Detailhandelaren passen zich aan aan AI: wat telt in de nieuwe norm van e-commerce?

De voortdurende ontwikkeling van AI-hulpmiddelen heeft een diepgaande invloed op e-commerce. Consumenten gebruiken steeds vaker generatieve AI-hulpmiddelen zoals ChatGPT om producten te zoeken, te selecteren en zelfs te kopen, een ontwikkeling die elk niveau van de e-commerce marketingtrechter beïnvloedt. Ondertussen gebruiken detailhandelaren AI-hulpmiddelen om real-time publieke webgegevens te verzamelen voor doeleinden zoals dynamische prijzen, vraagvoorspelling en voorraadbeheer.

Het belangrijkste is dat deze veranderingen snel plaatsvinden, en e-commerce detailhandelaren moeten hiermee mee komen. Volgens onderzoek, denkt 67% van de klanten dat bedrijven niet snel genoeg reageren op hun veranderende behoeften. Het piekseizoen van e-commerce in 2025, dat loopt van de aanloop naar Black Friday tot de jaarlijkse feestdagen, is de eerste grote test van hoe klanten AI gebruiken en hoe goed detailhandelaren zich hebben aangepast en het kunnen benutten.

Van SEO naar GEO

Volgens Adobe Analytics is het verkeer van retailers van generatieve AI-hulpmiddelen zoals ChatGPT, Perplexity en Claude met 1.200% gestegen van juli 2024 tot februari 2025. Ondertussen vond een enquête dat 23% van de shoppers van plan zijn om chatbots en AI-hulpmiddelen te gebruiken tijdens de feestdagen, met een stijging tot meer dan 42% onder Gen Z en millennials. En de invloed van AI gaat nu verder dan productontdekking, met OpenAI die onlangs Instant Checkout voor ChatGPT heeft gelanceerd, waardoor shoppers aankopen kunnen doen zonder de tool te verlaten. Het is momenteel beschikbaar op Etsy en sommige Shopify-winkels.

Deze ontwikkelingen betekenen dat e-commerce detailhandelaren hun inhoud, marketing en verkoop moeten heroverwegen. Het consultancybureau Bain schat dat een aanzienlijke meerderheid van de consumenten nu afhankelijk is van zero-click resultaten (waar antwoorden worden gegeven door een AI-overzicht in plaats van een bezoek aan een website) in 40% van hun zoekopdrachten. Dit betekent minder verkeer naar de websites van retailers, hoewel de conversiepercentages van diegenen die wel op de sites aankomen vanuit AI-bronnen hoger zijn.

In deze context, terwijl traditionele zoekmachine-optimalisatie (SEO) tactieken nog steeds relevant zijn, is de trend duidelijk naar het gebruik van generatieve AI voor winkelen, vandaar de opkomst van Generative Engine Optimization (GEO). GEO stelt e-commerce ondernemers voor een reeks nieuwe uitdagingen. Large Language Models (LLM’s) die generatieve AI-hulpmiddelen aandrijven, zijn getraind om reputatie, geloofwaardigheid en vertrouwen te evalueren bij het analyseren van merken. Daarom moeten detailhandelaren hard werken om hun geloofwaardigheid op te bouwen, vooral door reviews of aanbevelingen van gerespecteerde externe bronnen te verkrijgen.

Beschrijvende productaanvragen

Een andere GEO-factor om mee om te gaan is de manier waarop klanten queries vormen wanneer ze generatieve AI-hulpmiddelen gebruiken. Volgens OpenAI, gebruiken bijna de helft van alle queries “vraag”-patronen. De Chief Information en Product Officer van de Amerikaanse retailgigant Target beweerde onlangs dat 25% van de zoekopdrachten die op hun platform worden gedaan nu worden beschouwd als ‘beschrijvende queries’ die complex en geavanceerd zijn.

Waar een klant op een zoekmachine mogelijk zou zoeken naar een “slim-fit roze shirt”, zou dezelfde query op een AI-hulpmiddel kunnen zijn “Slim-fit roze shirts voor zakenkleding”. Voor beschrijvende queries zoals deze moeten productbeschrijvingen worden aangepast. Bijvoorbeeld, op productpagina’s suggereert de GEO-beste praktijk het opnemen van veel meer productbeschrijving in de vorm van nauwkeurig geschreven, gedetailleerde FAQs. Dit stelt AI-crawlers in staat om gemakkelijk te identificeren welke vragen uw product een goede match voor zou zijn.

