Pomelo Fashion 是一家成立於 2013 年的全球時裝電商，總部位於泰國，在 50 多個國家/地區擁有近兩百萬客戶。顧客可在其網站、Android 和 iOS 應用程式以及實體資訊亭中購買服飾。作為一家快速成長的互聯網公司，Pomelo Fashion 著手打造個人化客戶體驗，以提高新商品的能見度並增加營收，他們積極物色過不同的解決方案後，決定選擇 AWS 並使用 Amazon Personalize，使用與 Amazon.com 所採用之相同的機器學習技術來實現即時個人化推薦，成功顯著提升業務表現。
藉 Amazon Personalize 更新產品推薦演算法 提升生意額
Pomelo Fashion 在業務早期只依賴一種演算法，根據頁面瀏覽量和銷售額在類別頁面 (如「西裝」、「女裝襯衫」) 上對產品進行排名，將過去 30 天的趨勢與任務週期行為、產品價格和最新版本結合。該排名會每天進行計算並儲存在資料庫中，為每個地區的用戶提供相同的體驗。 但隨著 Pomelo Fashion 的成長，其逐漸意識到到使用 ML 增強演算法將提高客戶類別頁面上的推薦品質，從而提高顧客的參與度和轉化率。Pomelo Fashion 發現，類別頁面為公司創造最大的銷售額：有 38% 的購買產品是由客戶在類別頁面上發現的。
透過使用 Amazon Personalize 改善演算法，他們增強了這些頁面上展示產品的相關性。即使客戶不購買推薦產品，亦會進入漏斗，然後在「色樣」、「商店外觀」和「專屬推薦」等頁面上查看其他產品，進而為 Pomelo Fashion 帶來更佳營收。使用 AWS 還可提供區域可用性並協助 Pomelo Fashion 設定新的邏輯，從而針對每位購物的類別與排序進行個人化。
推薦演算法經優化後成效顯著 各類營利指標均錄得提升
使用 Amazon Personalize 最佳化推薦，Pomelo Fashion 銷售額顯著提升。Pomelo Fashion 商業智能總監 Shane Leese 說道:「在一個月內，透過超參數優化和額外的中繼資料，我們的「專屬推薦」推薦浮動切換的投資回報率提高了 400%。之後，我們開始將其他演算法或模型套用到我們網站的其他部分。」 Pomelo Fashion 首先對其「西裝」類別進行訓練並套用了個人化排名演算法，進而使從類別頁面到個別產品頁面的點擊率提高了 10%，營收增長了 18.3%。在根據「西裝」類別的資料對解決方案進行微調後，Pomelo Fashion 將其擴展到其他類別。
除新品和精選系列外，Pomelo Fashion 目前正在其所有類別中使用個人化排名演算法。公司發現有 60% 的產品瀏覽量來自 Amazon Personalize 的個人化推薦。Pomelo Fashion 將類別頁面的總營收提高了 15%，從類別到產品頁面的點擊率提高了 18%，從類別頁面新增到購物車的點擊次數提高了 16%。這種擴張使公司能夠解鎖 8% 的增量總收入增長。
站在巨人的肩膀上 快捷部署精準的個人化推薦功能 – Amazon Personalize
AI 的準繩度十分仰賴數據，利用 Amazon Personalize 訓練模型，等同從數十億使用者與數百萬項目的互動中學習，利最先進的 AI 在網站、應用程式、搜尋引擎和行銷通路中以低時延提供推薦。只需要花數小時進行配置，便可管理自家推薦引擎所需的基礎設施。Amazon Personalize 是一項完全受管的 AI 推薦服務，可根據資料訓練自訂模型，加快產生價值的時間，從而為使用者提供高度個人化的體驗。
Amazon Personalize 會使用複雜的演算法生成推薦，並即時適應使用者與網站或應用程式的互動方式，根據客戶行為的變化調整推薦。其即時調整的靈活性對應用於熱銷產品、酒店或航班等服務都適合不過。有興趣的讀者，不妨了解更多 Amazon Personalize 技術。
