Rozwiązanie: Analityka Danych i Machine Learning Branża: Sprzedaż detaliczna
Personalizowane rekomendacje na globalną skalę
Wyzwanie
Nutridome to marketplace z wyselekcjonowaną i kompleksową ofertą kosmetyków do makijażu i pielęgnacji oraz szerokim wyborem akcesoriów oraz suplementów. Firma posiada także własną markę, którą skutecznie rozwija. Dla klientów dostępna jest również aplikacja mobilna. Internetowa drogeria operuje na 15 rynkach, m.in. w Polsce, Czechach, Austrii, Niemczech, Irlandii, Stanach Zjednoczonych, Francji, Włoszech i Hiszpanii.
Firma Nutridome potrzebowała trafnych rekomendacji produktów na swojej stronie internetowej i w aplikacji. Klienci sklepu widzieli już wprawdzie rekomendacje podczas zakupów, ale były one statyczne i takie same niezależnie od kontekstu i lokalizacji. Z taką potrzebą firma Nutridome zwróciła się do Univio.
- Klient prowadzi działalność na kilkunastu rynkach zagranicznych, dlatego konieczne było, aby system rekomendacji działał równie efektywnie w każdym z tych regionów. Zachowania klientów i wymagania dotyczące produktów na każdym rynku są różne.
- Niezbędne było, aby rekomendacje były dostosowane do lokalnej dostępności asortymentu, co zapobiegnie frustracji klientów spowodowanej polecaniem niedostępnych produktów.
- System rekomendacji musiał uzyskiwać na bieżąco dostęp do aktualnego stanu magazynowego produktów. Wyprzedane produkty usuwane są z generowanych zestawów rekomendacji.
Rozwiązanie
- W odpowiedzi na potrzeby firmy Nutridome wdrożyliśmy silnik rekomendacji, korzystając z modeli w usłudze Amazon Personalize. AWS dostarcza modele przygotowane specjalnie pod wyzwania e-commerce.
- Pierwszym krokiem w projekcie była analiza danych transakcyjnych oraz akcji wykonywanych przez klientów w sklepie, które Nutridome zbiera w swojej bazie. Następnie przygotowaliśmy odpowiedni zestaw danych do zasilenia i wytrenowania modeli Amazon Personalize.
- Przy pomocy usługi AWS Lambda wdrożyliśmy mechanizm reagujący na zmiany w bazie danych Nutridome i przekazujący je do systemu rekomendacyjnego. Dzięki ciągłemu dostępowi do nowych danych preferencje klientów drogerii oraz zmiany w asortymencie są na bieżąco uwzględniane w rekomendacjach.
- W celu zapewnienia trafności rekomendacji na stronie Nutridome wykorzystaliśmy trzy rodzaje modeli, umieszczając je w odpowiednich miejscach strony. Każdy z nich spełnia odmienną funkcję: „Bestsellery”, „Produkty często kupowane razem” i „Wybrane dla Ciebie”.
- Aby zrealizować cele biznesowe związane z promowaniem określonych grup produktowych, przetestowaliśmy dwie zoptymalizowane wersje rekomendatorów. Przeprowadziliśmy testy A/B, aby określić, która wersja wzbudza większe zainteresowanie klientów. Do obsługi eksperymentu użyliśmy narzędzia Evidently z usługi AWS CloudWatch.
- Po wdrożeniu systemu rekomendacji przeprowadziliśmy szkolenie dla Klienta, umożliwiające samodzielne monitorowanie i zarządzanie systemem.
Rezultat
Czego się nauczyliśmy?
Obsługa wielu rynków zagranicznych wymagała ścisłej współpracy między naszym zespołem a Klientem. Klient regularnie aktualizował bazę danych o dostępności produktów, a naszym zadaniem było wykorzystanie tych danych, aby system Amazon Personalize był zawsze aktualny. Wdrożyliśmy rozwiązanie, które nakłada filtr na wygenerowane rekomendacje, eliminując produkty niedostępne w danym regionie.
Technologie
/ Wspierające rozwiązania
Tobie również
możemy pomóc
To tylko jeden z przykładów naszego doświadczenia, którym możemy się podzielić z Twoją firmą. Każdy projekt jest inny – tak jak każda współpraca. Skontaktuj się z nami i zacznijmy pracować nad czymś nowym – razem!
