Als ’s werelds grootste drankenbedrijf, serveert Coca-Cola elke dag meer dan 1,9 miljard drankjes, verdeeld over meer dan 500 merken, waaronder Diet Coke, Coke Zero, Fanta, Sprite, Dasani, Powerade, Schweppes en Minute Maid.
Big data en kunstmatige intelligentie (AI) zijn de kracht van alles wat het bedrijf doet – de wereldwijde directeur van digitale innovatie, Greg Chambers, zei: “Kunstmatige intelligentie is de basis voor alles wat we doen. We creëren intelligente ervaringen. Kunstmatige intelligentie is de kern die deze ervaring mogelijk maakt. ”
WELK PROBLEEM IS KUNSTMATIGE INTELLIGENTIE DIE HULP OPLOSSEN?
Het wereldwijd aanbieden van frisdranken is geen “one-size-fits-all-affaire”. Coca-Cola-producten worden in meer dan 200 landen op de markt gebracht en verkocht.
In elk van deze markten zijn er lokale verschillen met betrekking tot smaken, suiker- en caloriegehalte, marketingvoorkeuren en concurrenten waarmee het merk wordt geconfronteerd.
Dit betekent dat het, om op elk gebied aan de top te blijven, enorme hoeveelheden gegevens uit verschillende bronnen moet verzamelen en analyseren om te bepalen welke van zijn 500 merken waarschijnlijk goed worden ontvangen. De smaak van hun meest bekende merken zal zelfs van land tot land verschillen, en het begrijpen van deze lokale voorkeuren is een enorm complexe taak.
HOE WORDT KUNSTMATIGE INTELLIGENTIE GEBRUIKT IN DE PRAKTIJK?
Coca-Cola serveert elke dag een groot aantal drankjes via automaten. Op nieuwere machines zal de klant doorgaans communiceren via een touchscreen-display, waardoor ze het gewenste product kunnen selecteren en het zelfs kunnen aanpassen met “shots” van verschillende smaken. Het bedrijf is begonnen deze machines uit te rusten met AI-algoritmen waarmee ze dranken en smaken kunnen promoten die naar alle waarschijnlijkheid goed worden ontvangen op de specifieke locaties waar ze worden geïnstalleerd.
De automaten kunnen zelfs hun “stemming” veranderen, afhankelijk van waar ze zich bevinden – met machines in een winkelcentrum met een kleurrijke, leuke persoonlijkheid, die in een sportschool meer gericht op het bereiken van prestaties en die in een ziekenhuis lijken functioneler.
Coca-Cola gebruikt ook AI om sociale media te analyseren en te begrijpen waar, wanneer en hoe haar klanten hun producten graag consumeren, en welke producten populair zijn in bepaalde plaatsen. Met meer dan 90% van de consumenten die aankoopbeslissingen nemen op basis van sociale media-inhoud, is het essentieel om te begrijpen hoe zijn miljarden klanten discussiëren en omgaan met het merk op platforms zoals Facebook, Twitter en Instagram. Coca-Cola analyseerde hiervoor de betrokkenheid met meer dan 120.000 sociale media om inzicht te krijgen in de demografie en het gedrag van haar klanten en de klanten die de producten bespreken.
Een andere toepassing van AI was het veiligstellen van het aankoopbewijs voor de loyaliteits- en beloningsregelingen van het bedrijf. Toen klanten werd gevraagd om handmatig 14-cijferige productcodes op flesdoppen in websites en apps in te voeren om hun aankopen te verifiëren, was de opname begrijpelijkerwijs laag vanwege de logge aard van de operatie.
Om meer klanten aan te moedigen deel te nemen aan deze schema’s, heeft Coca-Cola gewerkt aan de ontwikkeling van beeldherkenningstechnologie waarmee aankopen kunnen worden geverifieerd door een enkele smartphone-foto te maken.
WELKE TECHNOLOGIE, GEREEDSCHAP EN GEGEVENS werden GEBRUIKT?
Coca-Cola verzamelt gegevens over lokale drankvoorkeuren via de interfaces op zijn touchscreen-automaten – meer dan 1 miljoen daarvan worden alleen al in Japan geïnstalleerd.
Om te begrijpen hoe haar producten worden besproken en gedeeld op sociale media, heeft het bedrijf 37 “sociale centra” opgezet om gegevens te verzamelen en te analyseren voor inzichten met behulp van het Salesforce-platform. Het doel is om meer inhoud te creëren waarvan is aangetoond dat deze effectief is voor het genereren van positieve betrokkenheid. In het verleden werd het proces om deze inhoud te maken door mensen uitgevoerd; Het bedrijf heeft echter actief gekeken naar de ontwikkeling van geautomatiseerde systemen die advertenties en sociale inhoud creëren, op basis van sociale gegevens.
