AI inzetten in Magento 2: productaanbevelingen, zoeken en personalisatie

AI inzetten in Magento 2: productaanbevelingen, zoeken en personalisatie

Webshops die AI-personalisatie inzetten, rapporteren gemiddeld 19% hogere orderwaarde en 15% hogere conversieratio. Dat zijn getallen van Nosto en Clerk.io uit hun eigen klantonderzoeken — dus neem ze met enige scepsis. Maar de richting klopt. Relevantere aanbevelingen en beter zoekgedrag converteren.

Magento 2 heeft drie routes naar AI: Adobe Sensei (ingebouwd in Adobe Commerce), third-party tools als Nosto en Clerk.io, en eigen ML-modellen via API-koppelingen. Dit artikel legt uit wat wanneer werkt.

Wat je leert in dit artikel

• Wat Adobe Sensei biedt voor Magento 2 en Adobe Commerce
• Nosto vs Clerk.io: wanneer welke tool
• Eigen ML-modellen koppelen aan Magento 2
• Praktische implementatiestappen voor productaanbevelingen
• Kosten en ROI per aanpak

Adobe Sensei: de native AI in Adobe Commerce

Adobe Sensei is Adobe's AI-engine. In Adobe Commerce (het enterprise-niveau van Magento) is het geïntegreerd in drie modules: Live Search, Product Recommendations en Customer AI.

Live Search

Live Search vervangt Magento's native zoekfunctie met een AI-aangedreven variant. Het toont resultaten terwijl de klant typt, past de ranking aan op basis van populairiteit en klikgedrag, en ondersteunt synoniemen en type-tolerantie.

De technische implementatie is een SaaS-module. Je installeert de module, configureert de API-keys naar Adobe's cloud, en de zoekindex draait op Adobe's infrastructuur — niet op je eigen server.

composer require magento/module-live-search
php bin/magento module:enable Magento_LiveSearch
php bin/magento setup:upgrade

Vereiste: Adobe Commerce licentie én een actief Adobe Experience Cloud account. Voor Magento Open Source is Live Search niet beschikbaar.

Product Recommendations

Adobe's Product Recommendations plaatst widgeets op product-, categorie- en cartpagina's op basis van gedragsdata. De algoritmes zijn vooraf getraind: "frequently bought together", "viewed this, bought that", "trending in category".

Je configureert de plaatsing en het algoritme in de Admin. Geen code nodig. Maar het vereist voldoende historische data — minimaal 1.000 unieke producten en een redelijk ordervolume voordat de aanbevelingen zinvol worden.

Nosto: flexibele personalisatie voor Magento 2

Nosto is een Fins personalisatieplatform dat specifiek voor e-commerce is gebouwd. Het heeft een native Magento 2-extensie en draait als SaaS.

Wat Nosto biedt

Nosto volgt bezoekersgedrag real-time: bekeken producten, zoektermen, categoriebezoeken, klikgedrag op aanbevelingen, aankoophistorie. Op basis hiervan personaliseert het productaanbevelingen, banners, pop-ups en zoekresultaten.

Sterke punten van Nosto:

• Segmentatie op gedrag, locatie, apparaat en klantstatus
• A/B-testing van aanbevelingswidgets
• Real-time personalisatie — geen dag-oude batches
• Content personalisatie naast productpersonalisatie

Installatie in Magento 2

composer require nosto/module-nosto-tagging
php bin/magento module:enable Nosto_Tagging
php bin/magento setup:upgrade
php bin/magento cache:flush

Na installatie configureer je je Nosto account-ID in de Magento Admin onder Stores > Configuration > Nosto. Nosto herkent automatisch je catalogus- en orderstructuur via de tagging die de module toevoegt aan je HTML.

Aanbevelingswidgets plaatsen

Nosto werkt met widgets die je op specifieke posities in je Magento-template plaatst. Via de Nosto Admin stel je in welk algoritme elke widget gebruikt.

<!-- In je Hyvä of Luma layout XML -->
<block class="Nosto\Tagging\Block\Product\Recommendations"
       name="nosto.recommendations.product.page"
       template="Nosto_Tagging::product/recommendations.phtml">
    <arguments>
        <argument name="div_id" xsi:type="string">nosto-page-product1</argument>
    </arguments>
</block>

Wat kost Nosto?

Nosto werkt met een percentage van de omzet die via Nosto-aanbevelingen gegenereerd wordt, plus een basislicentiebedrag. Voor webshops met €1-5M omzet reken op €500-€1.500 per maand.

Clerk.io: AI-zoeken en aanbevelingen

Clerk.io is een Deens platform met sterke focus op zoekfunctionaliteit. Het combineert AI-zoeken, productaanbevelingen en e-mailpersonalisatie in één tool.

Clerk.io vs Nosto

Als zoekverbetering de prioriteit is, is Clerk.io de sterkere keuze. Als brede personalisatie over alle touchpoints de prioriteit is, wint Nosto.

