SALESFORCE

Van omnichannel naar agentic commerce: Salesforce Commerce Cloud voorbereiden op klanten en AI-agents

Publicatiedatum: 12/11/2026

 

Daniel Herranz

Salesforce Solution Lead bij Inetum

 

Jarenlang draaide digitale commerce om het wegwerken van de grenzen tussen de fysieke winkel, de webshop, mobiele apps en de klantendienst. Geïntegreerde catalogi, actuele voorraadgegevens, click & collect en retouren over verschillende kanalen heen waren ooit onderscheidende troeven. Vandaag behoren ze voor retailers tot de basis.

People clapping

Digitaal verkeer verandert van karakter

Zoekmachines en sociale media blijven belangrijke toegangspoorten, maar bepalen niet langer het volledige ontdekkingsproces. Een consument kan bijvoorbeeld aan een AI-assistent vragen om wandelschoenen te zoeken, verschillende opties onder een bepaald budget te vergelijken en te beoordelen welk model het best aansluit bij zijn behoeften.

Die verschuiving is al zichtbaar in de cijfers. Tijdens Cyber Week 2025 beïnvloedden AI en agents volgens Salesforce 20% van de wereldwijd geanalyseerde bestellingen, onder meer via gepersonaliseerde aanbevelingen en conversationele ondersteuning. Salesforce koppelde 67 miljard dollar aan omzet aan deze interacties.

Een groter deel van de koopintentie ontstaat dus via AI-ondersteunde aanbevelingen, naast traditionele zoekopdrachten en navigatie.

Dat creëert een nieuw zichtbaarheidsvraagstuk. Ontbrekende productkenmerken, dubbelzinnige beschrijvingen, inconsistente categorieën of verouderde voorraadinformatie hinderen niet alleen klanten. Ze maken het voor een AI-agent evenzeer moeilijk om producten correct te interpreteren, vergelijken en aanbevelen.

SEO krijgt daarmee een aanvullende dimensie: optimalisatie voor generatieve zoek- en antwoordsystemen. Het volstaat niet langer om goed zichtbaar te zijn in zoekresultaten. Productinformatie moet voldoende gestructureerd en betrouwbaar zijn zodat een AI-assistent het aanbod correct kan meenemen in zijn aanbevelingen.

De volgende verschuiving is al bezig. Productontdekking verloopt steeds vaker via AI-assistenten die behoeften interpreteren, alternatieven vergelijken en producten aanbevelen. Een bezoeker van een webshop is daardoor niet noodzakelijk iemand die zelf door categorieën bladert. Het kan ook een AI-agent zijn die namens een klant zoekt.

Voor retailers verschuift de vraag dan ook. Hoe zorg je ervoor dat zowel klanten als AI-agents je assortiment correct begrijpen, betrouwbare aanbevelingen krijgen en uiteindelijk een aankoop kunnen afronden? Die evolutie van omnichannel commerce naar agentic commerce heeft gevolgen voor de klantervaring, de kwaliteit van data en de onderliggende technologiearchitectuur.

Agentic commerce is een handelsmodel waarin mensen en AI-agents producten kunnen ontdekken, alternatieven beoordelen en transacties uitvoeren op basis van gedeelde, actuele informatie.

Van zoekwoorden naar concrete koopintentie

Veel webshops verwachten vandaag nog dat bezoekers hun behoefte vertalen naar zoekwoorden. In de praktijk kent een klant echter niet altijd de exacte productnaam.

Een vraag kan bijvoorbeeld luiden: “Ik zoek een cadeau voor iemand die regelmatig gaat wandelen, voor minder dan 80 euro.” Of: “Ik heb twee luchtige hemden nodig voor het werk deze zomer, met een totaalbudget van 50 euro.”

Een shopping agent kan zo'n intentie interpreteren, rekening houden met het beschikbare budget, de voorraad controleren en uitleggen waarom een bepaald alternatief geschikt is.

