Artikel Emerce: Met data en AI zorgen voor optimale klanttevredenheid rond fulfilment

Emerce artikel

Niet te veel voorraad, maar ook niet te weinig: ook in fulfilment worden data en AI ingezet om zo efficiënt mogelijk met voorraden, inkoop en magazijnruimte om te gaan. IT staat bij Monta al vanaf het begin van het bedrijf centraal.

Tien jaar geleden deed Monta de eerste fulfilment-order de deur uit. Het was in de tijd dat de grote winkelketens in Nederland ook wilden gaan starten met online ondernemen: daar sprongen wij direct op in. Een groot deel van dat type winkelketens bestaat inmiddels niet meer. Nu zie je juist online ondernemers er een fysieke winkel bij nemen. Het is dus voornamelijk e-commerce met een vleugje retail geworden, in plaats van andersom. Ondertussen is er in de wereld van fulfilment heel veel veranderd. Data is voor ons dé drijver van succes: voor onze klanten (de webwinkels) en hun klanten (de consumenten) en daarmee ook voor ons.

Fulfilment en data

In fulfilment zijn twee zaken van eminent belang: klantgerichtheid en logistieke performance. Het is misschien een open deur, maar onze logistieke prestatie als Monta is bepalend voor de tevredenheid van de eindklant, de consument. De recensiescore die een consument aan een webshop geeft is grotendeels beïnvloed door het verzend- en eventueel retourproces. Wanneer de snelheid, eenvoudigheid en keuzemogelijkheden in bijvoorbeeld vervoerders en afhaallocaties voldoen aan de eisen van de consument, dan is dat goed voor de groei van de webshop. En een tevreden webshop is goed voor Monta, want dat is een klant die blijft.

Op dit moment verzorgt Monta de logistiek voor meer dan 1.500 webshops in binnen- en buitenland, vanuit 15 logistieke centra in Nederland. Het dienstenpakket varieert van de afhandeling van de volledige logistiek (fulfilment) aan de ene kant, tot het leveren van onze eigen WMS software voor efficiënt warehouse management binnen een eigen warehouse van een webshop. Naast het leveren van de software leveren we zelfs de in eigen huis ontwikkelde scan- en sorteer apparatuur voor het optimaal verwerken van e-commerceorders in een warehouse.

 
SmartStock

Een mooi recent voorbeeld daarvan is SmartStock, een tool die we gebouwd hebben om webwinkels inzicht te geven in hun voorraden en de kosten van die voorraad. Met deze tool kan een webwinkel zijn dode voorraad met één klik afvoeren en meteen op de opslagkosten besparen. Onze klant, bijvoorbeeld een leverancier van dekbedden en toebehoren, kan in SmartStock zien dat er momenteel van een bepaald type dekbedovertrek 182 stuks bij ons op voorraad liggen, waarvan er in de afgelopen 90 dagen slechts één is verkocht. De klant kan ervoor kiezen dit onverkoopbare product uit zijn voorraad te halen en direct te besparen. Het kan naar een voedselbank, een stichting voor Oekraïense vluchtelingen of een opkoper, maar de klant kan er ook direct een leuke actie mee doen.

Het mooie aan deze tool is dat we de klant niet alleen wijzen op de incourante voorraden die hij bij Monta heeft opgeslagen, maar dat we ook een knop in de software bouwen om het gesignaleerde probleem direct op te lossen. Met SmartStock geven we de webwinkel een tool om zijn opslagfactuur bij ons naar beneden te brengen. Dat gaat op korte termijn in tegen ons eigen belang, want opslag is voor een logistiek bedrijf ook een vorm van een verdienmodel. We doen dit omdat onze klant hier blij van wordt en daardoor bij ons klant blijft. En dat is weer ons belang.

