NL
Verbind je AI-agent

Voeg Hello Retail toe aan je AI-assistent

Voor klanten van Hello Retail: Kopieer het adres en voeg het toe als connector in Claude, ChatGPT of Codex.

MCP-adres

https://core.helloretail.com/mcp

Nog geen klant?De MCP werkt met een Hello Retail-login. Vertel ons wat je wilt bouwen.

Laten we praten
Laten we praten

Chapter: AI-overzicht & Product Intelligence · 0:37–2:35

Het AI-landschap en Product Intelligence: Hoe Hello Retail de basis voor personalisatie legt

Rasmus Leth Skjoldan·May 21, 2026·5 min read

AI maakt al sinds de oprichting deel uit van het platform van Hello Retail, en de afgelopen vijf jaar heeft een speciaal intern team zich uitsluitend beziggehouden met het ontwikkelen van eigen AI-modellen. Het belangrijkste onderdeel van dat werk is Product Intelligence: Een holistisch model dat tekst- en beeldsignalen combineert om producten te begrijpen vanuit een ‘product-first’-perspectief. Het zit aan de basis van bijna elke functie die Hello Retail aanbiedt, van gerangschikte aanbevelingen tot gepersonaliseerde zoekresultaten.

Waarom de verwachtingen van klanten steeds hoger worden

Twee woorden domineren op dit moment elk gesprek over ecommerce: Kunstmatige intelligentie. De druk die dit op online retailers legt, is reëel en meetbaar. Volgens het rapport ‘State of the Connected Customer’ van Salesforce zegt 88% van de klanten dat de ervaring die een bedrijf biedt net zo belangrijk is als zijn producten en diensten. Naarmate AI-modellen steeds beter worden in het doorgronden van individuele voorkeuren, gaan shoppers ervan uit dat elke winkel, elk zoekresultaat en elke aanbeveling al weet wie ze zijn.

Het praktische gevolg is dat personalisatie niet langer een concurrentievoordeel is, maar een basisverwachting. Uit onderzoek van McKinsey blijkt dat 71% van de consumenten verwacht dat bedrijven gepersonaliseerde interacties bieden, en 76% zegt gefrustreerd te raken als dat niet gebeurt. Voor ecommerce-bedrijven gaat het nu minder om de vraag óf ze moeten personaliseren, maar meer om de vraag in hoeverre de onderliggende modellen de productcatalogus daadwerkelijk begrijpen.

Product Intelligence: Een project van vijf jaar

Het antwoord van Hello Retail op die uitdaging begon al lang voordat generatieve AI een veelbesproken onderwerp werd. De afgelopen vijf jaar heeft een intern team zich uitsluitend gericht op het ontwikkelen van eigen AI-modellen. Het belangrijkste resultaat van die aanhoudende inspanning is Product Intelligence.

Product Intelligence bekijkt de wereld door een productbril. In plaats van één enkel model op alle signalen toe te passen, maakt het gebruik van meerdere onderliggende modellen die samenwerken: Tekstmodellen die productbeschrijvingen, reclameteksten en kenmerken verwerken, en beeldmodellen die visuele signalen uit productfoto’s interpreteren. Het resultaat is een rijkere, meer holistische weergave van elk product – een weergave waar het platform in de juiste context over kan redeneren, waarbij het aankooppatronen, natuurlijke combinaties en cataloguspositionering begrijpt op manieren die noch tekst, noch beeld alleen zou kunnen ondersteunen.

Die gelaagde architectuur is belangrijk omdat echte productcatalogi nogal rommelig zijn. Uit de titel alleen kun je niet opmaken of een hardloopschoen bedoeld is voor trail of voor de weg. En uit een afbeelding alleen kun je niet opmaken of een jas helemaal waterdicht is. Door verschillende informatiebronnen te combineren, stelt Product Intelligence een beeld samen van elk product dat laat zien hoe kopers het daadwerkelijk ervaren – veel meer dan de statische beschrijving die bij het importeren wordt vastgelegd.

