Passer au contenu principal

ÉTUDE DE CAS

GlassesUSA.com déploie un algorithme d’apprentissage profond pour adapter ses recommandations à chaque client

Cette étude de cas est liée au produit de rendement dynamique.

Data &. Services profile photo

Data &. Services

Economic institute

3 min de lecture · 2024

Logo Google
Logo Microsoft
Logo Pinterest
Logo Wikipédia
Logo Amazon

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

Introduction

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

Mais après avoir passé des années à optimiser ses expériences numériques, l’équipe de commerce électronique était prête à aller au-delà des simples recommandations de produits supplémentaires pouvant intéresser les clients comme méthode d'engagement. Après avoir effectué un test de comparaison avec ses recommandations classiques fondées sur l’apprentissage automatique présentées sur la page d’accueil, GlassesUSA.com a découvert que l’algorithme sophistiqué d’apprentissage profond de Dynamic Yield pouvait entraîner une augmentation de 68% des achats et une augmentation de 88% des revenus, le tout à partir d’un seul widget.

Encadré

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

En savoir plus

Titre

Examinez et comparez la composition, la taille et la fréquence du panier en fonction de forfaits personnalisables et d’offres à valeur.

Identifiez les assortiments qui bénéficient le plus à l’entreprise afin de soutenir l’optimisation des produits

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

Explorer les comportements d’achat et la fidélité après l'achat de certains objets déclencheurs

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

« Avec les recommandations Dynamic Yield, nous n’avons plus à 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 le site, ce qui le rend supérieur à toute autre stratégie disponible – non seulement en termes de production, mais aussi de temps gagné. »

Nadav Yekutiel, Head of Data, GlassesUSA.com
Lunettes sur une statistique de pourcentage

Une augmentation de 68 % des achats et une augmentation de 88 % des revenus, tout cela grâce à un seul produit

Le défi

Offrant des marques de distributeur ainsi que plus de 60 grandes marques, GlassesUSA.com sait qu'il peut être difficile de trouver la paire de lunettes parfaite parmi les milliers de styles offerts dans son catalogue. Les recommandations, qui privilégient la facilité de découverte, sont un élément majeur de son site de commerce électronique et sont déployées sur différentes pages pour faciliter le processus d’achat, y compris sur la page d’accueil, qui représente le point d’entrée initial pour la plupart des acheteurs en ligne. Comme l'équipe cherchait à optimiser l'efficacité de ses recommandations sur cette page, elle avait besoin d’une solution capable :

  • D'apprendre rapidement à recommander les articles les plus pertinents parmi son vaste catalogue de produits et selon les tendances relevées sur le site

  • Prenez en considération non seulement le comportement historique, mais aussi l'activité au cours de la session afin de mettre en avant les articles auxquels les acheteurs sont le plus susceptibles de s'intéresser ou d'acheter.

  • De continuer à apprendre à l'intégration de nouvelles données au modèle afin de garantir que les résultats des recommandations soient continuellement optimisés au fil du temps

C’est alors que l’équipe a commencé à exécuter des recommandations par apprentissage profond avec Dynamic Yield.

Exécution

Des produits recommandés de manière dynamique pour stimuler l’action par personne grâce à un algorithme poussé d’apprentissage profond.

Étant la toute première étape du parcours du client, GlassesUSA.com a décidé de revoir une zone où elle affichait auparavant un widget de recommandation qui présentait jusqu’à six produits différents. Dans l’espoir de tirer le plus de valeur possible de cette mise en avant, l’équipe de commerce électronique a émis l’hypothèse que si elle pouvait fournir des recommandations plus ciblées à un client dès son arrivée sur cette page, elle pourrait non seulement améliorer le taux d’ajout au panier, mais aussi augmenter les achats et les revenus globaux. Après tout, une stratégie classique de filtrage collaboratif qui présente des articles d'intérêts en fonction de ceux avec lesquels d’autres utilisateurs semblables ont interagi peut être très efficace, mais ces recommandations ne sont pas vraiment personnalisées.

 

  1. Apprendre rapidement à recommander les articles les plus précis selon son vaste catalogue de produits ainsi que les tendances observées sur le site
    

  2. Prenez en considération non seulement le comportement historique, mais aussi l'activité au cours de la session afin de mettre en avant les articles auxquels les acheteurs sont le plus susceptibles de s'intéresser ou d'acheter.

  3. Continuez à apprendre à chaque nouvelle donnée intégrée au modèle afin de vous assurer que les résultats des recommandations soient continuellement optimisés dans le temps

Une page d’accueil affichant une sélection de produits fortement adaptée aux attraits individuels ajoutés au panier

six paires de montures de lunettes avec prix

Image gracieuseté de glassesusa.com

Le point clé à retenir

Pour mener à bien sa mission d'offrir aux clients les meilleures lunettes possibles à des prix abordables, GlassesUSA.com a reconnu qu’elle devait faire plus que simplement présenter des articles semblables ou complémentaires et plutôt mettre de l'avant des recommandations véritablement personnalisées. La volonté de l’entreprise de repousser les limites de l’expérience client l’a amenée à expérimenter la technologie de recommandation par apprentissage profond de Dynamic Yield pour mieux anticiper les besoins des clients et prédire automatiquement les produits avec lesquels chaque client est le plus susceptible d’interagir, même au sommet de l’entonnoir. Les résultats de ses premiers tests sur la page d’accueil, tant sur ordinateur que sur appareil mobile, ont déjà renforcé significativement la capacité de l’équipe à mener des actions profitables, l’algorithme poussé ayant mené à une augmentation de 68 % des achats et à une augmentation de 88 % des revenus.

Contributeurs : Einat Haftel, directeur principal des produits; Ori Bauer, PDG, Dynamic Yield; Susan Grossman, vice-présidente principale, 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 découvrir comment Mastercard peut améliorer votre entreprise grâce à nos produits et services.

Démo du livre