Digitale zandbakken voor GEO

In een ironische wending wordt AI gebruikt om te helpen bij inhoudsanalyse en GEO. Onderzoekers aan de Columbia Business School gebruiken Large Language Models (LLM’s) om “digitale tweelingen” te creëren die menselijk gedrag nabootsen. Wanneer een specifiek product wordt ingevoerd, genereert de LLM een digitale tweeling met een shopper-persoon, inclusief naam, leeftijd, beroep en voorkeuren. Deze tweeling voert dan relevante zoekopdrachten uit op ChatGPT om te zien hoe prominent het product van het bedrijf wordt vermeld. Bedrijven kunnen vervolgens generatieve AI gebruiken om aan te passen hoe hun producten worden beschreven en gepresenteerd, op basis van de resultaten van deze digitale tweelingen.

Een ‘digitale zandbak’-aanpak zoals deze kan een productieve manier zijn voor e-commerce bedrijven om GEO uit te voeren, maar het is niet zonder risico’s. AI-agents hebben hun eigen vooroordelen, die hun prestaties en gedrag kunnen beïnvloeden. Niettemin bieden deze benaderingen een potentieel pad voorwaarts in e-commerce intelligentie.

AI-gegevensverzameling

De marketingtrechter is slechts één element van e-commerce dat wordt verstoord door AI. Een potentieel belangrijker gebied is business intelligence (BI), een brede term die verwijst naar de verzameling en het gebruik van gegevens om inzichten te genereren die de strategie en operaties verbeteren. Voor effectieve BI hebben e-commerce bedrijven betrouwbare, up-to-date datasets nodig, inclusief externe gegevens. AI speelt nu een belangrijke rol bij het verzamelen van concurrerende gegevens.

De praktijk van het extraheren van publieke webgegevens, zoals prijzen en productbeschrijvingen, is al jaren een belangrijk onderdeel van e-commerce concurrentie. Nu stroomlijnt AI het. AI-geactiveerde tools kunnen worden geactiveerd met behulp van natuurlijke taal, wat betekent dat geen codering nodig is en ingenieurs niet urenlang een volledige gegevensverzamelpijplijn hoeven te bouwen. AI kan ook geschikte URLs verzamelen en filteren voor schrapen, bijvoorbeeld door alle productpagina’s voor een bepaalde categorie op de website van een concurrent te vinden.

Met de opkomst van AI-geactiveerde winkelassistenten zullen e-commerce bedrijven ook meer geneigd zijn om gegevenspunten van elkaar te verzamelen die alleen verschijnen nadat specifieke acties zijn voltooid, bijvoorbeeld de definitieve checkout-prijs.

Vraagvoorspelling en reageren in real-time

Met een reeks real-time gegevens verzameld, van concurrerende prijzen tot voorraad, kunnen retailers hun prijzen of marketing onmiddellijk aanpassen en de beste aanbiedingen aan klanten doen.

Dynamische prijzen zijn een van de belangrijkste en meest populaire BI-functies die retailers kunnen gebruiken, en volgens een recente enquête gebruiken 61% van de retailers in Europa dit. Echter, dezelfde enquête vond dat minder dan 15% algoritmes of AI voor dit doel gebruiken, wat een kans biedt. Met behulp van de laatste gegevens over concurrerende prijzen kunnen LLM’s worden getraind om prijzen automatisch aan te passen, wat vooral handig is tijdens piekperioden zoals de feestdagen.

AI kan gegevens over klantvraag en voorraadniveaus gebruiken om toekomstige vraag te voorspellen. Dit kan meerdere voordelen opleveren. Deloitte Digital heeft benadrukt hoe retailers AI kunnen gebruiken om hun eigen voorraad te monitoren, voorraadbeheer te beheren en bestellingen dynamisch te plaatsen. Bovendien kan AI helpen bij het analyseren van gegevens die over het web zijn verzameld om te begrijpen hoe een merk wordt bekeken, waardoor strategische inzichten ontstaan.

Open voor kansen

Terwijl AI de e-commerce marketingtrechter verstoort, creëert het ook nieuwe kansen. Het kan worden gebruikt om geo-geoptimaliseerde inhoud te analyseren en te maken. Het drijft inspanningen aan om waardevolle real-time publieke webgegevens te verzamelen. AI voegt ook waarde toe bij het analyseren van gegevens om beslissingen te nemen over prijzen, voorraad en strategie. En dat is nog maar het begin van de potentiële toepassingen, zoals verbeterde klantenservice.

Iets zo disruptiefs als AI is altijd eng, vooral voor retailers die hun belangrijkste verkoopperiode naderen. Echter, diegenen die open blijven staan voor de kansen die AI creëert, kunnen meer doen dan alleen overleven. Ze kunnen floreren.