Case study
Marktplaats verbetert de vindbaarheid van miljoenen advertenties en bespaart 95% van de tijd.
Van meer dan vier uur handwerk per categorie naar vijf tot tien minuten — reproduceerbaar, data-driven, met de mens in controle.
Marktplaats is een van de grootste handelsplatformen van Nederland met miljoenen actieve advertenties. De kwaliteit van de zoekfilters per categorie bepaalt direct hoe goed kopers vinden wat ze zoeken, zowel op het platform zelf als via zoekmachines en AI-interfaces die steeds vaker de eerste stap worden in een koopproces. Wij bouwden samen met het Marktplaats-team een AI-gedreven systeem dat per categorie de meest relevante filterattributen en -waarden bepaalt, gebaseerd op echte data uit de advertenties zelf. Wat voorheen meer dan vier uur handmatig werk per categorie kostte, gebeurt nu in enkele minuten.
De uitdaging
Marktplaats telt circa tweeduizend subcategorieën, elk met hun eigen taal, merken en producttypen. Het samenstellen van relevante filters voor zo'n categorie vraagt research, kennis van het assortiment, en kalibratie tegen concurrerende platformen. Een gemiddelde categorie kostte minstens vier uur. Over alle tweeduizend categorieën liep dat op tot meer dan achtduizend uur werk. Een schaal die, naast de lopende productontwikkeling, structureel bleef liggen.
Eerdere interne experimenten met generieke AI-tools leverden niet de consistentie en betrouwbaarheid om op te leveren. De vraag was niet of AI kon bijdragen, maar of er een systeem te bouwen was dat elke categorie op hetzelfde kwaliteitsniveau zou afleveren: reproduceerbaar, toetsbaar, en goed genoeg om na een korte menselijke eindcheck live te kunnen.
De aanpak
Wij bouwden een systeem dat voor elke categorie de meest relevante attributen en waarden afleidt uit echte advertentiedata, in plaats van uit aannames over wat kopers mogelijk belangrijk vinden. Het systeem verzamelt een representatieve steekproef uit de categorie, extraheert attributen uit de listings, clustert synoniemen en varianten, en toetst de uitkomst aan zowel interne richtlijnen als publieke informatie over merken en modellen.
Twee ontwerpprincipes stuurden het hele traject:
Taal via AI, voorkeuren via regels. AI is goed in taal: synoniemen herkennen, kleuren normaliseren, merk-model-relaties begrijpen. Maar voorkeuren die specifiek bij Marktplaats horen, zoals welke attributen bij welk type categorie passen en welke Nederlandse termen gehanteerd worden, zijn geen taalproblemen. Die liggen vast in een apart regelbestand dat het Marktplaats-team zelf kan onderhouden, los van het AI-systeem. Zo blijft altijd duidelijk wat door het model komt en wat door bewuste productbeslissingen.
Goed in één keer, mens als laatste check. Bij tweeduizend categorieën is iteratief verbeteren per categorie niet schaalbaar. Het systeem is daarom gebouwd om output te leveren die direct bruikbaar is, met een menselijke eindcheck als laatste kwaliteitsstap in plaats van als structurele correctieronde. Daarnaast bouwden wij een interface die die check snel maakt en aanpassingen eenvoudig: de mens blijft in controle zonder dat de doorlooptijd vertraagt.
Het project werd opgebouwd in heldere fasen met go/no-go momenten tussen elke stap, zodat er op elk punt bijgestuurd kon worden voordat er werd opgeschaald.
It's extremely strong at this. It does research, validates and judges itself, checks with competitor websites, all while following the guidelines we provide.
— Rutger Mooy, Product Manager, Marktplaats
Het resultaat
Tijd per categorie
Kwaliteit
Een tijdsbesparing van ruim 95% per categorie, terugverdiend binnen het eerste kwartaal. De eerste categorieën staan live en de uitrol loopt door.
Herkenbaar?
Elke sector heeft zijn eigen versie van de tweeduizend categorieën. Een terugkerend proces dat te groot is voor handwerk en te specifiek voor generieke tools. Plan een kennismakingsgesprek als je wil verkennen wat voor jouw situatie mogelijk is.