Pomelo Fashion migliora l'esperienza d'acquisto e aumenta le entrate utilizzando Amazon Personalize

Pomelo Fashion, un servizio di e-commerce di abbigliamento globale con sede nel Sud-Est asiatico, aveva mostrato i prodotti sul suo sito Web sempre nello stesso modo dal 2013, anno della sua fondazione. Col tempo, però, la sua impostazione è diventata obsoleta, per non parlare del fatto che l'algoritmo per la visualizzazione dei prodotti si basava su flussi di dati vecchi con input limitati e scarsa precisione. Essendo una startup innovativa e in rapida crescita, Pomelo Fashion ha deciso di creare esperienze cliente personalizzate per migliorare la ricerca di nuovi prodotti e aumentare le entrate. Questo, però, richiedeva una soluzione attuabile su larga scala. 

Pomelo Fashion è passata ad Amazon Web Services (AWS) e ha utilizzato Amazon Personalize, che consente agli sviluppatori di creare applicazioni con la stessa tecnologia di machine learning (ML) utilizzata da Amazon.com per i suggerimenti su misura in tempo reale. Utilizzando Amazon Personalize, e i servizi dei partner tecnologici AWS di livello Advanced Segment e Braze, per creare nuove funzionalità di filtraggio e categorizzazione, Pomelo Fashion ha creato un'esperienza di acquisto unica e personalizzata che ottimizza il coinvolgimento dei clienti e lo converte in modo più efficiente in vendite.

Pomelo Fashion vende abbigliamento online e in 18 punti vendita in tutto il Sud-Est asiatico. Fornendo spedizioni a circa due milioni di clienti in oltre 50 Paesi, l'azienda impiega attualmente 500 dipendenti tra gli uffici commerciali, i negozi fisici e i magazzini. I suoi ricavi lordi sono triplicati dal 2017 al 2018, raddoppiati dal 2018 al 2019, e prevedono di raddoppiare ulteriormente nel 2020 nonostante il crollo generale dell'economia mondiale: solo a luglio 2020 l'azienda ha registrato entrate per 7,5 milioni di dollari. Per anni, Pomelo Fashion aveva fatto affidamento su un algoritmo che classificava i prodotti in pagine suddivise per categoria, come "Abiti", "Camicie" e "Pantaloni", in base alle visualizzazioni e alle vendite, mescolando le tendenze degli ultimi 30 giorni con comportamenti, prezzi di prodotti e ultime uscite. La classificazione veniva calcolata ogni giorno e archiviata in un database, fornendo un'esperienza identica per tutti gli utenti a seconda del Paese. 

Man mano che cresceva, Pomelo Fashion ha capito che migliorare l'algoritmo con il ML avrebbe significato migliorare anche la qualità dei suggerimenti nelle pagine delle categorie, raggiungendo così un maggiore coinvolgimento digitale degli utenti e una maggiore conversione. Le pagine delle categorie generano la più ampia porzione di vendite per Pomelo Fashion: il 38% dei prodotti acquistati viene trovato in queste pagine dai clienti. Aumentare la rilevanza dei prodotti mostrati su queste pagine portava un enorme potenziale di crescita delle entrate. Anche se i clienti non avessero acquistato il prodotto consigliato, sarebbero entrati in un funnel per la visualizzazione di altri prodotti su pagine come "Color Swatch", "Shop the Look" e "Just for You", che generano il 30% delle entrate di Pomelo Fashion. 

È con questa premessa che l'azienda, che era sempre stata cliente di AWS, è venuta a conoscenza del servizio di Amazon Personalize durante un workshop organizzato da AWS. "Quando pensi all'e-commerce, pensi ad AWS", afferma Shane Leese, Business Intelligence Director (Direttore della business intelligence) di Pomelo Fashion. AWS offre continuamente nuovi servizi e l'assistenza è eccellente". Utilizzare AWS avrebbe fornito anche una disponibilità regionale e aiutato Pomelo Fashion a impostare una nuova logica per personalizzare le categorie e i filtri per ogni utente.

Quando la beta privata di Amazon Personalize è stata rilasciata a giugno 2019, Pomelo Fashion lavorava già con Segment, un sistema che raccoglie, schematizza e carica i dati delle vendite dall'app, dal sito Web e dai negozi fisici di Pomelo Fashion su AWS per fornire una visione a 360 gradi dei clienti e della personalizzazione in tempo reale, senza necessità di impostazioni o manutenzione complicate. Così, dato che non possedeva l'infrastruttura adeguata per la creazione di esperienze personalizzate su larga scala, permettendo una ricerca efficace dei prodotti, Pomelo Fashion ha deciso di integrare Segment e Amazon Personalize. "Senza Segment, non saremmo riusciti a far decollare il progetto", spiega Leese. "Stavamo cercando di creare un tracciamento di eventi in-house, ma il set di dati degli eventi era veramente caotico. Il nostro solutions architect di AWS aveva previsto che la strada sarebbe stata molto lunga, quindi ha proposto di integrare Segment per farci risparmiare del tempo nel processo di sviluppo. Con il flusso di dati da Segment, infatti, non dovevamo creare una grande infrastruttura per la realizzazione del processo". 