Het maakt ook gebruik van beeldherkenningstechnologie om gebruikers te targeten die foto’s delen op sociale media, waaruit blijkt dat ze potentiële klanten kunnen zijn. In een voorbeeld van deze strategie in actie richtte Coca-Cola advertenties voor zijn Gold Peak-merk ijsthee op degenen die afbeeldingen plaatsten die suggereerden dat ze van ijsthee genoten, of waarin de algoritmen voor beeldherkenning logo’s van concurrerende merken zagen. Toen de algoritmen eenmaal hadden vastgesteld dat specifieke personen waarschijnlijk fans van ijsthee waren en actieve gebruikers van sociale media die afbeeldingen met hun vrienden deelden, weet het bedrijf dat het richten van deze gebruikers op advertenties waarschijnlijk een efficiënt gebruik van hun advertentie-inkomsten zal zijn.
Voor aankoopverificatie bleek de standaard afbeeldingsherkenningstechnologie onvoldoende om de dot-matrixprinting met lage resolutie te lezen die werd gebruikt om productcodes op de verpakking te stempelen. Coca-Cola werkte daarom aan het ontwikkelen van een eigen oplossing voor beeldherkenning met behulp van de TensorFlow-technologie van Google. Dit maakte gebruik van convolutionele neurale netwerken om machineherkenning mogelijk te maken van codes die vaak anders konden verschijnen, afhankelijk van wanneer en waar ze werden afgedrukt.
WAT WAREN DE RESULTATEN?
Door analyse van de gegevens van automaten met AI-algoritmen kan Coca-Cola beter begrijpen hoe het koopgedrag van zijn miljarden klanten over de hele wereld varieert.
Het gebruikt dit om nieuwe productbeslissingen te informeren – bijvoorbeeld, de beslissing om Cherry Sprite als een gebotteld product in de Verenigde Staten te lanceren werd genomen omdat de gegevens aantoonden dat dit waarschijnlijk een winnend initiatief zou zijn.
Met behulp van computervisieanalyse en natuurlijke taalverwerking van posts op sociale media, evenals een diepgaande leergestuurde analyse van statistieken voor sociale betrokkenheid, kan Coca-Cola sociale advertenties produceren die eerder resoneren met klanten en de verkoop van zijn producten stimuleren.
Door TensorFlow toe te passen om convolutionele neurale netwerken te creëren, konden scanners productcodes van een eenvoudige foto herkennen, waardoor de klantbetrokkenheid bij de verschillende loyaliteitsprogramma’s van Coca-Cola over de hele wereld toenam.
BELANGRIJKSTE UITDAGINGEN, LEERPUNTEN EN TAKEAWAYS
- Als u honderden verschillende producten in meerdere landen verkoopt, kunnen percepties en klantgedrag van markt tot markt sterk verschillen. Als u deze verschillen begrijpt, kunt u specifieke berichten op maat maken voor verschillende markten, in plaats van te vertrouwen op een eenduidige aanpak
- Wanneer u te maken hebt met wereldwijde merken, gebruikersgegevens van sociale media of gegenereerd via uw eigen systemen (zoals automaten) is enorm en rommelig. AI biedt een haalbare methode om deze gegevens te structureren en inzichten te verzamelen
- Computer vision-technologie, zoals hulpmiddelen voor beeldherkenning, kunnen miljoenen sociale media-afbeeldingen analyseren om een merk te helpen begrijpen wanneer, hoe en door wie zijn producten worden genoten
- . merken die volledig in AI hebben geïnvesteerd, beginnen het te gebruiken voor het ontwerpen van nieuwe producten en diensten.
Dit is een bewerkt uittreksel uit Artificiële Intelligentie in de praktijk: hoe 50 succesvolle bedrijven AI en machine learning gebruikten om problemen op te lossen, door Bernard Marr, met Matt Ward ( gepubliceerd door Wiley, april 2019).
Over de auteurs: Bernard Marr is de oprichter en CEO van Bernard Marr & Co en een internationaal best verkopende zakelijke auteur, futurist, keynote spreker en strategisch adviseur voor bedrijven en overheden. Hij is een van ’s werelds meest gerespecteerde stemmen en een gerenommeerd expert als het gaat om onderwerpen als kunstmatige intelligentie en big data. Marr adviseert veel van ’s werelds bekendste organisaties over strategie, digitale transformatie en bedrijfsprestaties. Hij is de auteur van Big Data in Practice: Hoe 45 succesvolle bedrijven Big Data Analytics gebruikten om buitengewone resultaten en Big Data te leveren: SMART Big Data, Analytics en Metrics gebruiken om betere beslissingen te nemen en prestaties te verbeteren, beide gepubliceerd met Wiley.
Matt Ward is de onderzoeksleider voor Bernard Marr & Co. Matt heeft een achtergrond in onderzoeksjournalistiek en werkte de laatste jaren nauw samen met Bernard Marr aan de nieuwste technologische onderwerpen. Matt is een deskundige en ervaren schrijver op het gebied van bedrijfstechnologie en kunstmatige intelligentie, waar hij heeft samengewerkt met bedrijven zoals IBM, Intel, Citibank en NASA.
Tags : AI, coca cola, Kunstmatige intelligentie, marketing, social