Het productgegevensprobleem dat niemand snel genoeg oplost

Dit is de eerste in een driedelige serie over AI en Productinformatiebeheer. Deel 2 onderzoekt wat AI feitelijk doet binnen een PIM - en waar het faalt. Deel 3 gaat over de implementatiestrategie en de regelgevende krachten die de verplichtingen op het gebied van productgegevens hervormen.

Productgegevens zijn een inkomstenbron waar de meeste organisaties nauwelijks gebruik van kunnen maken. De mondiale PIM-markt werd in 2024 geschat op ongeveer $14 miljard en zal naar verwachting in 2033 tussen de $32 en $68 miljard stijgen. Analisten zijn het niet eens over het plafond, maar niemand is het oneens over de richting. Meer dan 85.000 organisaties wereldwijd gebruiken nu PIM-systemen om gegevens met betrekking tot meer dan 900 miljoen SKU's te beheren. En toch zou 83% van de shoppers een e-commercesite verlaten als de productinformatie onvoldoende is. Beide statistieken kunnen tegelijkertijd waar zijn, omdat het hebben van een PIM-systeem en het goed runnen ervan twee totaal verschillende dingen zijn.

In die kloof - tussen eigendom en uitvoering - liggen tegenwoordig de meeste concurrentiemogelijkheden op het gebied van productdata.

Wat PIM eigenlijk is, en wat het niet is

Productinformatiemanagement is de discipline van het centraliseren, verrijken en distribueren van productgegevens via elk commercieel kanaal dat een organisatie exploiteert. Een PIM-systeem is de software-infrastructuur die die discipline op schaal uitvoerbaar maakt. Het creëert één enkele bron van waarheid voor alles wat een product is: de afmetingen, materialen, certificeringen, prijsregels, afbeeldingen, beschrijvingen, vertalingen en kanaalspecifieke varianten.Wat PIM niet is, is een contentfabriek. Een PIM-systeem beheert de gegevens. Het creëert het niet automatisch, verbetert het niet, of past het niet aan aan nieuwe contexten. Dat onderscheid is enorm belangrijk, omdat de meeste organisaties die PIM hebben geïmplementeerd het bestuursprobleem - centralisatie, versiebeheer, kanaalsyndicatie - hebben opgelost zonder het probleem van de inhoudskwaliteit op te lossen dat feitelijk de commerciële prestaties drijft. Ze hebben een goed georganiseerde catalogus met middelmatige productrecords.

De belangrijkste faalmodus hier is de menselijke doorvoer. Elk product in een catalogus vereist verrijkingswerk: een beschrijving geschreven, attributen ingevuld, afbeeldingen getagd, toegewezen categorieën, vertalingen geproduceerd voor elke actieve markt. Shopify-verkopers die meer dan 10.000 SKU's verwerkten, ondervonden een omzetverlies van 23% als de informatie onvolledig was. Die bevinding is niet verrassend. Wat verrassend is, is hoe weinig organisaties de kosten hebben berekend van het handmatig dichten van die volledigheidskloof.

Stel je voor dat een middelgrote fabrikant 200 nieuwe SKU's per kwartaal toevoegt en vijf marktlocaties beheert. Bij een conservatieve handmatige verrijkingsinspanning van drie uur per record (schrijven, vertalen, taggen, beoordelen) komt dat neer op 3.000 manuren per kwartaal voordat een enkel product op de markt komt. Verdeel dat over een bestaande catalogus van 20.000 onderverrijkte records en het probleem wordt structureel en niet operationeel. Handmatige processen kunnen deze kloof niet dichten. Ze kunnen het alleen maar handhaven.

Waarom de status quo aan het instorten isHet argument voor betere productgegevens is niet nieuw. Wat de afgelopen twee jaar is veranderd, zijn de concurrentiekosten die het negeren ervan met zich meebrengt.

Volgens McKinsey's State of AI 2024-rapport maakt 65% van de ondervraagde bedrijven nu regelmatig gebruik van generatieve AI in ten minste één bedrijfsfunctie, waarbij de acceptatie jaar na jaar blijft stijgen. In de PIM-context betekent dit dat een groeiend aantal concurrenten productcontent genereert en verrijkt in een tempo en een kostenstructuur die handmatige handelingen eenvoudigweg niet kunnen evenaren. Wanneer een concurrent binnen enkele uren in plaats van weken een volledig verrijkt, vertaald, voor kanalen geoptimaliseerd productrecord kan publiceren, is de kloof niet alleen operationeel. Het is commercieel.

Ruim 68% van de bedrijven met meer dan 5.000 producten meldde een efficiëntiewinst van minstens 30% na de implementatie van PIM-oplossingen. Maar deze cijfers weerspiegelen de basisadoptie van PIM, en niet de door AI versterkte PIM. Het volgende niveau van efficiëntiewinst - en de conversieverbeteringen die daarop volgen - is van organisaties die verder gaan.