Wat Product Intelligence eigenlijk mogelijk maakt

Product Intelligence vormt de gemeenschappelijke basis voor vrijwel alles wat Hello Retail levert.

Productaanbevelingen maken gebruik van Product Intelligence om producten per klant te rangschikken op basis van gedragssignalen die in de hele webshop worden geregistreerd. Zo worden artikelen getoond die aansluiten bij het specifieke surf- en koopgedrag van elke bezoeker, gebaseerd op het inzicht dat het platform heeft in zowel de klant als het product. De zoekfunctie maakt gebruik van dezelfde basis om gerangschikte resultaten weer te geven die zijn afgestemd op zowel de zoekopdracht als het gedrag van de klant. Zo kunnen twee mensen die zoeken naar ‘laarzen’ heel verschillende resultaten krijgen, afhankelijk van wat het platform over elk van hen weet.

Die gemeenschappelijke basis is een bewuste architecturale keuze. Als aanbevelingen en zoekresultaten uit dezelfde productinformatielaag putten, blijft de personalisatie consistent over alle contactpunten heen. Hetzelfde inzicht in een product bepaalt of het in een zoekresultaat, een aanbevelingswidget of een geautomatiseerde e-mail verschijnt. Er is geen breuk waarbij het ene deel van het platform een ander beeld van een product heeft dan het andere.

Product Intelligence zorgt voor de rangschikking, maar verkopers houden de controle over de uiteindelijke weergave. Dezelfde modellen die ten grondslag liggen aan zoekresultaten en aanbevelingen bieden verkopers de mogelijkheid om zelf in te grijpen in wat er wordt getoond: Ze kunnen bepaalde zoektermen extra benadrukken, producten vastzetten of juist uitsluiten van de resultaten, zodat het menselijk oordeel nog steeds bepaalt wat shoppers te zien krijgen.

Voor teams die willen weten hoe de modellen werken: Hello Retail heeft een overzicht gepubliceerd op helloretail.com/en/product-intelligence/.

AI hoort thuis in de basis

Er zijn flinke zakelijke redenen om dit goed aan te pakken. Uit onderzoek van Epsilon blijkt dat 80% van de consumenten eerder geneigd is iets te kopen als merken gepersonaliseerde ervaringen bieden – een cijfer dat de kwaliteit van de onderliggende modellen echt in de omzet laat doorklinken. De AI-modellen die die personalisatie mogelijk maken, moeten worden gebouwd, getest en verfijnd op basis van echte cataloguscomplexiteit, voordat ze op grote schaal betrouwbaar presteren.

Het standpunt van Hello Retail is dat AI een fundamenteel onderdeel moet zijn, vanaf het begin ingebed in de kernmodellen in plaats van er pas in een laat stadium als een extra functielaag aan toegevoegd te worden. Vijf jaar toegewijd werk aan Product Intelligence weerspiegelt die visie. De modellen die de gepersonaliseerde ervaringen in deze release voor het vierde kwartaal mogelijk maken, zijn al vóór de huidige AI-boom ontwikkeld. Dat betekent dat ze de tijd hebben gehad om te worden getest en geoptimaliseerd aan de hand van duizenden productcatalogi en echt koopgedrag van klanten.

Voor ecommerce-teams die personalisatieplatforms evalueren, is die geschiedenis zeker het onderzoeken waard. Een platform waar AI al vijf jaar de drager van de infrastructuur is, heeft te maken gehad met storingen – en die verholpen – waar een recenter opgebouwd systeem nog niet mee te maken heeft gehad. Dat verschil zie je terug in de kwaliteit van de aanbevelingen, de relevantie van de zoekresultaten en de consistentie van de ervaring op elk kanaal waar een klant de catalogus tegenkomt.

In de volledige presentatie over de herfstrelease van het vierde kwartaal zie je hoe Product Intelligence in de praktijk aansluit op Retail Media, Search Word Boosting en aanbevelingen – de hoofdstukken die hierop volgen laten elk een specifieke functie zien die op deze basis is gebouwd.