Daar ligt een belangrijk verschil met een traditionele chatbot. Een agent werkt niet uitsluitend met vooraf bepaalde vragen en antwoorden, maar raadpleegt actuele informatie over producten, voorraad, bestellingen en voorkeuren.

Salesforce heeft zijn B2C Commerce-aanbod verder ontwikkeld richting Agentforce Commerce. Guided shopping moet klanten binnen één gesprek kunnen begeleiden van productontdekking tot bestelling en dienst na verkoop. Daarnaast voorziet Salesforce mogelijkheden waarmee externe agents, mits de nodige autorisatie, toegang kunnen krijgen tot actuele catalogusinformatie, beelden en winkelmandjes.

Een personal shopper die met de echte catalogus werkt

Een concreet voorbeeld is de generatieve personal shopper die Inetum ontwikkelde voor een Spaanse retailer in herenmode. De assistent is geïntegreerd in een Salesforce B2C Commerce-site en gebruikt de actieve productcatalogus om complexere klantvragen te beantwoorden.

Het systeem kan rekening houden met budget, materiaal, seizoen en gebruikssituatie. Het kan ook een afbeelding analyseren die de klant aanlevert, de kledingstukken van een bepaalde stijl herkennen en vervolgens beschikbare alternatieven in het assortiment zoeken.

Omdat de oplossing met actuele productgegevens werkt en filters toepast om niet-bestaande aanbevelingen te vermijden, wordt het gesprek een praktisch onderdeel van het verkoopproces.

De assistent beperkt zich daarbij niet tot het beantwoorden van vragen. Voegt een klant bijvoorbeeld het jasje van een kostuum toe aan zijn winkelmandje, dan kan de personal shopper de bijpassende broek voorstellen en rekening houden met lopende promoties.

Cross-selling wordt zo contextgerichter. Het systeem kijkt niet alleen naar producten die commercieel aan elkaar gekoppeld zijn, maar houdt ook rekening met de samenhang van een outfit en de concrete aankoopcontext.

AI inzetten om retouren te beperken

Een ander scenario richt zich op een van de grote kostenposten binnen fashion e-commerce: retourzendingen.

Wanneer een klant hetzelfde kledingstuk in twee maten aan het winkelmandje toevoegt, kan de assistent de officiële maattabellen raadplegen en de bestelgeschiedenis gebruiken om de gebruikelijke maat te bepalen. Vervolgens kan hij helpen om vóór de aankoop een keuze te maken.

 

Het doel is hier breder dan conversie verhogen. Minder bestellingen waarbij klanten uit voorzorg meerdere maten kopen, kunnen ook de kosten van retourlogistiek helpen beperken en zo de marge beschermen.

Een architectuur die sneller kan evolueren

Agents toevoegen aan een versnipperd of rigide technologielandschap houdt risico's in. Zonder een degelijke basis kan AI de technische schuld zelfs vergroten.

AI heeft consistente informatie nodig, maar ook een ervaringslaag die kan evolueren zonder dat de volledige digitale commerceomgeving telkens opnieuw moet worden gebouwd.

Storefront Next, algemeen beschikbaar sinds juni 2026, speelt volgens Salesforce op die behoefte in met een full-stackarchitectuur op basis van React, server-side rendering en client-side navigatie. Salesforce stelt dat hiermee in minder dan dertig minuten een productieklare site kan worden opgezet. De oplossing bevat ook mogelijkheden om met AI-ondersteunde ontwikkeltools te werken.

 

Voor retailers kan dit de tijd verkorten die nodig is om nieuwe digitale ervaringen te lanceren en bestaande flows aan te passen. Business-teams kunnen productpagina's, listings en componenten beheren zonder voor elke wijziging ontwikkeling nodig te hebben, terwijl technische teams de mogelijkheid behouden om het platform verder uit te breiden.

Organisaties die al een oudere Salesforce B2C Commerce-architectuur gebruiken, hoeven daarbij niet noodzakelijk hun volledige commerce engine te vervangen. Ze kunnen ervoor kiezen eerst de ervaringslaag te moderniseren.

