Flere fornøyde kunder med kunstig intelligens

Ingen liker irrelevant reklame, men det å tilpasse reklame og produktanbefalinger etter hver individuelle kunde kan være vrient. For å hjelpe POWER å dra nytte av de store mengdene data de sitter på, utviklet Computas et nytt anbefalingssystem basert på kunstig intelligens som har gitt kundene mer presise produktanbefalinger. Ved å benytte seg av maskinlæring har anbefalingssystemet ført til at POWER har kunnet kutte betydelige kostnader, noe som har vært viktig i en svært marginpresset bransje.

Spisskompetanse på maskinlæring

For POWER var det viktig å utforske hvilke muligheter som ligger i dataene de sitter på for å kunne gjøre handleopplevelsen bedre for sine kunder. Og det var her Computas sin spisskompetanse på maskinlæring kom til stor nytte. Svaret for POWER lå nemlig i en maskinlæringsmodell som automatisk kunne trenes til å bli mer intelligent. Mens POWER tidligere benyttet løsninger hvor blant annet produktsjefene var delaktige, er de nå blitt helautomatisert og kan stole helt og holdent på maskinene. Dette gir bedre relevans for kunden, samtidig som det frigjør det manuelle arbeidet fra de ansatte.

Computas har vært en god sparringspartner for vårt svært kompetente utviklerteam, og deres spisskompetanse på maskinlæring har vært spesielt viktig

Head of Digital i Power, Kåre André Jevanord

Kundene i fokus

Sammen med POWER utviklet Computas en maskinlæringsmodell som fanger opp kundens bevegelsesmønster og gir relevante produktanbefalinger basert på de produktene kunden ser på. Med kontinuerlig innhenting av slike data kan dermed modellen automatisk trenes opp til å bli mer intelligent, og det er dette som skiller anbefalingssystemet fra andre lignende systemer. Tidligere var produktanbefalingene fra POWER i stor grad drevet av forretningsbehov, basert på ren synsing eller status i varelageret. Med det nye systemet har anbefalingene blitt mye mer kundesentriske. Nå står brukernytte i fokus og kunden får i mye større grad se skreddersydd innhold og målrettede produktanbefalinger. Rett og slett fordi anbefalingene er datadrevet og det er fakta som bestemmer.- Det nye anbefalingssystemet vi har utviklet sammen med Computas har klart å matche og samtidig utkonkurrere dyre Enterprise-løsninger vi har testet. Det at vi kan kutte dyre lisenskostnader, samtidig som vi har bedre kontroll på interne data gjør oss mer konkurransedyktige. Ettersom løsningen gir bedre anbefalinger, øker også tilfredsheten hos våre kunder, forteller Kåre Andrè Jevanord, Head of Digital i POWER.

Omnikanalstrategi

Løsningen har gitt POWER bedre kontroll over sine data og gjort at de i tillegg kan benytte resultatene i en omnikanalstrategi. Det betyr at de også kan dra nytte av resultatene i fysiske butikker, siden systemet kan gi de samme anbefalingene til kundene på tvers av alle kanaler. All info om en kunde innhentet på nett skal også være tilgjengelig i butikk.

Samarbeidet mellom POWER og Computas stoppet ikke med utviklingen av anbefalingssystemet. I dag har POWER et løpende samarbeid med Computas for å diskutere andre muligheter ved maskinlæring som kan løse utfordringer i hverdagen. Det jobbes blant annet med å ta inn eksterne datasett som værprognoser og geodata slik at produktanbefalingene kan forbedres ytterligere. Det er for eksempel store forskjeller på når de ønsker å fremme grillprodukter og varmeovner.

Skyteknologier vi brukte

  • Google BigQuery
  • Cloud Storage
  • Cloud Machine Learning Engine
  • App Engine
  • Cloud Composer

Verktøy og algoritmer

  • Python
  • TensorFlow
  • Apache Airflow
  • Collaborative filtering

Vi tar gjerne en prat med deg!

Har du flere spørsmål? Kontakt oss gjerne på e-post for en uforpliktende prat.

Rune Hagbartsen