.png?width=100&height=115&name=Big%20Data%20Expo%20Vorm%20F%20(1).png)
.png?width=100&height=115&name=Big%20Data%20Expo%20Vorm%20C%20(1).png)
Met AI stuurt Omoda retouren op hun retour
Woensdag 14:00 - 14:30
Lezingenzaal 3
Yoran van Bezooijen
Data Scientist (Omoda)
Voor de meeste (online) fashion retailers zijn retouren een uitdaging. Zo ook voor Omoda. De afgelopen jaren is er hard gewerkt aan het groeien van de omzet en binnen het advertentieplatform Google Ads is dit ook de waarde waarop wordt geoptimaliseerd.
Echter, is omzet wel de waarde die het meest in lijn ligt met de business doelstellingen van Omoda? Na de groei van afgelopen jaren, ligt de focus nu op het optimaliseren van winst. Idealiter laten wij ook Google Ads optimaliseren richting bezoekers die de meeste winst opleveren. Winst op een order wordt sterk beïnvloed door retouren, productmarges en kosten bij externe partijen.
Orders met veel winst zijn niet altijd de orders met de meeste omzet en om dit doel te bereiken moeten we vooraf accuraat kunnen inschatten hoeveel er eventueel
geretourneerd gaat worden. Hier zit de uitdaging.
Als data team hebben wij om deze reden 'Return Based Bidding' ontwikkeld. Een data oplossing, gebouwd binnen ons data platform in Google Cloud die deze uitdaging
overkomt door in real-time te voorspellen hoeveel een order daadwerkelijk waard is qua marge, gecorrigeerd voor de verwachte retouren. Door deze aanpak zal het Google algoritme zich richten op het genereren van orders met een hoge winst in plaats van simpelweg een hoge omzet. Deze waarde wordt vervolgens gebruikt als (predictive) conversie waarde in Google Ads, waardoor het Google Ads biedingsalgoritme optimaliseert naar meer winstgevende orders.
Voor de meeste (online) fashion retailers zijn retouren een uitdaging. Zo ook voor Omoda. De afgelopen jaren is er hard gewerkt aan het groeien van de omzet en binnen het advertentieplatform Google Ads is dit ook de waarde waarop wordt geoptimaliseerd.
Echter, is omzet wel de waarde die het meest in lijn ligt met de business doelstellingen van Omoda? Na de groei van afgelopen jaren, ligt de focus nu op het optimaliseren van winst. Idealiter laten wij ook Google Ads optimaliseren richting bezoekers die de meeste winst opleveren. Winst op een order wordt sterk beïnvloed door retouren, productmarges en kosten bij externe partijen.
Orders met veel winst zijn niet altijd de orders met de meeste omzet en om dit doel te bereiken moeten we vooraf accuraat kunnen inschatten hoeveel er eventueel
geretourneerd gaat worden. Hier zit de uitdaging.
Als data team hebben wij om deze reden 'Return Based Bidding' ontwikkeld. Een data oplossing, gebouwd binnen ons data platform in Google Cloud die deze uitdaging
overkomt door in real-time te voorspellen hoeveel een order daadwerkelijk waard is qua marge, gecorrigeerd voor de verwachte retouren. Door deze aanpak zal het Google algoritme zich richten op het genereren van orders met een hoge winst in plaats van simpelweg een hoge omzet. Deze waarde wordt vervolgens gebruikt als (predictive) conversie waarde in Google Ads, waardoor het Google Ads biedingsalgoritme optimaliseert naar meer winstgevende orders.
Terug naar het overzicht
Geïnteresseerd in deze lezing?
We believe data drives digital transformation
Blog
De kracht van Retrieval-Augmented Generation (RAG) ontsluiten
Digitale Transformatie voor MKB: 8x Voordelen en Uitdagingen
Meld je aan voor de nieuwsbrief
naar boven