeld die van Affectiva, waarmee je via digitale beelden van een webcam emoties en uitdrukkingen kunt herkennen. Of Clarifai, waarmee je beelden kunt groeperen en doorzoeken op overeenkomstige kenmerken.

LinkedIn-profiel

Growth Tribe test het principe uit op zijn eigen doelgroep, door onder meer de persoonlijkheid van potentiële cursisten te destilleren uit hun LinkedIn-profiel. Zo krijgen mensen die worden ingeschat als extravert en direct een landingspagina voorgeschoteld met de mededeling dat je met de cursus “de concurrentie verslaat”. Het bedachtzamere deel van de doelgroep krijgt een pagina geserveerd die de nadruk legt op het verwerven van kennis.


Omstreden

Het gebruik van algoritmes om toekomstig gedrag te voorspellen kan tot omstreden voorbeelden leiden. Zoals het Amerikaanse Northpointe, dat een dienst (Compas) levert die rechters en aanklagers helpt om de kans op recidive van een verdachte te bepalen. Een van de veroordeelden die met behulp van Compas werd bestraft, eiste tevergeefs inzage in het algoritme dat zijn lot bepaalde. Dat gebrek aan transparantie kan het rechtssysteem ondermijnen, zeggen critici.

Een sprekend voorbeeld van AI gone wrong is de Amerikaanse supermarkt Target. Het bedrijf ontdekte de koopvoorkeuren van (net) zwangere vrouwen, en besloot op basis van die data aanbiedingen te sturen.

Totdat op een dag een vader van een 16-jarige meisje boos binnenstapte bij een lokale Target-vestiging: waarom kreeg zijn dochter ineens aanbiedingen voor baby-artikelen? De vestigingsmanager snapte in eerste instantie niet wat er aan de hand was, maar de achterliggende data-software van Target had het goed: de dochter was zwanger – moest de vader een paar dagen later met het schaamrood op de kaken toegeven.