De algoritmes van Amazon zijn inmiddels zo goed geworden, dat het bedrijf al voordat je op de koopknop drukt, wist dat je het ging aanschaffen. ‘Predictive analysis‘ noemen ze dat. Helemaal nieuw is dat overigens niet. Eigenlijk zijn we daar al sinds de invoering van de barcode best goed in, voorspellende analyse. De meeste bedrijven die met grote voorraden werken, gebruiken het om kosten te drukken.
Amazon gaat een stapje verder. In plaats van dat ze voorspellingen op basis van data doen, zodat ze bijvoorbeeld niet te veel grote voorraden hoeven aan te houden, gaan zij zo ver dat ze beslissingen overlaten aan die data-analyse, prescriptive analysis. Zodra ze een bepaalde mate van zekerheid hebben dat iemand product X gaat aanschaffen, sturen ze het alvast naar het bezorgcentrum. Op het moment dat jij – na lang dralen – uiteindelijk toch besluit die Smart-TV te bestellen, stond hij bij de distributeur al op je te wachten. Die hoeft hem alleen maar in te laden.
Amit Joshi, professor aan IMD businessschool in Lausanne en gespecialiseerd in data-analyse, ontdekte dit toen hij een Harry Potter-boek voor zijn dochter kocht, zo vertelde hij mij afgelopen week.
‘Ik woonde in Florida en was her en der op sites blijven hangen bij advertenties voor het boek. Toen ik het uiteindelijk na 11 uur ‘s avonds kocht, vond ik het ‘s ochtend om 7:00 uur op de mat. Ik ben gaan zoeken naar waar hun dichtstbijzijnde distributiecentrum was. Omdat ik wist dat de distributeur al om 3:00 uur ging rijden en Amazons distributiecentrum een behoorlijk eind van ons vandaan was, kon het bijna niet anders dan dat ze op basis van data gedaan hadden.’ Het is overigens niet heel gek dat Amazon dat nu ook doet. Het patent dat ze op anticiperend verzenden hebben aangevraagd, stamt alweer uit 2013.
David & Goliath
Dit soort verhalen over de kracht big data en algoritmes wekt veel bewondering en jaloezie op. Maar veel ondernemers zullen daarnaast ook denken: leuk voor Amazon, maar ik heb noch de berg data, noch de data-analisten of de algoritmes in huis om dit soort nieuwigheden in te voeren. Sommigen, zoals bijvoorbeeld auteur Scott Galloway, zien een wereld waarin de grote altijd winnen omdat ze méér data en betere algoritmes kunnen bouwen.
Maar er is hoop. Soms kan de digitale David het wel degelijk winnen van Goliath. Het gaat namelijk niet alleen maar om hoeveel data je hebt en hoe geavanceerd je machine learning is, maar over het slim toepassen van data. Het was diezelfde Joshi die mij op het spoor bracht van een al iets ouder verhaal uit 2014 van de Amerikaanse hotelketen Red Roof Inn.
Zoek de niche
De hotelbusiness is niet gemakkelijk. Airbnb heeft een fors deel van de markt ingepikt en voor boekingen zijn hotels voor een groot gedeelte afhankelijk geworden van bedrijven als Booking.com en Expedia. Als je dan een middelmatige hotelketen bent in het middensegment, dan zit er weinig anders op dan hopen dat er voldoende mensen via Booking jouw hotel boeken en commissie over te maken. Of je zoekt een kleine niche op.
Red Roof Inn kwam op een idee tijdens een strenge winter waarin veel vluchten werden gecancelled. Ze besloten de data over gecancelde vluchten op vliegvelden real time te verzamelen en koppelden die vervolgens aan programma dat op Google ging adverteren op zoektermen als ‘vlucht’, ‘gecancelled’, ‘Chicago’ en ‘hotel.’
Door te zorgen dat ze bovenaan Google stonden op het moment dat reizigers gestrand waren, wisten ze hun bezetting fors op te schroeven. Ze hadden namelijk terecht beredeneerd dat wie vastzit op het vliegveld op zijn mobiel niet via Booking.com naar een kamer zoekt, maar vrijwel altijd begint bij Google, onze alwetende vriend in tijden van nood. En ja, Google heeft inderdaad verdiend aan de campagne van Red Roof Inn, maar het valt in het niets met de extra omzet en de commissie die ze nu niet hoefde te betalen aan Booking.com of Expedia.
