Passer au contenu principal

ÉTUDE DE CAS

GlassesUSA.com déploie un algorithme de deep learning pour adapter ses recommandations à chaque shopper

Cette étude de cas est liée au produit Dynamic Yield.

cercle orange

Données &. Services

Institut d’économie

3 min de lecture · 2024

logo de Google
Logo de Microsoft
Logo Pinterest
Logo de Wikipédia
Logo d’Amazon

Atteindre un niveau de personnalisation supérieur avec Dynamic Yield pour approfondir les relations avec les clients et augmenter les ventes

Introduction

Il y a douze ans, les fondateurs de GlassesUSA.com ont entrepris de fournir des lunettes de prescription de haute qualité à un prix plus raisonnable que les autres sur le marché. Dix ans plus tard, l’entreprise est aujourd’hui le plus grand détaillant de lunettes en ligne au monde, proposant une variété de lunettes de soleil, de lentilles de contact, etc. Avec la plus grande sélection de styles et de marques proposés en ligne, avec des offres de Ray Ban, Oakley et plus encore, et la possibilité de tout essayer en ligne à l’aide du miroir virtuel et de profiter de la livraison gratuite et d’un remboursement garanti à 100 %, GlassesUSA.com est votre guichet unique pour tous vos besoins en matière de vision.

Mais après des années d’optimisation de ses expériences numériques, l’équipe eCommerce était prête à aller au-delà de la recommandation de produits supplémentaires intéressants pour ceux qui devraient susciter l’engagement. Et après avoir effectué un test par rapport à ses recommandations traditionnelles basées sur l’apprentissage automatique sur la page d’accueil, GlassesUSA.com découvert que l’algorithme sophistiqué d’apprentissage profond de Dynamic Yield était capable d’augmenter de 68 % les achats et de 88 % les revenus, le tout à partir d’un seul widget.

Barre latérale

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt

Lire plus

Rubrique

Examinez et comparez la composition, la taille et la fréquence des paniers en fonction des offres groupées et des offres de valeur personnalisables.

Identifiez les assortiments qui profitent le plus à l’entreprise pour soutenir l’optimisation des produits

Trouvez des associations d’articles qui apparaissent le plus souvent dans les paniers pour faciliter les stratégies de nouvelles promotions et les présentoirs en magasin

Explorer le comportement d’achat et la fidélité ultérieurs lors de l’achat de certains articles déclencheurs

Découvrez les meilleures ventes, les pièces jointes et les combinaisons d’articles fréquentes dans un rapport automatisé

« Avec les recommandations Dynamic Yield, nous n’avons plus besoin de choisir manuellement une stratégie de recommandation pour nos recommandations sur la page d’accueil. Son algorithme d’apprentissage profond détermine automatiquement le bon sous-ensemble de paramètres pour chaque utilisateur en fonction de son comportement, de sa position dans le parcours client, ainsi que des tendances observées sur l’ensemble du site, ce qui le rend supérieur à toute autre stratégie disponible – non seulement en termes de rendement, mais aussi de gain de temps.

Nadav Yekutiel, Head of Data, GlassesUSA.com
lunettes sur une statistique en pourcentage

Une augmentation de 68 % des achats et de 88 % des revenus, le tout à partir d’un seul widget

Le défi

Abritant des marques de distributeur ainsi que plus de 60 noms de créateurs, GlassesUSA.com comprend la difficulté de trouver la paire de lunettes parfaite parmi les milliers de styles disponibles dans son catalogue. Privilégiant la facilité de découverte, les recommandations sont un élément majeur de son site de commerce électronique, s’étendant sur différentes pages pour mieux faciliter le processus d’achat, y compris la page d’accueil, qui représente le point d’entrée initial pour la plupart des acheteurs en ligne. Cherchant à maximiser les performances de ses recommandations de produits, l’équipe avait besoin d’une solution capable de :

  • Entraînez-vous rapidement pour recommander les articles les plus précis en fonction de son vaste catalogue de produits ainsi que des tendances observées sur le site

  • Prenez en compte non seulement le comportement historique, mais aussi l’activité au cours de la session pour présenter les articles avec lesquels les acheteurs sont les plus susceptibles d’interagir ou d’acheter

  • Continuez à apprendre avec chaque nouvelle donnée ingérée dans le modèle pour vous assurer que les résultats des recommandations sont continuellement optimisés au fil du temps

C’est à ce moment-là que l’équipe a commencé à exécuter des recommandations d’apprentissage profond avec Dynamic Yield.

Exécution

Des produits recommandés dynamiquement qui devraient générer des actions par individu grâce à un algorithme avancé d’apprentissage profond.

Représentant le sommet de l’entonnoir dans le parcours client, GlassesUSA.com a décidé de revisiter une zone juste en dessous de la ligne de flottaison où elle affichait historiquement un widget de recommandation présentant jusqu’à six produits différents. Dans l’espoir d’extraire autant de valeur que possible de ce placement au premier plan, l’équipe de commerce électronique a émis l’hypothèse que si elle pouvait fournir des recommandations plus fortement adaptées à l’individu lors de l’entrée sur cette page, elle pourrait non seulement améliorer les taux d’ajout au panier, mais aussi augmenter les achats et les revenus globaux. Après tout, une stratégie de filtrage collaboratif classique qui présente les éléments d’intérêt en fonction de ce avec quoi d’autres utilisateurs similaires ont interagi peut être très efficace, mais les recommandations ne sont pas vraiment personnalisées.

 

  1. Entraînez-vous rapidement pour recommander les articles les plus précis en fonction de son vaste catalogue de produits ainsi que des tendances observées sur le site
    

  2. Prenez en compte non seulement le comportement historique, mais aussi l’activité au cours de la session pour présenter les articles avec lesquels les acheteurs sont les plus susceptibles d’interagir ou d’acheter

  3. Continuez à apprendre avec chaque nouvelle donnée ingérée dans le modèle pour vous assurer que les résultats des recommandations sont continuellement optimisés au fil du temps

Une présentation sur la page d’accueil de produits fortement adaptés aux attraits individuels Ajouter au panier

six paires de montures de lunettes à prix de repère

Image reproduite avec l’aimable autorisation de glassesusa.com

La clé à retenir

Dans le cadre de sa mission d’offrir aux clients les meilleures lunettes possibles à des prix abordables, GlassesUSA.com a reconnu qu’elle devait aller au-delà de la fourniture d’articles similaires ou complémentaires pour offrir des articles véritablement personnalisés à l’utilisateur. La volonté de l’entreprise de repousser les limites de l’expérience client l’a amenée à expérimenter la technologie de recommandation d’apprentissage profond de Dynamic Yield pour mieux anticiper les besoins des clients et prédire automatiquement les produits avec lesquels chaque individu est le plus susceptible d’interagir, même tout en haut de l’entonnoir. Les résultats de ses premiers tests de page d’accueil, à la fois sur ordinateur et sur mobile, ont déjà prouvé un impact significatif sur la capacité de l’équipe à mener des actions significatives, l’algorithme avancé générant une augmentation de 68 % des achats et une augmentation de 88 % des revenus.

Contributeurs : Einat Haftel, directrice des produits ; Ori Bauer, chef de la direction, Dynamic Yield ; Susan Grossman, vice-présidente exécutive, Services de marketing

[1] « Lorem ipsum dolor sit amet, consectetur » adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua sed do eiusmod tempor incididunt consectetur adipiscing elit sed.

[2] Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore.

Promotion

Consultez notre équipe pour savoir comment Mastercard peut améliorer votre entreprise grâce à nos produits et services.

Réserver une démo