Pomelo Fashion améliore l'expérience des acheteurs et augmente son chiffre d'affaires grâce à Amazon Personalize

Pomelo Fashion, un service mondial d'e-commerce de mode basé en Asie du Sud-Est, affichait les articles sur son site web à peu près de la même manière depuis sa création en 2013. La configuration était devenue obsolète, sans compter que l'algorithme d'affichage des articles reposait sur d'anciens flux de données aux entrées limitées et à la précision aléatoire. En tant que start-up innovante à croissance rapide, Pomelo Fashion a donc décidé de créer des expériences personnalisées pour ses clients, afin d'améliorer la découverte de nouveaux articles et d'augmenter son chiffre d'affaires. Une solution à grande échelle était nécessaire. 

Pomelo Fashion s'est tournée vers Amazon Web Services (AWS) et a utilisé Amazon Personalize, qui permet aux développeurs de créer des applications avec la même technologie de machine learning (ML) utilisée par Amazon.com pour les recommandations personnalisées en temps réel. En utilisant Amazon Personalize, ainsi que les services des partenaires technologiques du niveau avancé AWS Segment et Braze, pour créer de nouvelles fonctions de tri et de catégorisation, Pomelo Fashion a créé une expérience d'achat unique et personnalisée qui stimule l'engagement client et le convertit plus efficacement en ventes.

Pomelo Fashion vend des vêtements en ligne et dans 18 points de vente au détail en Asie du Sud-Est. Livrant à près de deux millions de clients dans plus de 50 pays, l'entreprise emploie actuellement 500 personnes dans ses locaux, ses magasins et ses entrepôts. Son chiffre d'affaires brut a triplé de 2017 à 2018, a doublé de 2018 à 2019 et est en passe de doubler en 2020 malgré la baisse de l'ensemble de l'économie mondiale : rien qu'en juillet 2020, l'entreprise a déclaré 7,5 millions de dollars de revenus. Pendant des années, Pomelo Fashion s'est appuyé sur un algorithme qui classait les produits sur des pages de catégories (telles que « Robes », « Chemisiers » et « Pantalons et bas ») en fonction des ventes et du nombre de vues des pages, mélangeant les tendances des 30 derniers jours avec les comportements au fil du temps, le prix des produits et les nouveautés. Le classement était calculé quotidiennement et stocké dans une base de données, offrant une expérience identique pour chaque utilisateur par pays. 

Mais au fur et à mesure que Pomelo Fashion s'est développée, elle a reconnu que l'amélioration de l'algorithme avec le ML permettrait d'améliorer la qualité des recommandations sur les pages de catégories pour les clients, conduisant à un engagement et une conversion plus élevés des utilisateurs numériques. Les pages de catégories génèrent la plus grande partie des ventes de Pomelo Fashion : 38 % des produits achetés sont découverts par les clients sur les pages de catégories. L'augmentation de la pertinence des produits présentés sur ces pages avait un énorme potentiel pour augmenter le chiffre d'affaires. Même si les clients n'achèteraient pas le produit recommandé, ils entreraient dans un entonnoir pour voir d'autres produits sur des pages comme « Color Swatch », « Shop the Look » et « Just for You », qui génèrent 30 % du chiffre d'affaires de Pomelo Fashion. 

C'est alors que l'entreprise, qui a toujours été cliente d'AWS, a entendu parler pour la première fois d'Amazon Personalize lors d'un atelier organisé par AWS. « Quand on pense à l'e-commerce, on pense à AWS », déclare Shane Leese, directeur de la business intelligence chez Pomelo Fashion. « De nouveaux services apparaissent toujours sur AWS, et le support est très bon. » L'utilisation d'AWS offrirait également une disponibilité régionale et aiderait Pomelo Fashion à mettre en place la nouvelle logique pour personnaliser ses catégories et son tri en fonction de chaque acheteur.

Pomelo Fashion travaillait déjà avec Segment (un système de données client qui collecte, schématise et charge les données de vente de l'application mobile, du site Web et des services de kiosque de Pomelo Fashion sur AWS pour permettre une vue à 360 degrés des clients et une personnalisation en temps réel, le tout sans configuration ou maintenance compliquée) lorsque la version bêta privée d'Amazon Personalize a été publiée en juin 2019. Ainsi, parce que Pomelo Fashion ne disposait pas de l'infrastructure nécessaire pour créer des expériences personnalisées à grande échelle afin de faciliter la découverte des produits, elle a décidé d'intégrer Segment et Amazon Personalize. « Sans Segment, nous n'aurions pas réussi à faire décoller tout cela », déclare Shane Leese. « Nous essayions de mettre en place un suivi des événements en interne, mais nous étions confrontés à un jeu de données d'événements plutôt désordonné. Notre architecte de solutions AWS a compris que la route serait longue. Il a donc suggéré de faire appel à Segment pour faire gagner du temps aux développeurs et éviter les coûts. Avec les données provenant de Segment, nous n'avons pas eu à mettre en place beaucoup d'infrastructure pour y parvenir. » 

