Serier

Inde i Zalandos anbefalingsmaskine: »Det er lidt som et datingsite«

Matematik og dataanalyse guider brugerne rundt i Europas største online modebutik, Zalando. Det er produktchef Daniel Schneiders opgave at skabe de bedste match.

Det nye hemmelige våben: Algoritme økonomien
Zalandos webshop havde sidste år 1,6 mia. besøg, der resulterede i over 55 mio. ordrer. Her er virksomhedens  logistikcenter i Erfurt, Tyskland.  Foto: Marc Tirl/dpa/AP Images

Gratist, Registreret: TOOL Oplåst artikel - prøv Finans 40 dage

Tallene kan give selv ekspedienter med mange januar-udsalg under bæltet sved på panden: 150.000 varer på hylderne og 135 mio. besøgende hver måned.

Online-tøjhandlen Zalando afhænger af anbefalingssystemer, der kan sende kunderne rundt i det gigantiske virtuelle stormagasin. Det handler om data og matematik.  Internt kalder de det for “matchmaking.”

»Grundlæggende handler det om at matche forbrugeren med det rigtige produkt. Det er lidt som et datingsite,« siger Daniel Schneider, produktchef for nye forbrugerrettede produkter hos Zalando.

Tyskfødte Zalando er på kun otte år vokset til en førerplads som den største europæiske online-modeshop. Den danske Bestseller-milliardær Anders Holch Povlsen er blandt de investorer, der i alt har smidt 500 mio. euro  i selskabet, som sidste år omsatte for 22 mia. kr. og forventer at vokse mindst 20 pct. i år.

Den vækst afhænger af, at brugerne kan finde de rigtige sko, trøjer og jeans. Finde det, de leder efter. Finde noget, de ikke vidste, de ledte efter. Og få lyst til at vende tilbage.

Daniel Schneider har de seneste år haft hænderne begravet i data. Han har en baggrund i socialvidenskab og en ph.d. i kommunikation og psykologi fra Harvard, og står i spidsen for Zalandos hold af web-udviklere, matematikere og ingeniører, der forsøger at analysere varerne og de millioner af data, som brugerne hver dag efterlader, og omsætte dem til algoritmer for personificering og automatiserede anbefalinger.

Zalando åbnede sidste år nye tech-centre i Helsinki og i Dublin og har over 1.000 it-medarbejdere. I den irske hovedstad arbejder godt 200 dataanalytikere og udviklere med data-analyse.

»Teknologi er en meget, meget vigtig konkurrencefordel for os og en hjørnesten i vores koncernstrategi,« siger Daniel Schneider.

Algoritmerne bestemmer, hvad der skal præsenteres for hvem, hvornår, med hvilke fotos og i hvilken rækkefølge. Lige som en garvet ekspedient, skal de huske, hvilken farveskala en stamkunde kan lide, gætte hvilket skjorte-cut en ny kunde er til, og vurdere, hvem der bare oser og skal inspireres.

»Mange kunder vil gerne se ting, de kan lide, og jo hurtigere, jo bedre. Men der er også kunder, der er interesserede i at browse gennem mere af udvalget på jagt efter den helt rigtige ting. Det er to meget forskellige mønstre, og personalisering spiller en stor rolle begge steder,« siger Daniel Schneider. 

Vi stiler sjældent efter 100 pct. personalisering. Vi holder et window of discovery åbent.

Daniel Schneider, produktchef - nye forbrugerrettede produkter, Zalando

Viden om specifikke køb er kun en lille flig af de data, som Zalandos algoritmer bygger på.

»Det vigtigste for os er rent faktisk kundernes adfærd på sitet. Det er meget righoldig og intens data,« siger Daniel Schneider.

Det handler om at finde mønstre og lure, hvilke egenskaber ved en vare, der skal vægtes i algoritmerne. Hvad klikker folk på? Hvor lang tid kigger de på det? Hvad putter de i kurven uden at købe? Og hvad er fællesnævneren ved en lædertaske og en bomuldsbluse, som den samme gruppe køber?

»Du kan se på ligheder mellem produkter, og på om folk klikker på produkterne uden at købe dem - altså sandsynligheden for et salg per klik. Spørgsmålet er, hvordan man balancerer de to faktorer - sammen med en række andre faktorer. Den slags tester vi konstant,« siger han.