Slimme voorraad

We geloven heel erg dat een slimme voorraad beter is dan een hoge voorraad. In de dertig jaar die achter ons liggen hebben we als sector stelselmatig voorraden verminderd. Op dit moment is er een probleem in de mondiale supply chain door verschillende ontwikkelingen: een schip dat dwars lag in het Suezkanaal, de Corona-pandemie en de oorlog in Oekraïne.

Nu zien we een reactie met een beweging in omgekeerde richting en groeien overal in de logistieke ketens de voorraden weer. Met behulp van de data die nu beschikbaar zijn kunnen we slimme voorraden aanleggen in plaats van hoge voorraden en voorkomen dat er overal onnodige voorraden in de ketens liggen. We zien op dit moment veel grote magazijnen langs de snelweg verschijnen om de groter wordende voorraden op te kunnen slaan, de vraag is echter of deze over enkele jaren allemaal nog wel zo relevant zijn.

Data analyseren en voorspellen

Een andere slimme toepassing van die data is dat we onze klanten kunnen adviseren over hun assortiment. Zo hadden we laatst een klant die in cosmeticaproducten handelt. Deze klant bestelde van één merk tien verschillende soorten shampoos per taal. Hij had dus van ieder type shampoo van iedere taal een vast aantal. Op basis van data-analyse konden wij bijvoorbeeld adviseren dat het verstandiger was om voor de Zweedse klant een andere verdeling in shampoos te maken dan voor de Spaanse markt. In Spanje zijn er nu eenmaal veel meer mensen met donkere haren dan in Zweden.

We passen dit ook in onze eigen logistieke praktijk toe. We kunnen met een AI-systeem op basis van data vooraf voorspellen hoeveel orders er de komende uren binnen gaan komen. Dit helpt ons enorm om onze planningen te maken. Deze voorspellingen zijn in de afgelopen jaren steeds nauwkeuriger geworden. We kunnen nu met een bandbreedte van 10% voorspellen hoeveel orders er de komende uren binnen gaan komen en ook al met een bandbreedte van minder dan 20% hoeveel orders er de komende dagen gaan binnenkomen. Dit is natuurlijk heel belangrijk voor onze capaciteitsplanning.

Die voorspelling is vaak heel scherp en werkt voor ons heel goed, maar het blijft natuurlijk wel een aanvulling op onze mensen. We hebben een aantal grote webshops in carnavalskleding als klant. Toen we op 15 februari in de persconferentie hoorden dat carnaval doorging, zat het systeem er qua orderprognoses helemaal naast: de orders in bepaalde vestigingen vielen natuurlijk veel hoger uit dan de voorspelling. Een paar dagen later was die piek er alweer uit. We zagen dat het systeem er niet mee uit de voeten kon, omdat het in de voorgaande jaren niet was doorgegaan vanwege Corona. Toch weet ik nu al dat de carnavalspiek volgend jaar wel weer herkend zal worden, omdat onze zelflerende software onwijs snel kan leren.

image1 7

 

Voorspelling van binnenkomende orders ten opzichte van daadwerkelijk binnengekomen orders. In de periode van 10 tot 14 februari was de op AI gebaseerde voorspelling erg nauwkeurig. In de periode van 15 tot 17 februari zat de software er echter volledig naast als gevolg van de gevolgen van de persconferentie op 15 februari. In de periode van 18 tot en met 20 februari zie je een snelle bijsturing van de voorspellingen, waarna de software weer bij is en kwalitatief goede voorspellingen afgeeft. 

Conclusie

Data zal de wereld van fulfilment verder veranderen. Consumenten verwachten een grotere mate van controle, keuzevrijheid en maatwerk en die is met de juiste technologie te realiseren. Analyse van koopgedrag en koopkracht, maatschappelijke ontwikkelingen, weersvoorspellingen, modebewegingen, enzovoort, maken het mogelijk slimme voorraden aan te leggen en in te spelen op die ontwikkelingen. Ik ben ervan overtuigd dat het runnen van een sterke business een stuk gemakkelijker gaat wanneer je precies kunt voorspellen wat er gaat gebeuren aan de hand van de juiste data.