Pomelo Fashion 使用 Amazon Personalize 提升购物者体验，实现创收

Pomelo Fashion 是一家总部位于东南亚的全球时尚电子商务服务公司，自 2013 年成立以来，该公司网站上的商品展示方式基本不变。这种设置早已过时，更不用说其显示商品的算法依赖于输入有限且精度参差不齐的旧数据流。因此，作为一家快速发展的创新型初创企业，Pomelo Fashion 开始创造个性化的客户体验，以提高新商品的可发现性并增加收入，为此，该公司需要一个规模化的解决方案。 

Pomelo Fashion 向 Amazon Web Services (AWS) 寻求帮助，并使用 Amazon Personalize 使开发人员可以通过 Amazon.com 使用的机器学习 (ML) 技术来构建应用程序，从而提供实时个性化推荐。通过使用 Amazon Personalize 和 AWS 高级技术合作伙伴 Segment 和 Braze 的服务来构建全新的排序和分类功能，Pomelo Fashion 创造了独特的个性化购物体验，提高了客户参与度，并更有效地将其转化为销售额。

Pomelo Fashion 在东南亚 18 个零售点在线销售服装。该公司目前在其公司办公室、零售店和仓库中雇佣了 500 名员工，为 50 多个国家/地区的近 200 万客户发货。从 2017 年到 2018 年，该公司的总收入翻了两倍，从 2018 年到 2019 年又翻了一番，并且在全球经济整体下滑的环境下，2020 年仍有望再翻一番，仅 2020 年 7 月，该公司报告的收入已达 750 万美元。多年来，Pomelo Fashion 依靠的算法是根据页面浏览量和销售额，将过去 30 天的趋势与终身行为、产品价格和最新发布相结合，在“连衣裙”、“衬衫”和“裤子和底裤”等品类页面上对产品进行排名。排名每天计算并存储在数据库中，为每个国家/地区的用户提供相同的体验。 

但随着 Pomelo Fashion 的发展，该公司认识到用 ML 增强算法将有助于提高品类页面上为客户推荐的质量，从而提高数字用户的参与度和转化率。品类页面是 Pomelo Fashion 销售额的最大来源：38% 的购买产品由客户在品类页面上发现。增加这些页面上显示产品的相关性将对提高收入产生巨大的潜力。即使客户没有购买推荐的产品，他们也会进入一个漏斗，在“Color Swatch”、“Shop the Look”和“Just for You”等页面上看到其他产品，这为 Pomelo Fashion 创造了 30% 的收入。 

就在那时，这家 AWS 的忠实客户在 AWS 主办的研讨会上首次听到了 Amazon Personalize。“当您想到电子商务时，您就会想到 AWS。”Pomelo Fashion 商业智能总监 Shane Leese 表示。“AWS 上总是有最新的服务，并且其支持团队非常优秀。” 使用 AWS 还能提供区域可用性，并帮助 Pomelo Fashion 建立新的逻辑，为每个购物者提供个性化分类和排序。

2019 年 6 月 Amazon Personalize 私测版发布时，Pomelo Fashion 就已经开始使用 Segment，后者是一个客户数据系统，可以从 Pomelo Fashion 的移动应用程序、网站和 AWS 上的自助服务收集、规划和加载销售数据，以实现 360 度客户视图和实时个性化功能，而无需复杂的设置或维护。由于 Pomelo Fashion 不具备基础设施来大规模创建个性化体验以帮助产品发现，因此该公司决定将 Segment 和 Amazon Personalize 集成。“如果没有 Segment，我们就无法实现这一目标。”Leese 表示，“我们曾试图建立内部事件跟踪系统，但只能看到一系列相当混乱的事件数据。我们的 AWS 解决方案架构师认为，这将是一个漫长的过程，因此他建议将 Segment 集成进来，以节省原本昂贵的开发时间。有了 Segment 的数据流，我们就不必构建大量基础设施来实现这一目标。” 

新的逻辑将根据个人购物者的偏好对品类页面上的产品进行排序。客户的产品交互（包括点击、添加购物车选择、愿望清单、购买等）都将用于预测他们最可能感兴趣的产品。产品细节（如价格、颜色和品类）与客户细节（如位置）相关联，使得 ML 模型可以更好地找到类似的产品和客户。ML 模型处理的产品和客户数据越多，推荐就越准确。Pomelo Fashion 的新购物者首先会看到热门商品排序，然后在短短几分钟内，ML 模型就会根据他们的预测偏好进行个性化排序。 

Pomelo Fashion 使用 Amazon Personalize 优化建议后，销售额显著提升。“在实施测试版证明稳定性后，我们开始意识到该服务的全部潜力，并将其作为个性化路线图的核心部分。”Leese 表示，“在短短一个月内，通过超参数优化和附加元数据，‘Just for You’推荐使我们的投资回报率增加了 400%。此后，我们开始将其他‘食谱’或模型应用到我们网站的其他部分。” 作为起点，Pomelo Fashion 训练了个性化排名食谱，并将其应用于服装品类，使得从品类页面到单个产品页面的点击率增加了 10%，收入增加了 18.3%。根据服装品类的数据对解决方案进行微调后，Pomelo Fashion 将其扩展了到其他品类。 

Pomelo Fashion 目前已对其所有品类（除新产品和精选系列外）使用其个性化排名算法。截至 2020 年 11 月，该公司 60% 的产品浏览量来自 Amazon Personalize 推荐。Pomelo Fashion 品类页面的总收入提高了 15%，从品类到产品页面的点击率提高了 18%，从品类页面到购物车的点击率增加了 16%。这一扩张使该公司实现了 8% 的增量总收入增长。 

Pomelo Fashion 还聘用了 Braze，这是一项业界领先的客户参与服务，可提供大规模的消息传递体验。Braze 的 Connected Content 功能使用 Amazon Personalize 的推荐来定制 Pomelo Fashion 的跨渠道活动，并通过电子邮件、应用程序等发送。Connected Content 可以直接从 Amazon Personalize 提取内容，实时向用户发送消息，为 Pomelo Fashion 的员工节省了数分钟的时间。例如，当 Pomelo Fashion 向其客户发送电子邮件时，他们会基于其浏览历史和行为收到推荐。使用了 Braze Connected Content 的电子邮件显示，在某些细分市场，点击率增加了 50%，平均增加了 20% 左右。

Pomelo Fashion 计划继续与 Segment 合作，定制购物者体验。该公司的第一个重要计划是通过考虑客户的尺码偏好来提高其品类页面的相关性。目前，许多产品没有最常见的尺码，导致大量的点击没有带来任何转换。利用现有的个性化结构，Pomelo Fashion 计划在其产品详细信息页面上添加尺码选择跟踪，在客户旅程的关键节点询问基本尺码信息，并根据客户的购买历史迭代一系列过滤器，从品类页面中删除不太相关的产品。 

该公司还希望提高可发现性，并确保客户不会重复看到相同的产品。该公司还预计将使用 Amazon SageMaker 构建更多的 ML 模型进行预测，并考虑使用 AWS Lambda 服务（允许公司无需预置或管理服务器即可运行代码）来创建更具可扩展性的基础设施。 

通过使用 Amazon Personalize 和 AWS 合作伙伴 Segment 和 Braze，Pomelo Fashion 能够提供动态且不断改进的客户体验，从而显著增加收入。