Skip to main content

ÉTUDE DE CAS

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

Cette étude de cas est liée au produit Dynamic Yield.

cercle orange

Données & Services

Institut économique

3 min de lecture · 2024

logo de 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 se sont donné pour mission de proposer des lunettes de vue de haute qualité à un prix plus raisonnable que les autres sur le marché. Une décennie plus tard, l'entreprise est désormais le plus grand détaillant de lunettes en ligne au monde, offrant une variété de lunettes de soleil, de lentilles de contact, et bien plus encore. Avec la plus grande sélection de styles et de marques proposée en ligne, incluant des offres de Ray Ban, Oakley et bien plus, et la possibilité de tout essayer en ligne grâce au miroir virtuel, ainsi que de bénéficier de la livraison gratuite et d'une garantie de remboursement à 100 %, GlassesUSA.com est votre guichet unique pour tous vos besoins visuels.

Mais après des années à optimiser ses expériences numériques, l'équipe e-commerce était prête à aller au-delà de la recommandation de produits d'intérêt supplémentaires, pour se concentrer sur ceux qui sont censés générer de l'engagement. Et après avoir effectué un test comparatif avec ses recommandations traditionnelles basées sur l'apprentissage automatique sur la page d'accueil, GlassesUSA.com a découvert que l'algorithme sophistiqué d'apprentissage profond de Dynamic Yield était capable de générer une augmentation de 68 % des achats et une augmentation de 88 % des 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 la suite

Titre

Examiner et comparer la composition, la taille et la fréquence des paniers en fonction des offres groupées et des offres à valeur ajoutée personnalisables.

Identifier les assortiments qui bénéficient le plus à l'entreprise afin de soutenir l'optimisation des produits

Découvrez les associations d'articles les plus courantes dans les paniers afin de faciliter les stratégies pour les nouvelles promotions et les présentations en magasin

Explorer le comportement d'achat ultérieur et la fidélité lorsque certains articles déclencheurs sont achetés

Découvrir les meilleurs vendeurs, les articles associés et les combinaisons d'articles fréquentes dans un rapport automatisé

"Grâce aux recommandations de Dynamic Yield, nous n'avons plus à choisir manuellement une stratégie de recommandation pour les recommandations de notre 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 son positionnement 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 résultats, mais aussi de temps gagné".

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

Une augmentation de 68 % des achats et une hausse de 88 % des revenus, le tout grâce à un seul widget.

Le Défi

Hébergeant des marques de distributeur ainsi que plus de 60 noms de designers, 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 e-commerce, s'étendant sur diverses 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 la performance de ses recommandations de produits, l'équipe avait besoin d'une solution capable de :

  • S'auto-former rapidement pour recommander les articles les plus pertinents en fonction de son vaste catalogue de produits et des tendances observées sur l'ensemble du site.

  • Prendre en considération non seulement le comportement historique, mais aussi l'activité au sein de la session pour présenter les articles avec lesquels les acheteurs sont les plus susceptibles d'interagir ou d'acheter.

  • Continuer à apprendre avec chaque nouvelle donnée ingérée dans le modèle afin de garantir que les résultats de recommandation sont continuellement optimisés au fil du temps

C'est alors que l'équipe a commencé à mettre en œuvre des recommandations de deep learning avec Dynamic Yield.

Exécution

Produits recommandés dynamiquement dont on prévoit qu'ils généreront des actions par individu grâce à un algorithme d'apprentissage profond avancé.

Représentant le tout début du tunnel de vente dans le parcours client, GlassesUSA.com a décidé de revoir une zone juste en dessous de la ligne de flottaison où il affichait historiquement un widget de recommandation présentant jusqu'à six produits différents. Dans l'espoir de tirer le meilleur parti de ce placement central, l'équipe e-commerce a émis l'hypothèse que si elle pouvait fournir des recommandations plus fortement adaptées à l'individu dès l'entrée sur cette page, elle pourrait non seulement améliorer les taux d'ajout au panier, mais également augmenter les achats et les revenus globaux. Après tout, une stratégie classique de filtrage collaboratif qui présente des articles d'intérêt basés sur ce avec quoi d'autres utilisateurs similaires ont interagi peut être très efficace, mais les recommandations ne sont pas véritablement personnalisées.

 

  1. S'auto-former rapidement pour recommander les articles les plus pertinents en fonction de son vaste catalogue de produits et des tendances observées sur l'ensemble du site.
    

  2. Prendre en considération non seulement le comportement historique, mais aussi l'activité au sein de la session pour présenter les articles avec lesquels les acheteurs sont les plus susceptibles d'interagir ou d'acheter.

  3. Continuer à apprendre avec chaque nouvelle donnée intégrée dans le modèle afin de garantir que les résultats de recommandation sont continuellement optimisés au fil du temps

Un affichage de produits sur la page d'accueil, fortement adapté à l'individu, incite à l'ajout au panier

six paires de montures de lunettes à prix

Crédit photo : glassesusa.com

Le point essentiel

Dans sa mission de proposer aux clients les meilleures lunettes possibles à des prix abordables, GlassesUSA.com a reconnu qu'il devait aller au-delà de la simple proposition d'articles similaires ou complémentaires pour offrir des articles véritablement personnalisés à l'utilisateur. La volonté de l'entreprise de repousser les limites de la prestation d'expérience client l'a amenée à expérimenter la technologie de recommandation de deep learning 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 au tout début du tunnel de vente. Les résultats de ses premiers tests de page d'accueil, tant sur ordinateur que sur mobile, ont déjà prouvé un impact significatif sur la capacité de l'équipe à générer des actions concrètes, l'algorithme avancé ayant entraîné une augmentation de 68 % des achats et une hausse de 88 % des revenus.

Contributeurs : Einat Haftel, Directrice des produits ; Ori Bauer, CEO, Dynamic Yield ; Susan Grossman, EVP, Services 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.

Promotions

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

Réserver une démo