AI in retail: consumenten delen hun mening over AI

Samenvatting

AI in retail stuit op wantrouwen: slechts 13% van consumenten vertrouwt AI-aanbevelingen voor producten.

AI in retail: wat er gebeurt

ThoughtSpot werkte met YouGov samen voor een onderzoek onder 4.833 volwassenen in de Verenigde Staten en het Verenigd Koninkrijk. Retailers investeren in virtuele winkelassistenten en geautomatiseerde supply-chaintools, maar consumenten twijfelen aan de uitkomsten. Slechts 13% vertrouwt AI-gestuurde productaanbevelingen, terwijl 47% deze aanbevelingen actief wantrouwt.

De onderliggende oorzaak ligt volgens ThoughtSpot niet alleen bij het model. Een AI-systeem blijft afhankelijk van de kwaliteit van de data. Als een aanbeveling het budget van een klant negeert, een verkeerd product toont of een levering verkeerd inschat, raakt dat ook het vertrouwen in de retailer. 74% van de ondervraagden vindt bovendien dat retailers al te veel persoonlijke gegevens verzamelen.

AI in retail: waarom dit belangrijk is

Consumenten kiezen menselijke bronnen boven voorspellende modellen. Familie en vrienden vormen voor 43% de meest vertrouwde bron, gevolgd door klantbeoordelingen met 27%. AI-aanbevelingen eindigen op 1%.

De cijfers koppelen nauwkeurigheid direct aan klantbehoud. 66% zegt dat AI hun behoefte verkeerd heeft begrepen of een verkeerd artikel heeft voorgesteld. Als een retailer herhaaldelijk producten buiten het budget aanbeveelt, zegt 59% waarschijnlijk niet verder te winkelen. Een aanzienlijk vertraagde levering kost volgens het onderzoek 53% van de consumenten als klant.

Ook personalisatie kent grenzen. 91% vindt minstens één moderne personalisatiemethode opdringerig. Het volgen van activiteit op andere websites of apps scoort 57,6%; te frequente aanbevelingen of advertenties 56,7%. Expliciet verstrekte accountvoorkeuren genieten meer acceptatie dan verborgen dataverzameling.

AI in retail: concrete takeaway

Test retailmodellen niet alleen op aanbevelingskwaliteit, maar ook op budget, levertermijn en datagebruik. Laat teams controleren of een model werkt met gegevens die klanten bewust verstrekken en meet vervolgens hoe vaak het systeem een verkeerde suggestie doet. Combineer AI-uitkomsten met klantbeoordelingen en menselijke feedback in plaats van ze als hoogste vertrouwensbron te behandelen.