Med 1.000 nye varer om måneden er det afgørende, at de nye varer kan integreres i algoritmen i løbet af et par timer på sitet. Skulle man vente på data om ordrer, ville der gå langt længere tid. 

Hvis vi begyndte at justere priserne efter kunderne, ville det kun være et forsøg på at hæve vores marginer på bekostning af brugerne. Og det kan ikke være en langsigtet forretningsplan.

Daniel Schneider, produktchef - nye forbrugerrettede produkter, Zalando

De holder også øje med, hvem der returnerer hvilke størrelser af en bestemt trøje. Ved at sammenholde med kundernes tidligere køb kan Zalando få et pejlemærke, der kan guide brugerne: Er et brand lidt stort i størrelserne? Det giver mere tilfredse kunder. Og sparer selvfølgelig Zalando for udgifterne til fri returnering.

Som enhver anden virksomhed vil e-handleren gerne sælge mere. Men anbefalingerne skal ikke altid gå direkte efter salg, siger Daniel Schneider.

»Spørger du, hvad en god og en dårlig anbefaling er, vil jeg vende tilbage til spørgsmålet om relevans: Hvis nogen siger, “Det føles rigtigt for mig,” er jeg på rette vej. Det er et lidt blødere parameter. Selvfølgelig kan køb være det rigtige resultat, men det handler ikke kun om det. Det kan også være, at kunden vender tilbage eller bare havde en god oplevelse,« siger han.

Derfor er algoritmerne ikke altid justeret til det umiddelbart mest træfsikre, siger han.

»Vi stiler sjældent efter 100 pct. personalisering. Vi holder et window of discovery åbent. Sandsynligvis vil du gerne have  70-80 pct. forudsigeligt indhold, og så 25 pct. hvor folk siger "Hov, det er spændende",« siger han.

Hvor meget en god anbefalingsalgoritme kan betyde for salget, vægrer han sig ved at sætte euro og eurocent – eller give eksempler - på. I modsætning til bl.a. Netflix, der hævder, at selskabets anbefalingssystem har en værdi på 1 mia. dollar om året.

Daniel Schneider er ikke i tvivl om, at der vil ske meget inden for feltet de næste år, hvor konkurrencen mellem e-butikker varmer op.

Rammerne for, hvad man kan samle data på, udvides. Mulighederne for at analysere folks holdning til en vare vokser i takt med, at den såkaldt facial recognition-teknologi udvikles. Sociale medier genererer massive datamængder. Og mobiler og tablets kan fortælle præcist, hvor du befinder dig.

»Datafyren i mig har selvfølgelig lyst til sige, at al data er god data. Men du er nødt til at forstå, hvad der rent faktisk virker,« siger Daniel Schneider. 

»Lige ansigtsudtryksdata vil mange kunder finde akavet, tror jeg, så dér er jeg skeptisk. Men der er selvfølgelig mere data derude, og vi begynder at bruge mere af det. Det kan give mening at give service baseret på geolokation, men det skal være noget, brugeren forventer. Hvis personificeringen kommer ud af det blå, vil brugeren nemt tænke "Uh, det er creepy”.«

Èn faktor er ikke på brættet: Prisen. Der tales meget om, at flere sektorer vil lade sig inspirere af f.eks. flybranchen og begynde at give forskellige kunder individuelle priser. Zalando justerer løbende priserne, men aldrig efter den enkelte kundes betalingsvillighed, siger Daniel Schneider:

»Hvis vi begyndte at justere priserne efter kunderne, ville det kun være et forsøg på at hæve vores marginer på bekostning af brugerne. Og det kan ikke være en langsigtet forretningsplan.«

Fordi kunderne ville blive irriterede?

»Helt ærligt: Jeg tror ikke, at irriteret er et stærkt nok ord. Jeg tror, at de ville blive oprevne, og med god grund.«

10 idéer, der kan ændre Danmark
Ny serie fra FINANS: Følg 10 visionære og innovative iværksættere og deres idéer, der har potentialet til at redefinere dansk erhvervsliv.
Læs serien her
BRANCHENYT
Læs også