Clerk.io Search in Magento 2

composer require clerkio/clerk-magento2
php bin/magento module:enable Clerk_Clerk
php bin/magento setup:upgrade

Clerk.io vervangt Magento's zoekfunctie volledig. De integratie stuurt zoekverzoeken naar Clerk's API en toont resultaten gerangschikt op basis van populariteit, conversiedata en persoonlijke gedragshistorie.

Eigen ML-modellen koppelen aan Magento 2

Adobe Sensei, Nosto en Clerk.io zijn kant-en-klare oplossingen. Ze werken goed voor standaard use cases. Maar als je specifieke businesslogica hebt — B2B-aanbevelingen op basis van inkoopcontracten, assortimentsrestricties per klantsegment, compliance-gedreven filtering — dan zijn kant-en-klare tools te generiek.

Eigen ML-modellen geven volledige controle.

Architectuur: Magento als frontend, ML-service als backend

Klant bezoekt productpagina
         ↓
Magento stuurt klant-ID + context naar ML-service
         ↓
ML-service (Python/FastAPI of Laravel + ML-library)
         ↓
Getraind model geeft aanbevelingen terug
         ↓
Magento toont aanbevelingen in widget

De ML-service is een separate applicatie. Magento communiceert via een interne REST API.

Aanbevelingen ophalen via een custom Magento block

// app/code/Coding/Recommendations/Block/ProductRecommendations.php
class ProductRecommendations extends AbstractBlock
{
    public function __construct(
        private readonly MlRecommendationService $mlService,
        private readonly CustomerSession $customerSession,
        Context $context,
    ) {
        parent::__construct($context);
    }

    public function getAanbevelingen(): array
    {
        $klantId = $this->customerSession->getCustomerId();
        $huidigProduct = $this->getProduct()->getId();

        try {
            return $this->mlService->getAanbevelingen(
                klantId: $klantId,
                huidigProductId: $huidigProduct,
                aantalResultaten: 6,
            );
        } catch (MlServiceException $e) {
            // Fallback naar handmatige top-6 bestsellers
            return $this->getFallbackAanbevelingen();
        }
    }
}

// app/code/Coding/Recommendations/Service/MlRecommendationService.php
class MlRecommendationService
{
    public function __construct(private readonly Client $httpClient) {}

    public function getAanbevelingen(
        ?int $klantId,
        int $huidigProductId,
        int $aantalResultaten = 6,
    ): array {
        $response = $this->httpClient->post(
            config('ml.recommendations_endpoint'),
            [
                'json' => [
                    'customer_id'        => $klantId,
                    'current_product_id' => $huidigProductId,
                    'limit'              => $aantalResultaten,
                ],
            ]
        );

        return json_decode($response->getBody()->getContents(), true)['product_ids'] ?? [];
    }
}

Trainingsdata verzamelen

Een ML-model heeft data nodig. Voor productaanbevelingen zijn dit de relevante signalen:

• Bestellingen (welke producten worden samen besteld?)
• Bekeken producten per sessie
• Zoekterms
• Klikgedrag op aanbevelingen
• Retourdata (welke combinaties leiden tot retouren?)

Magento's event-systeem maakt het eenvoudig om deze data te loggen naar een externe datastore.

// Observer die product views logt
class ProductViewObserver implements ObserverInterface
{
    public function __construct(private readonly TrackingQueue $queue) {}

    public function execute(Observer $observer): void
    {
        $product = $observer->getEvent()->getProduct();
        $customerId = $this->customerSession->getCustomerId();

        $this->queue->push([
            'event'      => 'product_view',
            'product_id' => $product->getId(),
            'customer_id' => $customerId,
            'session_id' => session()->getId(),
            'timestamp'  => time(),
        ]);
    }
}

Kosten en ROI per aanpak

Veelgemaakte fouten

Conclusie

De snelste route naar AI in Magento 2 is Clerk.io of Nosto — beide hebben native extensies, betrouwbare SaaS-infrastructuur en bewezen ROI-data. Adobe Sensei is de sterkste optie als je toch al op Adobe Commerce zit.

Eigen ML-modellen zijn de moeite waard zodra je businesslogica té specifiek is voor kant-en-klare tools, of als je ordervolume groot genoeg is om een model te trainen.

Begin altijd met meten. Welke aanbevelingswidgets converteren? Welke zoekopdrachten leveren geen resultaten op? Die data stuurt je investering.

Adobe documenteert Product Recommendations uitgebreid op Adobe Experience League. Voor custom ML-implementaties is collaborative filtering het meest gebruikte algoritme in e-commerce.

• Magento 2 extensies en tooling — het complete extensie-overzicht
• Alumio vs custom integraties — AI-data via middleware koppelen
• Wat is Alumio? iPaaS uitgelegd — data synchroniseren tussen systemen

Bekijk onze Magento-diensten of neem contact op voor een gesprek over AI in jouw Magento-omgeving.