[column] Wayfinding in de winkel: Werkt dat met een sociale robot?

Het is voor winkeliers essentieel dat klanten de juiste producten in hun winkel kunnen vinden. Naast traditionele bewegwijzering bij gangpaden en de inzet van plattegronden, zijn het vooral medewerkers die klanten de weg wijzen. Door een schaarste aan winkelmedewerkers en de werkdruk op de winkelvloer, komen winkelmedewerkers hier echter lang niet altijd meer aan toe. Sociale robots bieden hier mogelijk een oplossing: ze kunnen klanten zelfstandig naar de gewenste producten brengen. Klopt dat?

Het onderzoek
Als onderdeel van een landelijk onderzoek naar robots in de retail hebben we gedurende zes weken een sociale robot voor wayfinding ingezet bij een vestiging van de Blokker. De winkel functioneerde hierbij als zogenaamd Living Lab, waarbij er op de winkelvloer is ontwikkeld, getest, en gemeten. De inzet van de robot werd hierbij doorlopend met klanten, medewerkers en de retailmanagers getest en door het onderzoeksteam geëvalueerd, zodat tijdens het testen  eventuele aanpassingen meteen konden worden doorgevoerd[i]. 

Bij het onderzoek is gebruik gemaakt van een Temi robot. Deze robot is één meter hoog, kan met 5 km/u rondrijden en kan zowel worden bediend met spraak als met een touchscreen. De robot stond bij de ingang van de winkel, waarbij klanten hem konden gebruiken voor wayfinding. Dit ging als volgt. De klant gaf bij de robot aan naar welke productcategorie hij/zij op zoek was. De robot reed vervolgens voor de klant uit om aan te wijzen waar de productcategorie zich in de winkel bevond. Alle interacties die klanten met de robots hadden werden objectief door de robot vastgelegd (gebruiksdata). Als aanvulling hebben wij onder klanten die de robot gebruikten vragenlijsten afgenomen. Daarnaast hebben wij medewerkers wekelijks geïnterviewd. Uit de gemaakte analyses [ii], halen wij vier bevindingen:

Bevinding 1: Klanten gebruiken de robot, en met tevredenheid

Uit de gebruikersdata bleek dat de robot met regelmaat wordt gebruikt. Figuur 1 visualiseert de gebruiksstatistieken van de robot in de winkel. In 56 dagen tijd zijn er 2300 klanten aangesproken. Hiervan zijn 911 klanten een interactie aangegaan met de robot, en zijn er 380 klanten volledig geholpen. Klanten die volledig zijn geholpen door de robot waren erg positief over de robot. Zij beoordeelden de service van de robot met 4,3 van de 5 sterren. Maar waardoor wordt deze tevredenheid over de robot precies bepaald? Dit hebben wij met een vragenlijst onderzocht.

Figuur 1: objectieve gebruikersdata

Bevinding 2: Tevredenheid robot komt vooral door nut en gebruiksgemak 

Wat bepaalt de tevredenheid van de klant over de dienstverlening van de robot? Van de klanten die de robot gebruikten, vulden er 111 een door ons opgestelde vragenlijst in. Met de vragenlijst vroegen wij naar positieve (nut, gebruiksgemak, plezier, mooi) en negatieve indrukken (privacy zorgen, ontbreken sociaal contact, eng, vrees dat robot de medewerker vervangt) van de robot, en de ervaren tevredenheid over de robot. De data analyseerden wij met regressieanalyse. Uit de analyses blijkt dat de tevredenheid over de robot positief wordt bepaald door nut (beta: 0.34, P<.001) en gebruiksgemak (beta: 0.23, P<0.05). Dit is in lijn met eerder onderzoek waaruit blijkt dat het nut en gebruiksgemak doorslaggevend zijn bij de adoptie van nieuwe technologie [iii, iv]. De vrees dat de medewerker wordt vervangen door de robot blijkt daarnaast een (klein) negatief effect op de tevredenheid te hebben (beta: - 0.15, P<.05). Kennelijk zien de klanten dienstverlening door alleen robots (nog) niet zitten. Alle andere indrukken bleek geen effect op de tevredenheid te hebben.

Bevinding 3: Medewerker ziet potentie

De medewerkers van de Blokker-vestiging gaven tijdens de interviews (n=7) aan gematigd tevreden te zijn over de sociale robot. Ze zagen de robot vooral als een interessante aanvulling met potentie voor wayfinding richting de toekomst, en niet zozeer als nuttig voor hun huidige werkzaamheden. De medewerkers vonden het echter wel zeer goed dat de winkel nieuwe technologie uitprobeert.  

