Hoe weet Bol.com wat je wil kopen?

De Formule Iemand een ophangbeugel aanbieden bij een nieuwe tv is simpel. Voorspellen wat je zou willen kopen, is een stuk lastiger voor Bol.com.

Illustratie Midas van Son

Als je op zoek gaat naar een skateboard, stelt de webwinkel meteen voor er een hippe drinkfles bij aan te schaffen. Koop je een tv, dan hoort daar natuurlijk een muurbeugel van een paar tientjes bij. Vaak is de winst op die beugel hoger dan die op de tv.

Zo wordt je koopgedrag gestuurd met aanbevelingen. Echt sturen doen we niet, vinden ze bij Bol.com. Wel „helpen en inspireren”, zegt Edith Kanters. Zij is IT-architect bij de grootste webwinkel van Nederland.

Net als Amazon of Alibaba is bol.com een winkel voor winkels, een site waar veel andere winkeliers hun producten verkopen. Naarmate hun assortiment groeit, veranderden webwinkels in zoekmachines – daarom ziet Google ze ook als concurrenten.

Kanters: „We hebben 20 miljoen verschillende artikelen, waarvan er zo’n 16 miljoen actief worden aangeboden. Van alle producten wordt bijgehouden hoe vaak ze in combinatie zijn gekocht, bekeken of gezocht.” Dat, met alle productomschrijvingen, levert een enorme database op met relaties tussen de meest uiteenlopende items – van kattenloopharnassen tot zonnebanken.

Het is niet zo ingewikkeld om je op het laatste moment nog tot een muurbeugel of hdmi-kabel bij je tv te verleiden. De algoritmes hebben meer moeite om te begrijpen welk product je aan het begin van je zoektocht interessant vindt. Als iemand ‘Sonos Playbar’ intikt, valt er weinig te raden. Lastiger wordt als het gaat om iets simpels als een toiletborstel, waarbij het merk geen rol speelt. In een gewone winkel geeft de verkoper je drie of vier opties, van duur tot goedkoop. Bol.com heeft tweeduizend soorten toiletborstels, zegt een oud-medewerker, en probeert zijn klanten er niet onder te bedelven.

Twitter avatar GirlFromBlupo Jac Rayner Dear Amazon, I bought a toilet seat because I needed one. Necessity, not desire. I do not collect them. I am not a toilet seat addict. No matter how temptingly you email me, I’m not going to think, oh go on then, just one more toilet seat, I’ll treat myself.

Fidget spinners

Algoritmes schatten je interesse in en voorspellen koopgedrag. Bol.com baseert zich daarbij op ‘klikdata’ van 2 miljoen bezoekers die dagelijks 15 miljoen zoekopdrachten uitvoeren. Dat er in de winter meer schaatsen verkocht worden en in de zomer meer zonnebrillen, is geen verrassing. Net zoals een boek goed verkoopt als het bij DWDD besproken is. Moeilijker zijn de onverwachte rages, zoals de fidget spinners van vorig jaar: die raakten uitverkocht omdat de Chinese fabrieken door de productie heen waren.

Elke klik op een pagina wordt door de algoritmes van bol.com gezien als een teken van interesse. Dat hoeft niet eens een echte klik te zijn: ook even pauzeren tijdens het scrollen telt als een ‘view’. Zo probeert de webwinkel in te schatten welke producten je (nog meer) zou willen kopen en levert daar een webpagina op maat bij, met advertenties en suggesties. Je actuele zoek- en kijkgedrag weegt daarbij zwaarder dan je vorige aankopen.

Bol.com’s algoritmes stellen aanbevelingssets samen, selecties die verschijnen in rijtjes als ‘Anderen bekeken ook’, ‘Vaak samen gekocht’ of gerelateerde boektitels. Zulke aanbevelingen komen in je gepersonaliseerde mail terug. Als blijkt dat het algoritme producten suggereert waar niemand op klikt, verdwijnen die artikelen automatisch naar de achtergrond. Ook al te populaire items worden ‘onderdrukt’ – zoals de goedverkopende Google Chromecast. Bijna iedereen heeft al zo’n ding, is de gedachte: niet inspirerend genoeg.

Wat is een algoritme eigenlijk? In deze animatie leggen we het uit.

Het zelflerende systeem van bol.com heeft geen voorkennis van de producten. Dat gaat niet altijd goed. Toen het algoritme op eigen houtje probeerde te leren hoe relevant kerstbomen zijn op vaderdag, moesten medewerkers het product weer handmatig verwijderen. Een andere keer klikten bezoekers zo enthousiast op een kortingsactie voor seksspeeltjes dat de bijbehorende advertentie op de voorpagina belandde – tegen de regels in.

Later op de avond zien niet-ingelogde klanten vaak computerspellen op de homepage bol.com. Na 21.00 uur komen er meer gamers online, is de verklaring.

Toen het algoritme op eigen houtje probeerde te leren hoe relevant kerstbomen zijn op vaderdag, moesten medewerkers het product weer handmatig verwijderen

Een bescheiden profiel

Bol.com’s concurrent Amazon – het schoolvoorbeeld van een gepersonaliseerde winkel – is een provider van uiteenlopende diensten: een videokanaal, muziekdienst, foto-opslag, het Kindle-platform en een slimme luidspreker die in miljoenen woonkamers meeluistert. Dat hele pakket maakt het voor een Amazon-klant lastiger om over te stappen op een andere winkel. En het levert een rijker profiel op, met meer aanknopingspunten voor aanbevelingen op maat.