Het efficiëntieargument is echter het minst interessante. Het overtuigender argument wordt geleverd door conversiegegevens. Producten met volledige attribuutprofielen, professionele beschrijvingen en correct getagde afbeeldingen converteren consistent twee tot vier keer zo snel als slecht verrijkte records in zowel de detailhandel als de B2B-commercecontext. Voor een bedrijf dat 50 miljoen euro aan online omzet genereert terwijl 30% van de catalogus onderverrijkt is, is het dichten van dat gat naar schatting 3 tot 8 miljoen euro aan extra omzet waard - voordat rekening wordt gehouden met het secundaire effect van lagere retourpercentages die voortvloeien uit nauwkeurigere productbeschrijvingen.Er is ook een structurele factor die zelden naar voren komt in ROI-discussies: kanaalproliferatie. Ruim 73% van de multinationale winkelketens maakt nu gebruik van PIM-platforms om de consistentie tussen websites, apps en kanalen van derden te behouden, en in 2023 opereerde meer dan 70% van de mondiale detailhandelaren via meer dan vier kanalen, waardoor consistente synchronisatie van productgegevens nodig was. Voor elk nieuw kanaal moet niet alleen bestaande inhoud opnieuw worden gepubliceerd. Het vereist inhoud die is aangepast aan nieuwe formatvereisten, nieuwe verwachtingen van het publiek en vaak nieuwe taalcontexten. De werklast voor verrijking vermenigvuldigt zich met elk toegevoegd kanaal.

De datakwaliteitscrisis die niemand meet

Hier is de ongemakkelijke realiteit die de meeste PIM-gesprekken vermijden: organisaties kennen de kwaliteitsstatus van hun eigen catalogi niet nauwkeurig.

37% van de bedrijven heeft moeite met het toepassen van automatisering en AI op productdataprocessen, 31% vindt samenwerking tussen teams moeilijk en 28% noemt tijdige productlanceringen een grote uitdaging vanwege hindernissen op het gebied van productinformatie. Dit zijn symptomen van dezelfde onderliggende aandoening: productgegevens worden behandeld als een onderhoudstaak in plaats van als een commercieel bezit, wat betekent dat er investeringen op onderhoudsniveau en meting van het onderhoudsniveau worden gedaan.Het praktische resultaat is catalogusschuld: de opgebouwde achterstand van ontbrekende attributen, inconsistente terminologie, verkeerd geclassificeerde categorieën, dubbele records en niet-gelabelde assets die de prestaties van elk downstream-kanaal verslechteren zonder dat iemand duidelijk verantwoordelijk is voor het oplossen ervan. In tegenstelling tot financiële schulden komen catalogusschulden op geen enkele balans voor. Het manifesteert zich indirect: in de conversiepercentages die iets onder de benchmark liggen, in de rendementen die iets boven het gemiddelde liggen, in de time-to-market die iets langer duurt dan gepland.

78% van de bedrijven wordt geconfronteerd met uitdagingen op het gebied van naleving als gevolg van de slechte gegevenskwaliteit, en dit cijfer onderschat het risico voor organisaties in gereguleerde categorieën. Een fabrikant van medische hulpmiddelen met onjuiste materiaalspecificaties in zijn PIM beheert een efficiëntieprobleem niet. Het beheert een verplichting.

De uitdaging is de meetarchitectuur. De meeste productdatateams kunnen hun huidige basislijn niet rapporteren: gemiddelde tijd vanaf productcreatie tot publicatie-gereedstatus, volledigheidspercentage per attribuutcategorie, defectpercentage per gegevensbron, nauwkeurigheidspercentage van vertalingen per talenpaar. Zonder deze uitgangspunten is er geen manier om het probleem te kwantificeren, investeringen te rechtvaardigen of verbeteringen aan te tonen. Organisaties die eerst een meetinfrastructuur opbouwen - voordat ze enige AI-capaciteit implementeren - behalen consequent betere resultaten dan organisaties die AI-tools inzetten op basis van niet-gemeten catalogi.

De competitieve inzet van niets doenHet verwachte groeipercentage van de PIM-markt - 15% CAGR tussen 2025 en 2034 - vertelt één verhaal. Het meest leerzame verhaal is de divergentie die ontstaat binnen de geïnstalleerde basis.

Ongeveer 42% van de organisaties is van plan AI in te zetten voor taken op het gebied van productinformatiebeheer, zoals geautomatiseerde gegevensverrijking of intelligente aanbevelingen. Dat aantal vertegenwoordigt een toonaangevend cohort dat een structureel voordeel opbouwt op het gebied van cataloguskwaliteit en inhoudssnelheid. De resterende 58% - waarvan er vele functionele PIM-systemen hebben - voert een steeds minder competitieve verrijkingsoperatie uit.

Het timingargument om nu te handelen gaat niet over vroeg zijn. Het gaat om compounderen. Een organisatie die medio 2026 een catalogusvolledigheid van 85% bereikt, beschikt niet alleen over betere productgegevens dan een concurrent die in 2028 een compleetheid van 60% heeft. Op die basis zijn nog twee jaar aan conversiegegevens, verbetering van de zoekprestaties en het vertrouwen van kanaalpartners gebouwd. De kloof wordt niet kleiner wanneer de langzamere concurrent uiteindelijk de achterstand inhaalt; de kloof stopt eenvoudigweg met groeien.

De beslissing werd duidelijk geformuleerd: organisaties met complexe, meertalige, multi-channel productcatalogi beheren een kostenstructuur die steeds minder concurrerend zal worden met AI-verbeterde collega's. De vraag is niet of dit moet worden aangepakt. Het gaat erom hoe snel en in welke volgorde.

Het volgende artikel in deze serie onderzoekt precies dat: wat AI-mogelijkheden binnen een PIM-systeem feitelijk doen, waar ze duurzame waarde creëren, en waar ze risico’s introduceren die de meeste gesprekken met leveranciers gemakshalve achterwege laten.