Ir para o conteúdo principal

Estudo de caso

A GlassesUSA adapta as suas recomendações com aprendizagem profunda

Woman wearing orange glasses
Fundo em gradiente laranja

88%

aumento na receita e aumento de 68% nas compras após a implementação de uma estratégia de deep learning em um único widget de recomendação na página inicial em comparação com uma estratégia tradicional de filtragem colaborativa

45%

aumento na taxa de adição ao carrinho ao usar o algoritmo de deep learning para levar os compradores mais adiante no funil, que os combina imediatamente com os produtos que eles estão procurando

Introdução

Há doze anos, os fundadores da GlassesUSA.com decidiram fornecer óculos de grau de alta qualidade a um preço mais acessível do que os concorrentes no mercado. Uma década depois, a empresa é hoje a maior varejista online de óculos do mundo, oferecendo uma variedade de óculos de sol, lentes de contato e muito mais. Com a maior seleção de estilos e marcas disponíveis online, incluindo opções da Ray Ban, Oakley, entre outras, além da possibilidade de provar tudo na internet usando o espelho virtual e aproveitar o frete grátis e a garantia de reembolso total, a GlassesUSA.com é a solução completa para contribuir para a visão.

Hoje, com uma filosofia centrada no cliente no centro de como opera, a GlassesUSA.com personaliza com perfeição, usando dados para informar como a marca serve uma base diversificada de clientes com diferentes gostos, preferências e necessidades ópticas, ajudando facilmente os clientes a encontrar o seu par de armações perfeito.

Mas, após anos otimizando as suas experiências digitais, a equipe de e-commerce estava pronta para ir além da recomendação de produtos adicionais de interesse para aqueles previstos para impulsionar o engajamento. E, depois de realizar um teste comparativo com as recomendações tradicionais baseadas em aprendizado de máquina na página inicial, a GlassesUSA.com descobriu que o sofisticado algoritmo de deep learning do Dynamic Yield foi capaz de gerar um aumento de 68% nas compras e de 88% na receita, tudo a partir de um único widget.

Com as recomendações do AdaptML™ do Dynamic Yield, não precisamos mais definir manualmente uma estratégia para as recomendações da nossa página inicial. O algoritmo de deep learning determina automaticamente o subconjunto ideal de parâmetros para cada usuário com base no comportamento, na etapa da jornada do cliente e nas tendências observadas em todo o site. É superior a qualquer outra estratégia disponível, não apenas em termos de resultados, mas também de economia de tempo.

Nadav Yekutiel Head of Data GlassesUSA.com

O Desafio

Com produtos de marcas próprias e de mais de 60 designers, a GlassesUSA.com compreende a dificuldade de encontrar os óculos perfeitos entre os milhares de estilos disponíveis em seu catálogo. Ao priorizar a facilidade de descoberta, as recomendações são um componente essencial do site de e-commerce da empresa. Várias páginas exibem as recomendações a fim de simplificar o processo de compra, incluindo a página inicial, que é o ponto de entrada da maioria dos compradores online. Buscando maximizar o desempenho de suas recomendações de produtos na plataforma, a equipe precisava de uma solução que pudesse:

  • Treinar automaticamente e rapidamente para recomendar os itens mais precisos com base em seu extenso catálogo de produtos, bem como nas tendências observadas em todo o site
  • Considerar não apenas o comportamento histórico, mas também as atividades na sessão para exibir os itens com os quais os compradores têm maior probabilidade de interagir ou comprar
  • Continuar aprendendo com cada nova ingestão de dados no modelo para garantir que os resultados das recomendações sejam otimizados continuamente ao longo do tempo

Nesse momento, a equipe começou a executar recomendações de deep learning com o Dynamic Yield.

 

A execução

Produtos recomendados dinamicamente, previstos para impulsionar a ação de cada indivíduo com um algoritmo avançado de deep learning

Representando o topo do funil na jornada do cliente, a GlassesUSA.com decidiu revisitar uma área da página inicial que não está visível de imediato e, anteriormente, exibia um widget de recomendação com até seis produtos diferentes. Buscando extrair o máximo de valor desse local de destaque, a equipe de e-commerce levantou a hipótese de que, se pudesse fornecer recomendações mais personalizadas quando a pessoa entrasse nessa página, poderia melhorar as taxas de adição ao carrinho, além de aumentar o volume de compras e a receita em geral. Afinal, a estratégia clássica de filtragem colaborativa que exibe itens de interesse de acordo com os produtos com que usuários semelhantes interagiram pode ser altamente eficaz, mas as recomendações não são verdadeiramente personalizadas.


Depois de ouvir como as recomendações de aprendizagem profunda da Dynamic Yield não apenas poderiam analisar o comportamento passado dos usuários, mas também a atividade na sessão, a GlassesUSA.com configurou um experimento para testar a estratégia de recomendação AdaptML™ em relação à filtragem colaborativa em seu widget de página inicial para todo o tráfego de desktop.


Configurada automaticamente por site, feed de produtos e indivíduo, a equipe fez apenas alguns pequenos ajustes na estratégia antes de ver rapidamente resultados impressionantes, principalmente um aumento de 45% na taxa de adição ao carrinho, um aumento de 68% nas compras e um aumento de 88% na receita atribuída às recomendações baseadas em aprendizagem profunda. E depois de realizar um teste semelhante no mobile, o algoritmo avançado provou mais uma vez ser o de melhor desempenho em comparação com o controle, com a equipe da GlassesUSA.com tornando o deep learning a estratégia única para seu widget popular na página inicial desse canal.

Widget de recomendação da página inicial que exibe seis sugestões de produtos personalizadas usando o algoritmo de deep learning

Principal conclusão

Em sua missão de conectar os clientes aos melhores óculos possíveis a preços acessíveis, a GlassesUSA.com reconheceu que precisava ir além de oferecer itens semelhantes ou complementares, focando em opções verdadeiramente personalizadas para o usuário. A disposição da empresa em ampliar os limites da experiência do cliente a levou a testar a tecnologia de recomendação por deep learning do Dynamic Yield, para antecipar melhor as necessidades dos clientes e prever automaticamente com quais produtos cada indivíduo tem mais probabilidade de interagir, mesmo no topo do funil. Os resultados dos primeiros testes na página inicial, tanto em computadores quanto em dispositivos móveis, já comprovaram um grande impacto na capacidade da equipe de impulsionar ações relevantes. O algoritmo avançado gerou um aumento de 68% nas compras e um acréscimo de 88% na receita.

Book a demo

Request a personalized demo to learn how Mastercard can enhance your business through our products and services.

Mastercard