Scoren met productsegmentatie

Als speler in de fashionindustrie heeft Soccerfanshop te kampen met sterke concurrentie – niet alleen van vergelijkbare retailers, maar ook vanuit de bekende merken die ze verkopen. Het is makkelijker dan ooit om als consument producten bij verschillende e-commerce retailers te vergelijken en de beste prijzen te vinden. Als gevolg worden sommige producten veel geretourneerd, bijvoorbeeld omdat het bij een andere retailer goedkoper wordt aangeboden. Voor Soccerfanshop zorgt dit voor een groot verschil in de winstgevendheid van hun producten. Daarom zijn DEPT® en Soccerfanshop samen op zoek gegaan naar een schaalbare oplossing die aansluit bij de groeidoelstellingen om deze uitdaging het hoofd te bieden.

Een van de belangrijkste campagnetypes voor fashionretailers is Google Shopping. Dit advertentietype is visueel, waardoor consumenten gelijk een voorkeur hebben, voordat ze op een product klikken. Echter, de hoeveelheid slots om producten te tonen binnen Google Shopping is beperkt. Daarnaast is het voor adverteerders moeilijk om in te schatten welke artikelen getoond moeten worden bij brede zoekopdrachten (bijvoorbeeld “trainingspak”). Om dit campagnetype optimaal te benutten is het daarom cruciaal om voorrang te geven aan producten die het meeste bijdragen aan de bedrijfsdoelstellingen en een hoge verkoopkans hebben.

Zo hebben we het productbeoordelingsmodel ontwikkeld waarin we artikelen classificeren en beter kunnen segmenteren. Hiermee is het mogelijk om controle uit te oefenen op welke producten zichtbaar zijn zodat we de conversieratio en de winstmarge kunnen verhogen en zo het aantal retouren verlagen.

Met het productbeoordelingsmodel richten we ons op artikelen die 1) een hogere verkoopkans hebben, 2) de nettomarge verhogen en 3) het retourpercentage verlagen. Elk product ontvangt een unieke score op basis van 4 criteria:

• Verkoopgegevens;
• Retourgegevens;
• Voorraad;
• Marge.

Producten met een hoge score krijgen meer zichtbaarheid in Google Shopping, terwijl producten met een lagere score minder worden vertoond.

De data die nodig was om de scores te berekenen, werd verzameld uit verschillende bronnen. Er is in Google Cloud Platform een verbinding gemaakt tussen de backend van Soccerfanshop en BigQuery. De verbinding is gelegd met een gepland script via Cloud Run die de data dagelijks ververst. Vervolgens is het model in BigQuery geüpdatet met datapunten over verkopen, retouren, marges en voorraadcijfers die aan elkaar verbonden werden op productniveau. Hier is per criterium een minimale drempelwaarde bepaald en is aan ieder criterium een gewicht gehangen om zo de impact te bepalen op de uiteindelijke berekening. De scores van alle producten zijn verdeeld in vijf categorieën en werden doorgestuurd naar Google Merchant Center. Om de zichtbaarheid voor elke categorie te beïnvloeden, hebben we aparte campagnes gemaakt voor elke categorie, waarbij de producten met de hoogste scores meer zichtbaarheid krijgen.

Samen met Soccerfanshop hebben we enorme stappen gezet in het digitale veld. Het productbeoordelingsmodel is volledig geautomatiseerd en berekent de scores in real-time. Hiermee hebben we volledige controle gekregen over de zichtbaarheid van producten in Google Shopping op basis van bedrijfsdata. Door producten met een hoge marge en lage retouren de voorkeur te geven, leidde dit tot een toename in nettomarge met een gelijkblijvende ROAS. Daarnaast kan het mediabudget effectiever worden toegewezen en worden het aantal retourzendingen verminderd, wat een positieve bijdrage levert aan het milieu.