Pomelo Fashion mejora la experiencia de los compradores y aumenta los ingresos gracias a Amazon Personalize

Pomelo Fashion, un servicio mundial de comercio electrónico de moda con sede en el sudeste asiático, mostraba los artículos en su sitio web prácticamente de la misma manera desde que se fundó en 2013. La configuración se había quedado obsoleta, por no hablar de que el algoritmo para mostrar los artículos se basaba en secuencias de datos antiguas con entradas limitadas y una precisión irregular. Es por eso que Pomelo Fashion, como empresa emergente innovadora de rápido crecimiento, se propuso crear experiencias personalizadas para los clientes que mejoraran el descubrimiento de nuevos artículos y aumentaran los ingresos. Además, necesitaba una solución que lo hiciera a escala. 

Pomelo Fashion recurrió a Amazon Web Services (AWS) y utilizó Amazon Personalize, que permite que los desarrolladores creen aplicaciones con la misma tecnología de machine learning (ML) utilizada por Amazon.com para obtener recomendaciones personalizadas en tiempo real. Al utilizar Amazon Personalize —y los servicios de los socios tecnológicos avanzados de AWS, Segment y Braze— para crear nuevas funciones de clasificación y categorización, Pomelo Fashion creó una experiencia de compra única y personalizada que impulsa el compromiso del cliente y lo convierte en ventas de manera más eficiente.

Pomelo Fashion vende ropa en línea y en 18 puntos de venta en el sudeste asiático. La empresa, que realiza envíos a casi dos millones de clientes en más de 50 países, cuenta actualmente con 500 empleados en sus oficinas corporativas, tiendas minoristas y almacenes. Sus ingresos brutos se triplicaron de 2017 a 2018, se duplicaron de 2018 a 2019 y están en camino de duplicarse en 2020 a pesar de que la economía mundial en general está a la baja. Solo en julio de 2020, la empresa declaró 7,5 millones de dólares de ingresos. Durante años, Pomelo Fashion se basó en un algoritmo que clasificaba los productos en páginas de categorías como «Vestidos», «Blusas» y «Pantalones», basándose en las visitas a la página y en las ventas, combinando las tendencias de los últimos 30 días con los comportamientos clásicos, el precio del producto y los últimos lanzamientos. La clasificación se calculaba diariamente y se almacenaba en una base de datos, proporcionando una experiencia idéntica para cada usuario por país. 

Pero a medida que Pomelo Fashion fue creciendo, se dio cuenta de que mejorar el algoritmo con ML mejoraría la calidad de las recomendaciones en las páginas de categorías para los clientes, lo que llevaría a un mayor compromiso y conversión del usuario digital. Las páginas de categorías generan la mayor parte de las ventas de Pomelo Fashion: los clientes descubren el 38 % de los productos comprados en las páginas de categorías. El incremento de la relevancia de los productos mostrados en estas páginas tenía un enorme potencial para aumentar los ingresos. Aunque los clientes no compraran el producto recomendado, entrarían en una canalización para ver otros productos en páginas como «Muestra de color», «Compra el look» y «Solo para ti», que generan el 30 % de los ingresos de Pomelo Fashion. 

Fue entonces cuando la compañía, que siempre había sido cliente de AWS, escuchó hablar por primera vez de Amazon Personalize en un taller organizado por AWS. «Si piensa en el comercio electrónico, piensa en AWS», dice Shane Leese, director de Inteligencia Empresarial de Pomelo Fashion. «AWS proporciona nuevos servicios constantemente y el soporte es muy bueno». «AWS proporciona nuevos servicios constantemente y el soporte es muy bueno». El uso de AWS también proporcionaría disponibilidad regional y ayudaría a Pomelo Fashion a establecer la nueva lógica para personalizar sus categorías y clasificación a cada comprador.

Cuando se lanzó la beta privada de Amazon Personalize en junio de 2019, Pomelo Fashion ya estaba trabajando con Segment, un sistema de datos de clientes que recopila, esquematiza y carga los datos de ventas de la aplicación móvil, el sitio web y los servicios de tienda de Pomelo Fashion en AWS para permitir una visión panorámica de los clientes y una personalización en tiempo real, todo ello sin una configuración ni un mantenimiento complicados. Así que, como Pomelo Fashion no tenía la infraestructura para crear experiencias personalizadas a escala con el fin de ayudar a descubrir los productos, decidió integrar Segment y Amazon Personalize. «Sin Segment, no habríamos conseguido que esto saliera adelante», señala Leese. «Intentábamos crear un seguimiento de eventos interno, pero nos encontrábamos con un conjunto de datos de eventos bastante desordenado. Nuestro arquitecto de soluciones de AWS se dio cuenta de que sería un largo camino, así que sugirió que Segment se incorporara para ahorrar más tiempo a los desarrolladores de lo que costaría. Con los datos procedentes de Segment, no tuvimos que construir una gran infraestructura para hacerlo realidad». 

