blog
AI-tiltag giver Matas kunder hurtigere svar på hudtest
Matas tilbyder alle kunder en online hudtest for at give den bedste rådgivning. Bagved sidder Matas’ eksperter og nu får de ekstra hjælp fra AI, og det giver hurtigere svar.
Den gode relevante kundeoplevelse er det vigtigste for Matas, uanset om det er i butik eller online. Et af deres mest populære initiativer er muligheden for at tage en hudtest online. Her kan kunder svare på en række spørgsmål, som bliver gemt på deres profil. Bag skærmen bliver svarene analyseret af en materialist. Den analyse kommer så til at ligge til grund for personlige produktanbefalinger både online, og når en kunde får rådgivning i butik.
En række ekspert-materialister varetager analysen af hudtesten og udvælgelsen af personlige produktforslag, men de får nu hjælp af en ny AI-model med stor succes, så den enkelte materialist kan svare flere kunderne hurtigere.
”Vi ser store muligheder i udnyttelsen af AI. Især med processer, hvor vi gør det samme igen og igen, men vi vil ikke gå på kompromis med kvaliteten af vores rådgivning, så vi følger den kunstige intelligens tæt. Vores materialister har løbende vurderet kvaliteten af AI-modellens forslag, og den får nu en gennemsnitlig rating på 4,6 ud af 5. Med så høj kvalitet ser vi store tidsbesparelser. Det er kun et ud af en række igangværende AI-projekter, og flere andre initiativer er på vej med lige så lovende resultater, så det er en spændende tid.”
Brian Andersen, Group Digital Director, Matas
Stærk AI-model bygget ind i e-handelsløsningen
AI-modellens viden om hudtest er bygget af vores solution partner Hesehus baseret på 33.000 historiske besvarelser skrevet af Matas’ materialister. Forslagene fra den kunstige intelligens er bygget direkte ind i e-handelsløsningen, så de automatisk foreslås i materialisternes interface og på den måde gør deres hverdag lettere.
Første version gik live i februar, men siden september har den virkelig gjort en forskel, hvor der er indarbejdet gentræning, så den hver uge medtager nye hudtest-besvarelser, og samtidig tager den også materialisternes feedback for hver AI-anbefaling in mente. Dvs. den lærer af både de gode og knap-så-gode anbefalinger.
Spørgsmål?
Vi er klar til at hjælpe
