Wat kost slechte productdata?

Een product verdwijnt zonder foutmelding

Een filterattribuut is leeg. Kleur, materiaal, maat, het maakt niet uit welk. Het veld is niet gevuld.

Wat er dan gebeurt: het product verdwijnt uit de zoekresultaten. Niet met een foutmelding. Niet met een waarschuwing. Het product staat gewoon niet meer in het filter. Een klant die zoekt op “zwart” vindt uw zwarte jas niet, omdat het kleurveld leeg is. De jas bestaat. De pagina bestaat. Maar voor de klant is het product onzichtbaar.

Dit is geen edge case. In organisaties die wij onderzoeken, is dit dagelijkse realiteit. Tientallen, soms honderden producten die niet vindbaar zijn omdat een attribuut ontbreekt. Niet omdat de data er niet is, maar omdat niemand controleert of die data ook daadwerkelijk in het juiste veld staat.

Het kost u omzet. Elke dag. Maar het staat in geen enkel rapport.

Directe kosten die niemand telt

De meest zichtbare schade van slechte productdata is ook de meest onderschatte. Omdat er geen foutmelding is, is er geen ticket. Omdat er geen ticket is, is er geen rapportage. Omdat er geen rapportage is, ziet niemand het.

Onvindbare producten. Lege filterattributen, verkeerde categorisering, ontbrekende zoektermen. Elk leeg veld is een product dat niet meedoet in de selectie van de klant. Op een webshop met duizenden producten kan dit tientallen procenten van het assortiment raken zonder dat iemand het merkt.

Foutieve productpagina’s. Een gewicht in grammen dat in kilogrammen had moeten staan. Een maat die niet overeenkomt met de maattabel. Een productbeschrijving die bij het verkeerde artikel hoort. De klant bestelt, ontvangt iets anders dan verwacht, en stuurt het terug.

Retouren. Een deel van uw retouren is geen logistiek probleem en geen kwaliteitsprobleem. Het is een dataprobleem. De klant kreeg niet wat de productpagina beloofde. Niet omdat u het verkeerde stuurde, maar omdat de data niet klopte.

Deze kosten zijn concreet, meetbaar, en in de meeste organisaties onzichtbaar. Ze worden geabsorbeerd door klantenservice, retourlogistiek en marketingbudget. Maar de oorzaak zit aan de bron, bij de productdata.

De kosten die u niet op een factuur terugvindt

Onder de directe kosten zit een laag die structureler is en moeilijker te kwantificeren.

Handmatig herstel als dagelijkse routine. In veel organisaties is er een team, of een deel van een team, dat dagelijks productdata controleert en corrigeert. Ze openen exports, vergelijken velden, vullen ontbrekende waarden aan, en herstellen fouten die gisteren zijn gemaakt. Dit is geen project. Dit is hun werk. Elke dag opnieuw.

De vraag die zelden wordt gesteld: waarom is dit nodig? Als de data bij de bron correct zou zijn, als er regels zouden zijn die afdwingen dat een product niet gepubliceerd wordt zonder compleet gevulde attributen, zou dit herstelwerk niet bestaan.

Vacaturedruk. Zoek op een willekeurige dag naar vacatures voor data stewards, master data specialists of productdata-specialisten in Nederland. Ze komen dagelijks voorbij. Dat is geen toeval. Dat is een arbeidsmarkt die reageert op een structureel probleem. Organisaties hebben mensen nodig om data te repareren die bij de bron al goed had moeten zijn.

Verloop. Medewerkers die dag in dag uit handmatig data herstellen, blijven niet lang. Het werk is repetitief, onzichtbaar en ondankbaar. Het verloop in deze functies is hoog. De kosten van werving, inwerkperiode en kennisverlies komen daar bovenop.

Dit zijn geen incidenten. Dit is een operatie die draait op structureel herstelwerk. En structureel herstelwerk is het duurste soort werk dat er is, omdat het nooit ophoudt.

Strategische kosten die u nog niet voelt

De derde laag is de minst zichtbare en de meest ingrijpende.

AI-kanalen die uw producten niet tonen. Google Shopping, AI-assistenten, vergelijkingsplatforms, ze werken allemaal met gestructureerde productdata. Niet met marketingteksten. Niet met PDF’s. Met vergelijkbare, genormaliseerde attributen. Als uw data die attributen niet bevat, of als de waarden inconsistent zijn, wordt uw product niet meegenomen in de vergelijking. Niet afgewezen. Genegeerd.

Het verschil is cruciaal. Een afwijzing kunt u corrigeren. Iets dat stilzwijgend wordt overgeslagen, merkt u niet op totdat u zich afvraagt waarom uw marktaandeel in een kanaal daalt.

EU-wetgeving. Het Digitaal Product Paspoort (DPP) komt eraan. De Europese Unie vereist dat producten in bepaalde categorieën een gestandaardiseerd digitaal paspoort meekrijgen met informatie over herkomst, samenstelling, repareerbaarheid en recyclebaarheid. Dat zijn gestructureerde attributen die vandaag in de meeste productdatabases niet bestaan.

Als uw huidige data al moeite heeft met kleur en materiaal, hoe gaat u dan voldoen aan wetgeving die tientallen nieuwe attributen vereist? Niet met een project. Niet met een eenmalige opschoonactie. Met governance. Met regels aan de bron. Met eigenaarschap over datakwaliteit.

Wat u zou moeten meten

De kosten van slechte productdata zijn alleen onzichtbaar zolang u ze niet meet. En meten begint met de juiste vragen.

Completeness rate per kanaal. Niet of uw PIM-velden gevuld zijn, maar of de attributen die een kanaal nodig heeft om uw product te tonen, daadwerkelijk aanwezig en correct zijn. Het verschil is wezenlijk. Een PIM kan 95% compleet rapporteren terwijl 30% van de producten niet vindbaar is in een filter.

Hersteluren per week. Hoeveel uur besteedt uw team aan het corrigeren van productdata? Niet als project, maar als dagelijkse routine. Dit getal is in de meeste organisaties niet bekend. En als u het wel zou weten, zou het u verbazen.

Retouren door data-afwijkingen. Welk percentage van uw retouren is terug te voeren op een verschil tussen wat de productpagina toonde en wat de klant ontving? Dit vereist dat u retourredenen koppelt aan productdata-kwaliteit. Dat gebeurt zelden, maar het is meetbaar.

Filterval. Hoeveel producten vallen uit zoekresultaten door ontbrekende of incorrecte filterattributen? Dit is technisch eenvoudig te meten, maar vrijwel niemand doet het.

Wat inzicht oplevert

Wanneer u deze getallen kent, verandert het gesprek.

Het gesprek verschuift van “we moeten de datakwaliteit verbeteren” naar “we verliezen 340 producten per week uit zoekresultaten, wat ons naar schatting €X aan gemiste omzet kost.” Het eerste is een wens. Het tweede is een business case.

U kunt onderbouwen waarom governance nodig is. Niet als abstract begrip, maar als antwoord op een concreet, meetbaar probleem. U kunt laten zien dat het PIM niet het probleem is, maar dat het proces eromheen, wie is eigenaar van welk attribuut, welke regels gelden er, wat mag er niet gepubliceerd worden, niet is ingericht.

En u kunt bepalen waar u begint. Niet met een programma dat alles tegelijk aanpakt. Maar met het onderdeel dat de meeste schade veroorzaakt. Dat is bestuurbaar. Dat is structureel oplossen.

---

Binnen 1–2 weken inzicht in wat uw productdata u kost. Vaste prijs: €2.695. Start Inzichtsprint of stel uw vraag.