La nueva lógica clasifica los productos en las páginas de categorías en función de las preferencias de cada comprador. Las interacciones de los clientes con los productos —sus clics, selecciones de añadir al carrito, listas de deseos, compras, etc.— se utilizan para predecir los productos que probablemente les resulten más interesantes. Los detalles del producto, como el precio, el color y la categoría, se relacionan con los detalles del cliente, como su ubicación, para que el modelo ML pueda encontrar mejor productos y clientes similares. Cuantos más datos de productos y clientes procese el modelo de ML, más acertadas serán sus recomendaciones. A los nuevos compradores de Pomelo Fashion se les muestra primero una clasificación popular de artículos y, en tan solo unos minutos, el modelo de ML personaliza la clasificación basándose en sus preferencias previstas. 

Mediante el uso de Amazon Personalize para optimizar las recomendaciones, Pomelo Fashion aumentó significativamente las ventas. «Después de que una implementación beta resultara estable, empezamos a darnos cuenta de todo el potencial del servicio y lo convertimos en una parte central de nuestra hoja de ruta de personalización», señala Leese. «En un mes, nuestro retorno de la inversión aumentó en un 400 % para nuestro carrusel de recomendaciones «Solo para ti» mediante la optimización de hiperparámetros y metadatos adicionales. Después de eso, empezamos a aplicar otras “recetas” o modelos a otras secciones de nuestro sitio». Como punto de partida, Pomelo Fashion entrenó y aplicó una receta de clasificación personalizada a su categoría de vestidos, lo que condujo a un aumento del 10 por ciento en las tasas de clics desde una página de categoría a una página de producto individual y un aumento del 18,3 por ciento en los ingresos. Tras perfeccionar la solución basándose en los datos de la categoría «Vestidos», Pomelo Fashion la amplió a otras categorías. 

Actualmente, Pomelo Fashion utiliza su algoritmo de clasificación personalizado en todas sus categorías, excepto en las novedades y las colecciones seleccionadas. Desde noviembre de 2020, el 60 por ciento de las vistas de productos provienen de las recomendaciones de Amazon Personalize. Pomelo Fashion ha incrementado los ingresos brutos de las páginas de categorías hasta en un 15 por ciento, los porcentajes de clics de las páginas de categorías a las de productos hasta en un 18 por ciento y los clics de añadir al carrito desde la página de categorías hasta en un 16 por ciento. Esta expansión permitió a la empresa obtener un aumento del 8 % en los ingresos brutos. 

Pomelo Fashion también ha incorporado a Braze, un servicio líder de interacción con el cliente que ofrece experiencias de mensajería a escala. La función Connected Content de Braze utiliza las recomendaciones de Amazon Personalize para personalizar las campañas multicanal de Pomelo Fashion, las que se envían por correo electrónico, dentro de la aplicación, etc. Connected Content ahorra tiempo a los empleados de Pomelo Fashion al extraer contenido directamente de Amazon Personalize para rellenar los mensajes a los usuarios en tiempo real, hasta un minuto. Cuando Pomelo Fashion envía correos electrónicos a sus clientes, por ejemplo, estos reciben recomendaciones basadas en su historial de navegación y su comportamiento. Los mensajes de correo electrónico con Connected Content de Braze mostraron un aumento del porcentaje de clics de hasta el 50 % en algunos segmentos y un aumento medio de alrededor del 20 %.

Pomelo Fashion tiene previsto seguir trabajando con Segment para personalizar la experiencia del comprador. Su primera iniciativa importante es mejorar la relevancia de sus páginas de categorías teniendo en cuenta las preferencias de tallas de los clientes: actualmente, muchos productos no están disponibles en las tallas más comunes, lo que da lugar a un elevado número de clics sin ninguna conversión. Utilizando su estructura de personalización existente, Pomelo Fashion planea añadir el seguimiento de la selección de tallas en la página de detalles de los productos, pedir información básica sobre las tallas en puntos clave del recorrido del cliente y repetir una serie de filtros para eliminar los productos menos relevantes de las páginas de categorías en función del historial de compras del cliente. 

La empresa también quiere mejorar la capacidad de descubrimiento y asegurarse de que los clientes no se encuentren repetidamente con los mismos productos. Tiene previsto utilizar Amazon SageMaker para construir modelos de ML adicionales para la previsión y también está considerando utilizar AWS Lambda, un servicio que permite a las empresas ejecutar código sin aprovisionar o administrar servidores, para crear una infraestructura más escalable. 

Mediante el uso de Amazon Personalize y los socios de AWS Segment y Braze, Pomelo Fashion es capaz de ofrecer una experiencia de cliente dinámica y siempre mejorada que también aumenta significativamente los ingresos.