La nouvelle logique trie les produits sur les pages de catégories en fonction des préférences de chaque acheteur. Les interactions des clients avec les produits (leurs clics, leurs sélections d'ajouts au panier, leurs listes de souhaits, leurs achats et autres) sont utilisées pour prédire les produits qu'ils sont les plus susceptibles de trouver intéressants. Les détails du produit, tels que le prix, la couleur et la catégorie, sont mis en corrélation avec les détails du client, tels que sa localisation, afin que le modèle de ML puisse mieux trouver des produits et des clients similaires. Plus le modèle de ML traite de données sur les produits et les clients, plus ses recommandations sont précises. Les nouveaux acheteurs de Pomelo Fashion se voient d'abord présenter un tri populaire d'articles et, en quelques minutes seulement, le modèle de ML personnalise le tri en fonction de leurs préférences prédites. 

En utilisant Amazon Personalize pour optimiser les recommandations, Pomelo Fashion a considérablement augmenté ses ventes. « Après qu'une mise en œuvre bêta s'est avérée stable, nous avons commencé à réaliser tout le potentiel du service et en avons fait un élément central de notre feuille de route de personnalisation », explique Shane Leese. « En l'espace d'un mois, notre retour sur investissement a augmenté de 400 % pour notre diaporama de recommandations “Just for You” grâce à l'optimisation des hyperparamètres et à des métadonnées supplémentaires. Après cela, nous avons commencé à appliquer d'autres “recettes” ou modèles à d'autres parties de notre site. » Pour commencer, Pomelo Fashion a entraîné et appliqué une recette de classement personnalisé à sa catégorie de robes, ce qui a entraîné une augmentation de 10 % des taux de clics d'une page de catégorie à une page de produit individuel et une augmentation de 18,3 % du chiffre d'affaires. Après avoir ajusté la solution en fonction des données de la catégorie des robes, Pomelo Fashion l'a étendue à d'autres catégories. 

Pomelo Fashion utilise actuellement son algorithme de classement personnalisé sur toutes ses catégories, à l'exception des nouveaux arrivages et de certaines collections. Depuis novembre 2020, 60 % des consultations de produits proviennent de recommandations alimentées par Amazon Personalize. Pomelo Fashion a augmenté le chiffre d'affaires brut des pages de catégories jusqu'à 15 %, les taux de clics depuis les pages de catégories vers les pages de produits jusqu'à 18 %, ainsi que les clics d'ajout au panier depuis la page de catégories jusqu'à 16 %. Cette expansion a permis à l'entreprise de dégager un gain de 8 % du chiffre d'affaires brut supplémentaire. 

Pomelo Fashion a également fait appel à Braze, un important service d'engagement client qui offre des expériences de messagerie à grande échelle. La fonction Connected Content de Braze utilise les recommandations d'Amazon Personalize pour personnaliser les campagnes multicanaux de Pomelo Fashion, celles envoyées par e-mail, dans l'application, etc. Connected Content fait gagner du temps au personnel de Pomelo Fashion en récupérant le contenu directement d'Amazon Personalize pour alimenter les messages aux utilisateurs en temps réel, à la minute près. Lorsque Pomelo Fashion envoie des e-mails à ses clients, par exemple, ils reçoivent des recommandations basées sur leur historique et leur comportement de navigation. Les e-mails avec Braze Connected Content ont montré une augmentation du taux de clics allant jusqu'à 50 % dans certains segments et une augmentation moyenne d'environ 20 %.

Pomelo Fashion prévoit de continuer à travailler avec Segment pour personnaliser l'expérience d'achat. Sa première initiative majeure consiste à améliorer la pertinence de ses pages de catégories en tenant compte des préférences de taille des clients. Actuellement, de nombreux produits ne sont pas disponibles dans les tailles les plus courantes, ce qui entraîne un nombre élevé de clics sans aucune conversion. À l'aide de sa structure de personnalisation existante, Pomelo Fashion prévoit d'ajouter le suivi des sélections de taille sur la page de détail du produit, de demander des informations de base sur la taille à des points clés du parcours du client et d'appliquer régulièrement une série de filtres pour supprimer les produits moins pertinents des pages de catégories en fonction de l'historique d'achat du client. 

L'entreprise veut également améliorer la facilité de découverte et faire en sorte que les clients ne voient pas toujours les mêmes produits. Elle prévoit d'utiliser Amazon SageMaker pour créer des modèles de ML supplémentaires pour les prévisions et envisage également d'utiliser AWS Lambda, un service qui permet aux entreprises d'exécuter du code sans mettre en service ni gérer de serveur, pour créer une infrastructure plus évolutive. 

En utilisant Amazon Personalize et les partenaires AWS Segment et Braze, Pomelo Fashion est en mesure d'offrir une expérience client dynamique et toujours améliorée qui permet également d'augmenter considérablement le chiffre d'affaires.