Questa nuova logica classifica i prodotti in pagine di categoria in base alle preferenze dei singoli utenti. Ogni interazione (clic, aggiunte al carrello, liste dei desideri, acquisti e così via) viene utilizzata per prevedere a quali prodotti potrebbero essere più interessati i clienti. I dettagli dei prodotti, come il prezzo, il colore e la categoria, sono correlati con quelli del cliente, come la posizione, in modo che il modello di ML riesca a trovare meglio dei prodotti e dei clienti simili. Più dati su prodotti e clienti vengono elaborati dal modello di ML, più accuratamente verranno creati i suggerimenti. Ai nuovi clienti di Pomelo Fashion viene mostrata prima una serie di prodotti popolari e, in pochi minuti, il modello di ML personalizza l'elenco dei prodotti in base alle preferenze previste. 

Utilizzando Amazon Personalize per ottimizzare i suggerimenti, Pomelo Fashion ha aumentato significativamente le vendite. "Dopo un'implementazione beta che si è rivelata stabile, abbiamo iniziato a capire il grande potenziale del servizio e lo abbiamo reso una parte centrale della nostra roadmap per la personalizzazione", ha dichiarato Leese. "Nel giro di un mese, grazie all'ottimizzazione degli iperparametri e ai metadati aggiuntivi, il nostro ritorno sull'investimento per il carosello di suggerimenti "Just for You" è aumentato del 400%. Dopodiché, abbiamo iniziato ad applicare altre ricette e modelli alle altre parti del nostro sito". Per iniziare, Pomelo Fashion ha addestrato e applicato una ricetta di classificazione personalizzata alla categoria degli abiti, ottenendo un aumento del 10% nei tassi di clic da una pagina di categoria a una pagina di prodotto singola e un aumento del 18,3% nelle entrate. Dopo aver perfezionato la soluzione basata sui dati della categoria degli abiti, l'azienda l'ha estesa ad altre categorie. 

Attualmente, Pomelo Fashion sta utilizzando il suo algoritmo di classificazione personalizzata su tutte le categorie, salvo per i nuovi arrivi e le collezioni selezionate. Da novembre 2020, il 60% delle visualizzazioni dei prodotti proviene da suggerimenti elaborati da Amazon Personalize. Pomelo Fashion ha aumentato i ricavi lordi dalle pagine di categoria fino al 15%, i tassi di clic delle pagine di categoria e dei prodotti fino al 18% e i clic per l'aggiunta al carrello dalle pagine di categoria fino al 16%. Questa crescita ha permesso all'azienda di sbloccare un guadagno dell'8% in ricavi lordi incrementali. 

Pomelo Fashion ha integrato anche Braze, un servizio leader per il coinvolgimento dei clienti, che offre esperienze di messaggistica su larga scala. La funzionalità Connected Content di Braze utilizza i suggerimenti di Amazon Personalize per personalizzare le campagne multicanale di Pomelo Fashion intraprese via e-mail, in-app e non solo. Connected Content permette a Pomelo Fashion di risparmiare tempo dello staff recuperando i contenuti direttamente da Amazon Personalize per creare i messaggi per gli utenti in tempo reale e in modo aggiornato. Ad esempio, quando Pomelo Fashion invia delle e-mail ai clienti, questi ricevono dei suggerimenti in base alla loro cronologia e al loro comportamento di navigazione. Le e-mail con Connected Content di Braze hanno mostrato che il tasso di clic aumenta fino al 50% in alcuni segmenti e, in media, circa del 20%.

Pomelo Fashion ha in programma di continuare a lavorare con Segment per personalizzare l'esperienza dei clienti. La sua prima grande iniziativa prevede di migliorare la rilevanza delle pagine di categoria tenendo in considerazione le preferenze delle taglie dei clienti: attualmente, molti prodotti non sono disponibili nelle taglie più comuni e questo porta a un maggior numero di clic senza alcuna conversione. Utilizzando la struttura di personalizzazione già esistente, Pomelo Fashion vuole aggiungere il tracciamento per la scelta delle taglie sulla pagina dei dettagli dei prodotti, chiedere le informazioni di base sulle taglie in alcuni punti chiave del percorso del cliente e iterare una serie di filtri per rimuovere meno prodotti rilevanti dalle pagine di categoria in base alla cronologia di acquisto dei clienti. 

Inoltre, l'azienda vuole migliorare la ricerca e assicurarsi che i clienti non vedano sempre gli stessi prodotti. L'azienda prevede di utilizzare Amazon SageMaker per creare ulteriori modelli di ML per le previsioni, ma sta anche considerando di utilizzare AWS Lambda, un servizio che permette alle aziende di eseguire codici senza effettuare il provisioning né gestire i server, per creare un'infrastruttura più scalabile. 

Utilizzando Amazon Personalize e i partner AWS Segment e Braze, Pomelo Fashion è in grado di fornire un'esperienza cliente dinamica e in continuo miglioramento, aumentando così in modo significativo le entrate.