De relevante vraag is dus niet of een organisatie moet migreren omdat de markt een nieuwe richting uitgaat. Ze moet bepalen welke componenten waardevol blijven, welke moeten worden gemoderniseerd en welke concrete use cases een investering rechtvaardigen.

Hoe meet je de waarde van agentic commerce?

Het aantal gesprekken met een AI-assistent zegt op zichzelf weinig over het zakelijke resultaat. De belangrijkste KPI's blijven gekoppeld aan de prestaties van de commerceomgeving.

De conversieratio kan bijvoorbeeld worden vergeleken tussen klanten die guided shopping gebruiken en klanten die het klassieke traject volgen. De gemiddelde bestelwaarde toont of contextuele aanbevelingen effectief meer waarde aan het winkelmandje toevoegen.

Ook het retourpercentage is relevant. Dat cijfer kan aantonen of advies over maten, combinaties of compatibiliteit vragen oplost voordat ze tot extra logistieke kosten leiden.

Andere bruikbare indicatoren zijn het aantal vragen dat niet langer bij de klantendienst terechtkomt en de tijd die nodig is om nieuwe digitale ervaringen live te zetten.

Conversationele interacties leveren bovendien waardevolle intentiesignalen op: budget, aankoopmoment, voorkeuren en redenen waarom een product wordt afgewezen. Die gegevens kunnen worden verwerkt in Data Cloud en Marketing Cloud om segmentatie verder te verfijnen.

Op termijn komt daar nog een ander criterium bij: zichtbaarheid binnen externe AI-assistenten. Retailers zullen moeten opvolgen hoe vaak hun merk bij relevante koopintenties voorkomt en op basis van welke informatie het wordt voorgesteld.

Data en governance blijven het vertrekpunt

Een AI-agent lost een gebrekkige productcatalogus niet vanzelf op. Zijn de attributen onvoldoende ingevuld of klopt de voorraad niet, dan zullen ook de aanbevelingen tekortschieten. Dat tast uiteindelijk het vertrouwen van klanten aan.

De kwaliteit en integratie van data moeten daarom worden aangepakt vóór organisaties conversationele mogelijkheden op grotere schaal uitrollen.

Governance is minstens even belangrijk. Retailers moeten vastleggen welke producten een assistent mag aanbevelen, welke promoties hij mag aanbieden, wanneer een gesprek naar een medewerker moet worden doorgestuurd en hoe beslissingen kunnen worden gecontroleerd.

Die regels vormen in de praktijk een gecodeerd commercieel beleid. De uitwerking ervan vraagt samenwerking tussen business, technologie en juridische teams.

Inetum benadert deze evolutie vanuit een audit van catalogus, data en architectuur, gevolgd door een afgebakende en meetbare use case. Een personal shopper binnen een specifieke productcategorie, maatadvies of een proefproject met Storefront Next kan bijvoorbeeld helpen om het rendement te toetsen voordat een organisatie verder opschaalt.

Daarvoor zijn drie fundamenten nodig: betrouwbare data, een flexibele architectuur en agents die kunnen handelen binnen echte bedrijfsprocessen.

E-commerce heeft jarenlang een funnel geoptimaliseerd voor mensen die zoeken, navigeren en klikken. Daar komen nu gesprekken en gedelegeerde beslissingen bij. Agentic commerce vervangt omnichannel dus niet, maar bouwt erop voort. Retailers moeten hun aanbod begrijpelijk maken voor klanten, bruikbaar voor agents en relevant op het moment dat een aankoopbeslissing wordt genomen.

Is uw organisatie klaar voor een toekomst waarin klanten en AI-agents samen aankoopbeslissingen nemen?

Ontdek hoe Inetum retailers helpt om agentic commerce mogelijk te maken met betrouwbare data, een flexibele architectuur en AI-oplossingen die tastbare bedrijfswaarde creëren