From Data-Driven Personalization to Culturally Adaptive Merchandising: A Systematic Review and the CAMI-DM Framework
Dit artikel adresseert het gat in cultureel sensitieve personalisatie door een systematische review van de bestaande literatuur uit te voeren en het CAMI-DM-framework voor te stellen, een integratieve architectuur die gedragsgegevens combineert met culturele context en ruimtelijke optimalisatie om adaptieve, cultureel bewuste merchandising mogelijk te maken over fysieke, digitale en fysieke-digitale (phygital) retailomgevingen heen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne wereld van winkelen zijn retailers meesters geworden in het volgen van wat we doen. Ze weten waar we op klikken, waar we bij blijven hangen, wat we in onze winkelwagentjes leggen en wat we achterlaten. Met behulp van deze stroom aan informatie bouwen ze systemen die ontworpen zijn om onze volgende zet te raden, waardoor ze producten aanbieden die we waarschijnlijk willen nog voordat we zelf weten dat we ze willen. Dit is de belofte van datagestuurde personalisatie: een winkel die jou beter kent dan jij jezelf kent. Er zit echter een stille tekortkoming in deze aanpak. Een systeem dat alleen observeert wat je doet, kan missen wie je bent. Het begrijpt misschien niet dat een kleur waar je dol op bent in de ene buurt beledigend kan zijn in een andere, of dat een productopstelling die voor de ene groep efficiënt aanvoelt, voor een andere groep chaotisch aanvoelt. Cultuur—de gedeelde waarden, overtuigingen en gewoonten die vormgeven hoe mensen de wereld zien—wordt vaak behandeld als een simpel label, zoals een landcode, in plaats van een levende, ademende context die bepaalt hoe een boodschap wordt ontvangen.
Deze kloof tussen weten wat een klant doet en het begrijpen van de culturele betekenis achter die acties is de focus van een nieuwe studie door onderzoekers van het National Polytechnic Institute in Ivoorkust. Zij stelden een fundamentele vraag: kunnen we een retail-systeem bouwen dat niet alleen reageert op data, maar zich aanpast aan de culturele context van de persoon die de data hanteert? Om dit te ontdekken, hebben ze niet simpelweg een nieuw apparaat uitgevonden of een nieuwe ontdekking geclaimd. In plaats daarvan keken ze naar het volledige landschap van recent onderzoek om te zien wat er al bekend was en waar de ontbrekende stukken zaten. Ze verzamelden 129 wetenschappelijke artikelen uit een grote database en lazen de titels en abstracts zorgvuldig door om het meest relevante werk te vinden. Na een rigoureus proces van controleren en hercontroleren, brachten ze dit terug naar een definitieve selectie van 10 studies die kunstmatige intelligentie, retailgedrag en culturele context echt met elkaar verbonden.
Wat ze vonden, was een collectie briljante, geïsoleerde eilanden. Sommige onderzoekers hadden aangetoond hoe kunstmatige intelligentie de vraag naar bescheiden mode (modest fashion) kon voorspellen met behulp van big data. Anderen hadden gedemonstreerd dat de achtergrondkleur van een productafbeelding de manier waarop mensen uit verschillende culturen het waarnemen, verandert. Sommige studies bewezen dat chatbots anders werken voor klanten in Brazilië dan voor die in Engeland. Elke studie bood een krachtig stukje van de puzzel, maar geen van hen had de stukjes samengevoegd tot één werkende machine. De onderzoekers realiseerden zich dat we wel de middelen hebben om gedrag te volgen en de middelen om cultuur te begrijpen, maar dat we een verenigd systeem missen dat beide tegelijkertijd gebruikt om realtime beslissingen te nemen over welke producten te tonen, waar ze te plaatsen en hoe ze te presenteren.
Om dit op te lossen, stelde het team een nieuw framework voor genaamd CAMI-DM. Denk aan een blauwdruk voor een slimmer soort winkelmanager. Dit systeem kijkt niet alleen naar de geschiedenis van een klant; het werkt voortdurend aan een geüpdatet begrip van de situatie. Het vangt signalen op over wat een klant doet, maar voegt daar een rijke, multidimensionale kaart van hun culturele context aan toe—dingen zoals hun waarden, hun taal, hun religieuze praktijken en hun lokale tradities. Het combineert dit vervolgens met de directe situatie, zoals het tijdstip, de beschikbare voorraad of het weer. Het systeem gebruikt dit gecombineerde beeld om een beslissing te nemen. Het kan een schap herordenen, de volgorde van producten op een scherm aanpassen of de taal van een bord wijzigen, niet alleen omdat een klant eerder iets vergelijkbaars kocht, maar omdat die specifieke arrangement logisch is voor wie zij op dit moment zijn.
De onderzoekers hebben ook de fysieke kant van dit probleem aangepakt door een specifieke wiskundige laag voor te stellen om de ruimtelijke puzzel op te lossen. Ze suggereerden het gebruik van een Quadratic Assignment Problem (QAP) om te bepalen waar producten geplaatst moeten worden. Deze logica zorgt ervoor dat producten zo worden gerangschikt dat de inspanning die een klant moet leveren om ze te vinden wordt geminimaliseerd, terwijl ook rekening wordt gehouden met culturele voorkeuren over hoe dingen gegroepeerd zouden moeten worden. Bijvoorbeeld, het kan ervoor zorgen dat artikelen die in een specifiek cultureel ritueel samen worden gebruikt, dicht bij elkaar worden geplaatst, terwijl artikelen die als ongepaste buren kunnen worden beschouwd, ver uit elkaar worden gehouden. Dit gaat niet alleen over het raden wat een klant wil; het gaat over het ontwerpen van de omgeving zodat de juiste keuzes natuurlijk en respectvol aanvoelen.
Cruciaal is dat de studie benadrukt dat dit systeem gebouwd moet worden met vertrouwen en ethiek in gedachten. De onderzoekers stellen dat aanpassen aan cultuur niet moet betekenen dat men mensen stereotypeert of hun privacy schendt. Het systeem moet transparant zijn, waardoor klanten kunnen begrijpen waarom ze bepaalde aanbevelingen zien, en het moet hen altijd de macht geven om die suggesties te negeren of te overrulen. Het doel is om een winkelervaring te creëren die behulpzaam en relevant aanvoelt, en niet controlerend of indringend. Het team erkent dat dit framework momenteel een voorstel is, een reeks ideeën en een structuur die wacht om in de echte wereld getest te worden. Ze hebben een duidelijk plan uiteengezet voor hoe ze dit kunnen testen, waarbij ze experimenten in fysieke winkels, online winkels en hybride omgevingen voorstellen om te zien of deze cultureel adaptieve aanpak daadwerkelijk leidt tot betere ervaringen en meer succesvolle verkopen.
Het werk suggereert dat de toekomst van retail niet alleen gaat over het hebben van meer data, maar over het hebben van een betere context. Het beweegt voorbij het idee dat een klant een set cijfers is naar het idee dat een klant een persoon is die een complexe culturele wereld navigeert. Door te koppelen wat mensen doen aan wie ze zijn en waar ze zijn, biedt deze nieuwe aanpak een pad naar een retailomgeving die niet alleen slim, maar ook wijs is. De onderzoekers concluderen dat hoewel de technologie voor personalisatie bestaat, de echte uitdaging ligt in het maken van die personalisatie cultureel sensitief. Hun framework biedt de eerste uitgebreide kaart voor hoe men die brug kan bouwen, door een collectie afzonderlijke inzichten om te vormen tot één coherente strategie voor de toekomst van winkelen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.