Om nuttiger voor hun werkzaamheden te worden, dient de robot zonder problemen te draaien en klanten gerichter naar een specifiek product te kunnen brengen. Technische uitdagingen bleken de robot af en toe parten te spelen. Het ging hier vooral om netwerkproblemen omdat de wifi in de winkel niet stabiel bleek te zijn. Hierdoor kon de robot niet altijd zijn taken uitvoeren, wat de medewerkers extra inspanning kostte. Wat betreft de wayfinding zelf bleek een focus op productcategorieën net te algemeen. De medewerkers zouden liever zien dat de robot klanten naar specifieke producten kan brengen.

Bevinding 4: Promoot de robot, en let op de winkelomgeving

Uit het Living Lab bij de Blokker-vestiging hebben we een aantal aanvullende lessen getrokken over hoe een sociale robot het beste kan worden ingezet. Zo blijkt het belangrijk om de robot te promoten bij klanten. Veel klanten zijn nog niet bekend met de functies van sociale robots. Laat klanten daarom duidelijk weten dat de robot hen de weg kan wijzen, bijvoorbeeld met een bord of scherm. Het beginscherm van de robot kan ook verduidelijken wat de functie van de robot is. De medewerker heeft hierbij ook een belangrijke rol. Als de medewerker klanten actief verwijst naar de robot, zullen meer klanten de robot gebruiken. Ook de fysieke winkelomgeving speelt een belangrijke rol. De winkelpaden moeten breed genoeg zijn voor de robot om te kunnen voortbewegen. Te smalle gangpaden vertragen de robot, wat leidt tot frustratie bij klant en medewerker. Daarnaast is het belangrijk dat de winkel gelijkvloers is en enigszins een egale vloer heeft.

Conclusie en vervolgonderzoek

De inzet van sociale robots voor wayfinding is veelbelovend. Klanten waarderen de interactieve manier van wayfinding en maken hier regelmatig gebruik van. Het gebruiksgemak en nut van de robot bepalen voor een groot deel hoe tevreden klanten over de robot zijn. Medewerkers zien de potentie, maar zouden in de toekomst graag zien dat de robots klanten gerichter naar specifieke producten kunnen brengen.

Sociale robots werken nog niet perfect, maar zijn in ontwikkeling. De komende tijd zullen de robots beter worden in het manoeuvreren door ruimtes en het begeleiden van klanten naar grote aantallen producten. Dankzij AI zal de advisering door sociale robots naar verwachting een grote vlucht nemen. Met ons vervolgonderzoek zullen wij hier aandacht aan besteden.

Ewout Nas, Tibert Verhagen, Jacqueline Arnoldy, Stephanie van de Sanden en Koen Hindriks

Centre for Market Insights, Hogeschool van Amsterdam en VU Amsterdam

Woord van dank:
De auteurs danken en Stichting Detailhandelsfonds en het Nationaal Regieorgaan Praktijkgericht Onderzoek SIA (RAAK-mkb) voor het mogelijk maken van het onderzoek. Ook willen zijn hun dank uitspreken richting Blokker, Welbo, Thuiswinkel.org, Techniek Nederland, INretail, het Vakcentrum, en Tuinbranche Nederland.

Bronnen:

[i] Anja Overdiek, Heleen Geerts, Christine De Lille, Ellen Sjoer (2021), Innoveren met labs – hoe doe je dat? Ervaringen van Future-Proof Retail, isbn: 9789083078007

[ii] RStudio Team (2020). RStudio: Integrated Development for R. RStudio, PBC, Boston, MA URL http://www.rstudio.com/.

[iii] Stock, R. M., & Merkle, M. (2017, March). A service Robot Acceptance Model: User acceptance of humanoid robots during service encounters. In 2017 IEEE international conference on pervasive computing and communications workshops (PerCom Workshops) (pp. 339-344). IEEE.

[iv] Subero-Navarro, Á., Pelegrín-Borondo, J., Reinares-Lara, E., & Olarte-Pascual, C. (2022). Proposal for modeling social robot acceptance by retail customers: CAN model+ technophobia. Journal of Retailing and Consumer Services, 64, 102813.
 

Beeld: HvA