Onder het toeziend oog van Edith Kanters en Joris Scheepens (directeur retail & data) mag ik mijn eigen account vanaf de ‘achterkant’ bekijken. Naast mijn vorige aankopen en retouren zien we welke data de webwinkel over mijn winkelgedrag verzamelt terwijl ik rondstruin op de site. Het is een eenvoudig tekstbestandje met wat artikel- en paginacodes, meer niet. Kanters: „Ik kan hieruit wel opmaken welke reclamecampagnes je te wachten staan.”

Bol.com kijkt naar overeenkomsten in gedrag met andere klanten en koppelt dat aan elkaar. Joris Scheepens: „Voor alle duidelijkheid: we kijken nooit in accounts van onze klanten. We zijn niet geïnteresseerd in de persoon Marc, maar hoe Marc door de winkel navigeert en welke dingen hij zoekt.” Dat wil zeggen: Bol.com kan betere aanbevelingen doen als je meer winkelt, rondkijkt of artikelen op je verlanglijstje plaatst. Hoe meer data, hoe beter de suggesties.

Bij een zoekopdracht zie je ook artikelen die worden ‘aanbevolen door Bol.com’ of gesponsorde producten, van leveranciers die zoekresultaten inkopen. Probeert de winkel je zo misschien naar het meest winstgevende product te sturen?

Welnee, zegt Scheepens. „Omdat de concurrentie sterk is, kunnen we niet te ‘pushy’ zijn. Als we op de eerste plek bij de zoekresultaten een product tonen dat goed is voor ons, maar niet voor de consument, dan hebben we die plek in feite verpest. Je kunt misschien een eurootje extra verdienen op korte termijn; op lange termijn verspeel je sympathie.”

Hoe algoritmes ons dagelijks leven bepalen

Ons leven wordt bestuurd door algoritmes, regeltjes achter de schermen. Deze wiskundige formules, gevoed door grote hoeveelheden data, sturen onze selectie van nieuws, entertainment en aankopen, vissen automatisch dieven en verdachten uit de massa. Lees de inleiding: Hoe algoritmes ons dagelijks leven sturen ›

Vervoer

Techbedrijven zijn dol op locatiedata en bewegings­gegevens, hoe gedetailleerder hoe beter. Zo ‘ziet’ Google hoe lang mensen op zoek zijn naar een parkeerplaats en leert Apple van je iPhone waar je werkt. Je kunt bewijzen dat je veilig rijdt en erop vertrouwen dat je om de file geleid wordt, of de snelste liftcabine voorgeschoteld krijgt. Maar welke algoritmes bepalen wat veilig is of wie er voorrang krijgt in de de file of in lift?

Lees ook:

  1. Hoe omzeilt TomTom de files?

  2. Hoe bepaalt de verzekeraar hoe veilig jij rijdt?

  3. Hoe bepaalt de lift wie voorrang krijgt?

  4. Hoe weet Google hoe lang je moet wachten?

Media

Kun je smaak in statistiek vatten? De grote streaming-diensten doen niet anders. Ze proberen een breed publiek inhoud op maat aan te bieden met behulp van algoritmes. Spotify en Netflix doen het door mensen met dezelfde voorkeuren te clusteren. Nieuwsdienst Blendle probeert er juist voor te zorgen dat je andere dingen ziet dan je zou verwachten. Apple laat personificatie grotendeels achterwege: Apple News is gebaseerd op locatie, niet of nauwelijks op je klikgedrag.

Lees ook:

  1. Hoe weet Netflix welke serie je wilt zien?

  2. Hoe weet Blendle wat jij wilt lezen?

  3. Hoe stelt Apple jouw nieuws samen?

  4. Waarom is dit het volgende liedje dat Spotify je laat horen?

Shoppen

Amazon is de webwinkel die groot werd met het doen van aanbevelingen op basis van wat anderen kochten. Wat zijn de trucs waarmee online winkels en reisbureaus je tot een aankoop verlokken? Achter de schermen wordt consumentengedrag in datapatronen gegoten, om beter in te schatten wat je wilt of hoe je te beïnvloeden bent. Ieder mens is uniek, maar bij elkaar zijn we toch redelijk voorspelbaar.

Lees ook:

  1. Hoe verleidt Booking.com je snel een hotelkamer te boeken?

  2. Hoe weet Bol.com wat je wilt kopen?

  3. Retargeting: hoe lang blijven mijn schoenen me achtervolgen?

  4. Hoe Facebook advertenties héél precies op maat maakt

Fraude

Algoritmes zijn bij uitstek geschikt om conclusies te trekken uit grote hoeveelheden data. Daardoor kunnen ze sneller ‘verdachte’ elementen opsporen, of het nou gaat om betalingsverkeer, uitkeringsgerechtigden of winkeldiefstal. De regels voor wat nou eigenlijk verdacht gedrag is, worden echter wel door mensen bepaald.

Lees ook:

  1. Hoe beschermt de bank je tegen oplichters?

  2. Hoe controleert de gemeente of jij fraudeert?

  3. Hoe bepaalt de zelfscankassa welke klanten gecontroleerd worden?

Naar aanleiding van deze productie organiseerde NRC op donderdag 12 april een avond in Pakhuis de Zwijger in Amsterdam. Terugkijken kan hier.

Redactie Marc Hijink en Eva de Valk, animatie Midas van Son, Harrison van der Vliet en Elze van Driel, illustraties Midas van Son, vorm Koen Smeets.