UX-casestudy · B2B-applicatie
Bestelbeslissingen stroomlijnen
Coolblue is een toonaangevende elektronicawinkel in Nederland en België. De inkopers waren 30 tot 45 minuten bezig met de beslissing of ze één product moesten bijbestellen. Ik ontwierp de tool die dat terugbracht naar 1 tot 3 minuten.
30 – 45min
1 – 3min
+36%
Gemeten over 6 maanden
Het team bestond uit één front-end developer (XAML voor Windows), drie back-end developers (.NET), een product owner en mij, de UX-designer. De tool draaide alleen op Windows-desktops, de hardware die Coolblue ondersteunde.
Ik was de eerste UX-designer die aan de backofficesystemen van Coolblue werkte, en ik begon aan dit project voordat er een product owner was. Dat betekende het bedrijf, de partners en het werk van de inkopers van de grond af leren kennen, en elke stakeholder horen, ook de CEO, die veel invloed had.

Probleem
Waarom dit project?
Om één product bij te bestellen, moest een inkoper 17 gegevenspunten verzamelen, waarvan veel moeilijk te vinden waren in het oude systeem. Daarna rekende hij de bestelling uit in een eigen spreadsheet, zocht hij de regels op in een gedeelde wiki en typte hij alles weer in. Elke beslissing kostte 30 tot 45 minuten.
Daardoor werden veel producten te laat bijbesteld en andere juist te veel, wat ruimte in het magazijn verspilde. Onze business analisten zagen het trage bijbestellen als een rem op de omzet: elk product dat uitverkocht raakte, was een verkoop die naar een concurrent ging.
Dit werk deden de 19 inkopers van Coolblue, elk met een desktop-pc, een muis en een gamepad.

VerdiepingWaarom een klant het zou merken
Als je ooit iets bij Coolblue hebt gekocht, heb je deze reis gemaakt: kiezen, bestellen, bezorging en daarna. Zonder goed bijbestellen breekt die op twee plekken. Het product is niet op voorraad, of het magazijn kan er niet meer van aannemen omdat het vol ligt met iets dat langzamer verkoopt.
Acht schermen voor één beslissing
Ik bracht elke stap in kaart die een inkoper in het oude systeem zette om te beslissen of hij één product moest bijbestellen. Open een scherm om het op ware grootte te zien.
Doelen
Gewenst resultaat
- Verhoog de frequentie
- Zorgen dat producten vaker worden aangevuld.
- Verminder overvoorraad
- Overtollige voorraad beperken om magazijnruimte te optimaliseren.
- Automatiseer makkelijke beslissingen
- Het proces voor routinematige bestellingen stroomlijnen.
In brainstorms onder leiding van de product owner zagen we dat het systeem veel bestelbeslissingen zelf kon nemen. Dus bouwden we een lerend systeem: een algoritme dat een product bijbestelt zonder de inkoper iets te vragen. Het leert van duizenden eerdere beslissingen, van trends en verkopen, en van de contracten van Coolblue met leveranciers.
Coolblue heeft bijvoorbeeld altijd opladers en kabels nodig. Het systeem weet hoeveel, van wie en tegen welke prijs, dus geen inkoper hoeft daar nog over te beslissen.
Zo houden inkopers de beslissingen over waar een mens voor nodig is, zoals in de winter zwarte, rode en groene barbecues inkopen om volgende zomer te verkopen. Dat vraagt gesprekken met fabrikanten, prijsonderhandelingen en getekende deals: inkoopwerk, geen data-invoer.
Het ontlast ook het geheugen van de inkoper. Mensen vertrekken, worden ziek en vergeten dingen, en de voorraad mag daar niet van afhangen.
Proces
Hoe het tot stand kwam
Werken als inkoper
Ik begon met interviews en observaties bij mensen in heel Coolblue, om de logistiek te leren kennen, de beloftes aan klanten en hoe bijbestellen echt werkte.
Daarna speelde ik zelf inkoper en plaatste ik bestellingen met de bestaande tools. Elke beslissing kwam neer op drie vragen.
-
Moet ik nu bijbestellen?
De software markeerde producten die bijna op waren en liet de inkoper de data erachter zien.
-
Zo ja, hoeveel moet ik bijbestellen?
De juiste hoeveelheid hing af van de ruimte in het magazijn en de voorraad van de leverancier, die vaak moeilijk te zien waren. Sommige leveranciers deelden live voorraadniveaus en andere niet, en contracten en levertijden verschilden per leverancier.
-
Kan ik bij de gekozen leverancier bijbestellen?
Dat hangt af van de punten hierboven: contracten, levertijd, inzicht in de voorraad.
Het team bezocht ook twee keer de magazijnen, om hun grenzen en de tools op de werkvloer te zien.
VerdiepingFoto's van de magazijnbezoeken
Eén beslissing tegelijk
Ik tekende de eerste wireframes. De CEO wilde een tool die zo eenvoudig was dat je hem met een Xbox-gamepad kon bedienen. Ik vatte dat op als beeldspraak. Dat was het niet: ondersteuning voor de gamepad was een echte eis. Ik zorgde ervoor dat de tool ook goed bleef werken met toetsenbord en muis.
Het systeem koos de producten die bijbesteld moesten worden. Voor elk product beantwoordde de inkoper de drie vragen: bijbestellen of niet, hoeveel, en bij welke leverancier (eerst maar één leverancier). Daarna verscheen het volgende product, tot de lijst van die dag af was. Het oude proces kostte acht schermen, het nieuwe één.
VerdiepingNog twee schermen: de taken van de dag en de instellingen
Steeds getest met inkopers
We testten in elke fase. Inkopers klikten via een gedeelde link door een InVision-prototype, en ik schreef hun feedback uit voor het team.
Na de lancering hield ik na elke sprint een feedbacksessie, en uiteindelijk nodigde ik inkopers uit in onze teamruimte om de live tool te gebruiken en de developers direct vragen te stellen. Sprintdemo's voor inkopers en stakeholders hielden iedereen op één lijn over nieuwe features en onze doelen.
Conclusie
Resultaten
Per bestelbeslissing, omlaag van 30 tot 45 minuten (zelf gerapporteerd).
Bespaard door elke inkoper, elke dag. Bijbestellen kostte vroeger ongeveer een uur van de dag van een inkoper; nu een paar minuten, en daarna ging hij door met de rest van zijn werk.
Productbeschikbaarheid over het hele assortiment, over zes maanden, inclusief automatische bestellingen.
Een kwart van alle bestelbeslissingen, genomen door het lerende systeem zonder tussenkomst van een inkoper. Inkopers besteedden die tijd aan leveranciers en langetermijnplanning.
Eén product tegelijk tonen veranderde ook hoe inkopers bestelden. Ze namen meer, kleinere beslissingen in plaats van grote bestellingen die het magazijn overvol maken, en daardoor steeg de beschikbaarheid.
VerdiepingHoe we het maten
We hadden geen A/B-test. We beoordeelden de tool op de eigen bedrijfscijfers van Coolblue. Met maar 19 inkopers kon ik ze allemaal interviewen, dus het onderzoek was kwalitatief en dekte iedereen.
De beslistijden zijn wat inkopers ons vertelden. Minder overvoorraad was een doel, maar nooit ten koste van uitverkochte producten. We hebben niet gemeten hoeveel het daalde: logistiek personeel in het magazijn meldde dat het daalde. Wat we wel maten, is dat de beschikbaarheid steeg.
Dit is het product zoals ik het in 2016 achterliet. Sindsdien is er veel veranderd: het was gebouwd als Windows-desktopapplicatie, en Coolblue is inmiddels overgestapt op een webapp.









