Skip to main content

ÉTUDE DE CAS

GlassesUSA.com déploie un algorithme d'apprentissage profond pour adapter ses recommandations à chaque acheteur.

Cette étude de cas est associée au produit Dynamic Yield.

cercle orange

Data & Services

Institut économique

3 min de lecture · 2024

logo de Google
logo Microsoft
logo Pinterest
logo de Wikipédia
logo amazon

Atteindre un niveau supérieur de personnalisation 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 proposer des lunettes de vue de haute qualité à un prix plus raisonnable que les autres acteurs du marché. Une décennie 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 et bien plus encore. Avec la plus grande sélection de styles et de marques proposée en ligne, incluant des collections de Ray Ban, Oakley et bien d'autres, ainsi que la possibilité de tout essayer en ligne grâce au miroir virtuel, 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 d'optimisation de ses expériences numériques, l'équipe e-commerce était prête à aller au-delà de la simple recommandation de produits d'intérêt supplémentaires pour proposer des articles dont la prédiction garantissait l'engagement. Et après avoir réalisé un test comparatif avec ses recommandations traditionnelles basées sur l'apprentissage automatique sur la page d'accueil, GlassesUSA.com a constaté que l'algorithme d'apprentissage profond sophistiqué de Dynamic Yield était capable de générer une augmentation de 68 % des achats et de 88 % du chiffre d'affaires, 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

Examinez et comparez la composition, le volume et la fréquence des paniers grâce à des offres groupées et à des promotions personnalisables.

Identifier les assortiments qui profitent le plus à l'entreprise pour soutenir l'optimisation des produits

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

Explorez le comportement d'achat ultérieur et la fidélité lors de l'achat de certains articles déclencheurs

Découvrez les meilleures ventes, les articles associés et les combinaisons d'articles fréquentes dans un rapport automatisé.

"With Dynamic Yield recommendations, we no longer have to manually choose a recommendation strategy for our Homepage recommendations. Its deep learning algorithm automatically determines the right subset of parameters for each user based on their behavior, where they are in the customer journey, as well as trends seen across the site, making it superior to any other strategy available – not only in terms of output, but also time saved".

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

Une augmentation de 68 % des achats et une hausse de 88 % du chiffre d'affaires, 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 idéale parmi des milliers de styles disponibles dans son catalogue. Donnant la priorité à la facilité de découverte, les recommandations constituent un élément majeur de son site e-commerce et s'affichent sur différentes pages afin de faciliter le processus d'achat, notamment sur la page d'accueil, qui représente le point d'entrée initial pour la plupart des acheteurs en ligne. Souhaitant maximiser la performance de ses recommandations de produits sur place, l'équipe recherchait une solution capable de :

  • Entraînement automatique rapide pour recommander les articles les plus précis en fonction de son vaste catalogue de produits ainsi que des tendances observées sur l'ensemble du site

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

  • Continuez à apprendre avec chaque nouveau bit de données ingéré dans le modèle afin de garantir que les résultats des recommandations sont continuellement optimisés au fil du temps

C’est à ce moment-là que l’équipe a commencé à utiliser des recommandations de deep learning avec Dynamic Yield.

Exécution

Dynamically recommended products predicted to drive action per individual with an advanced deep learning algorithm.

Représentant le sommet absolu de l'entonnoir du parcours client, GlassesUSA.com a décidé de réexaminer une zone située juste en dessous de la ligne de flottaison où elle affichait historiquement un widget de recommandation présentant jusqu'à six produits différents. Espérant tirer le maximum de valeur de cet emplacement de premier plan, l'équipe e-commerce a émis l'hypothèse que si elle pouvait fournir des recommandations plus fortement personnalisées pour l'individu dès son entrée sur cette page, elle pourrait non seulement améliorer les taux d'ajout au panier, mais aussi augmenter les achats et le chiffre d'affaires global. Après tout, une stratégie classique de filtrage collaboratif qui présente des articles d'intérêt en fonction de ce avec quoi d'autres utilisateurs similaires ont interagi peut s'avérer très efficace, mais les recommandations ne sont pas véritablement personnalisées.

 

  1. Self-train quickly to recommend the most accurate items based on its extensive product catalog as well as trends seen across the site
    

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

  3. Continuez à apprendre avec chaque nouvelle donnée ingérée dans le modèle afin de garantir l'optimisation continue des résultats de recommandation au fil du temps

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

six paires de montures de lunettes à prix

Image avec l'aimable autorisation de glassesusa.com

The Key Takeaway

On its mission to match customers with the best possible eyewear at affordable prices, GlassesUSA.com recognized it had to move beyond serving similar or complementary items to those that are truly personalized to the user. The company’s willingness to push the boundaries of customer experience delivery led them to experiment with Dynamic Yield’s deep learning recommendation technology to better anticipate customer needs and automatically predict the products each individual is most likely to engage with, even at the very top of the funnel. The results of its initial homepage tests, both on desktop and mobile, have already proven a significant impact on the team’s ability to drive meaningful action, with the advanced algorithm generating a 68% uplift in purchases and an 88% increase in revenue.

Contributeurs : Einat Haftel, Chief Product Officer ; Ori Bauer, CEO, Dynamic Yield ; Susan Grossman, EVP, Marketing Services

[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 optimiser votre activité grâce à nos produits et services.

Réserver une démo