Aan de hand van het praktijkvoorbeeld van de “recommender spiegel” schetst Mark hoe Jeans Centre on- en offline data samenbrengt om zo de klant beter in de de customer journey te begeleiden.

1. Hoe JC online en offline
integreert met data

2. About Jeans Centre
Veranderend landschap
2 voorbeelden:
 Recommender spiegel
 Instore kiosks
Agenda

3. About us

4. Jeans Centre
 Omnichannel retail
 100 winkels
Garcia Outlets
 30 outlets winkels
 Door heel Europa
Garcia
 Wholesale
 3000 POS wereldwijd
3 fashion companies
Onderdeel van JOG Group

5.  Sinds 1976
 100 winkels in Nederland
 Multibrand fashion retailer
 Focus op jeans
 Omnichannel
 There for you

7. Veranderend
landschap

8. Winkelketen wordt een omnichannel
organisatie
Ad hoc initiatieven om in te spelen op de
klant
Deels kracht van “retail”, maar future proof?
Afgelopen 5 jaren

9. Landschap op basis van 3 lagen
 Touchpoints
 De klantervaring
 Logica
 Hoe we onze data omzetten naar input voor
de klantervaring
 Data
 De basis als input voor de logica
Data
Business logic o.b.v.
microservices
Touchpoints
Klant
API’s
Data
integratie

10. Problemen in de transformatie
 Geen centraal datawarehouse
 Dataopslag door het landschap heen
 Last om snel en flexibel in te spelen op datavraagstukken
Data
Business logic o.b.v.
microservices
Touchpoints
Klant
API’s

11. … work in progress
Oplossing
 Centraal datawarehouse met data beschikbaar voor analyse
door het landschap
 Specifieke services worden slimmer met conclusies uit de
data analyse
 Slimme services via API’s benaderbaar voor toepassingen
naar de klant
 Hiermee denken we niet meer in online / offline, maar in
Jeans Centre 
Data
Business logic o.b.v.
microservices
Touchpoints
Klant
API’s
Data
warehouse
Data
analyse

12. Klaar zijn om in te spelen op veranderende klantbehoefte
zonder dat we precies gaan weten wat dit gaat worden…
Wat hebben we bereikt?

13. Wat doen we er nu mee?
2 toepassingen

14. Instore service voor aanbevelingen
Recommender spiegel

16.  Productherkenning op basis van
tags
 Analyse van verkoopdata en
product
 Image recognition om “nieuwe”
producten te matchen
 Combinatie met business rules
Hoe werkt het?
Recommender spiegel

17.  Scannen / herkennen van klantpas
of app
 RFID tags in producten voor
automatische herkenning
 Doorontwikkelen algoritme
Hoe kan het nog beter?
Recommender spiegel

18. Sales kanaal & data driven ordermanagement
Instore kiosk oplossing

20.  Nee-verkopen tegengaan
 Slimmere logistiek bedrijven
 Data gebruiken voor forecasting en
geautomatiseerde beslissingen
Welke mogelijkheden biedt het?
Instore kiosk oplossing

21. Van →
Flexibel zijn om zo te kunnen inspelen op
veranderende klantbehoefte
Via →
Proof of concept (recommender)
Naar →
Bewezen oplossing die bijdraagt aan
rendement (kiosk)
Continue verbetercyclus
Conclusie

22. Join Jeans Centre @ jc.nl
 CRM coördinator
 Marcom coördinator
 Online Marketeer

23. De Recommender spiegel kun
je in actie zien…
Building Blocks stand #99

24. Instore kiosks is een systeem
van Retail Unity
www.retailunity.com

25. Vragen?