Podcast 338: Tarek Kabrit van Seez #DCDW Podcast van Paul de Vries

Welkom allemaal bij een nieuwe podcast met de missie om de online automotive beter maken. Vandaag praten we online met onze gast Tarek Kabrit, CEO en medeoprichter van Seez Datadriven solutions for car dealerships.  Tarek, leuk dat we verbonden zijn, wil je aan onze luisteraars vertellen wie je bent en wat je doet?

Leiderschap in productontwikkeling
"Ik ben Tarek Kabrit, CEO en medeoprichter van Seez, een techbedrijf in de automotive. Wij ontwikkelen software voor dealerbedrijven. We hebben vier pijlers, waaronder een e-commerce-oplossing, een omnichannel-oplossing waarmee dealers auto’s in de showroom kunnen verkopen en de klant naadloos van online naar offline en weer terug kan gaan. Oplossing drie is een AI-oplossing en de vierde is een ChatGPT-oplossing die kan werken als een volledig digitale verkoper.
Seez is eigenlijk ontstaan omdat ik ironisch genoeg, niet veel weet van auto’s. Ik zat tussen twee banen in en zag een Mini Cooper, een auto die altijd al wilde hebben. Ik had geen idee hoe duur ie was en niemand kon me dat vertellen. Dat bracht me op het idee om een app te ontwikkelen, zoals Shazam voor muziek, waarbij je aan de hand van een foto en die app meer over de auto te weten komt. We besloten om een app te bouwen, dat was het begin van Seez. We begonnen in Dubai, daarna in Denemarken, waar mijn mede-eigenaar woont. We konden daar voor twee grote dealergroepen werken, vandaar dat we daar ook een kantoor hebben.
We hebben vier pijlers, de eerste is een soort Shopify voor dealers; het is een software abonnement dat online koopreis overneemt voor registratie, facturatie, ondertekenen van documenten, financiering, enzovoort, het praat met het DMS van de dealer en helpt om het leven van koper en dus ook de verkoper te vergemakkelijken.
De tweede pijler is een lead management system met CRM en waar online en offline samenwerken. De derde pijler is AI-gestuurd en gebruiken we om de waarde van de auto te bepalen, om de auto te herkennen en om een aantrekkelijkheidsscore van een auto te kunnen bepalen. Hoe hoger de score, hoe makkelijker de auto verkoopt.
We kijken daarbij naar drie datasets. Een gebaseerd op de auto: kleur, interieur, enzovoort. Voor de tweede set kijken we naar hoeveel mensen die auto en vergelijkbare auto’s bekijken, maar ook hoe lang ze naar die auto kijken. De derde dataset kopen we in, en heeft betrekking op gebruikte autoadvertenties om te bepalen hoeveel vergelijkbare auto’s er online zijn, tegen welke prijs en hoe lang ze te koop staan. Die drie datasets combineren we om de aantrekkelijkheid van de auto vast te stellen. Die scoort helpt de dealer weer om bijvoorbeeld de waarde van een inruiler te bepalen.  De datasets gebruiken we ook voor een klant in België die overweegt om dynamische prijzen te introduceren op vraag en aanbod, precies zoals gebeurt met de prijzen van hotelkamers en vliegtickets.
De tweede AI-tool bekijkt het klantgedrag. Wordt de ‘back-knop’ gebruikt bij website bezoek, maar ook de volgorde in het bezoekgedrag wordt bekeken en is er aandacht voor vergelijkbare auto’s, hoe lang is het sitebezoek, komt de bezoeker terug om bij dezelfde auto te kijken?  Al die gegevens leiden tot een score voor de klant, die vertelt of de klant in de markt is. Die score wordt vervolgens ingezet voor digitale marketing, Zo zet je meer geld in om een klant met een hoge score te overtuigen een auto te kopen, in plaats van geld in te zetten voor iedereen die je website bezoekt. Je besteedt het geld aan mensen die het meest waarschijnlijk een auto kopen.
De laatste pijler is ChatGPT, ons nieuwe kindje, een automotive specifieke chatbot. Zie het als 24-uurs klantsupport. Het systeem antwoordt betere dan de meeste mensen, hij maakt geen fouten en werkt als een conciërge op de website. Hij vertelt de klant wat hij moet doen als hij bijvoorbeeld op zoek is naar financiering. Hij geeft ook een persoonlijk service, gebaseerd op de vragen en antwoorden, iets wat niet mogelijk is