MECCA 如何在线上提供与店内相同质量的客户体验，并取得显著成果

MECCA 成立于 1997 年，汇集了部分全球最受欢迎的美容和护肤产品，向澳大利亚和新西兰的 200 万顾客销售 120 多个品牌的产品。据 IBISWorld 数据，在价值 42 亿美元的澳大利亚美容市场中，该公司占据了 10% 的份额，并占据了高级化妆品行业约 25% 的份额。

MECCA 的成功秘诀之一在于其品质优异、服务一流的美容精品店。据《Vogue》杂志称，MECCA 将大约 3% 的收入用于培训员工，以便为每位客户提供定制的个性化建议。

MECCA 目前致力于在线上网店中重现这种独特的面对面体验。“当您走进一家 MECCA 商店，店员会为您提供个性化服务和产品推荐。我们希望在线上也能为顾客提供同样的服务。”MECCA 客户关系管理和忠诚度部门主管 Lauren Shepherd 解释说。

MECCA 是率先采用电子商务的公司之一，该公司早在 2001 年就已推出线上购物。该公司向其战略合作伙伴亚马逊云科技 (AWS) 和 Servian 寻求帮助，希望利用数据和分析来提高线上客户的参与度。

提供超个性化的产品和定制的购物旅程是改善客户体验 (CX) 以推动业务增长的关键。然而，据 Gartner 的研究结果，超过 70% 的客户体验领导者“在设计提高客户忠诚度的项目并取得成果时遇到了困难”。

MECCA 的数据转型之旅始于 2018 年，当时该公司与 AWS 合作构建了一个数据平台，并使用 Tableau 作为商业智能报告工具。

在看到整个企业都在积极采用这个平台后，MECCA 的技术团队希望通过使用数据为客户提供更多更具价值的服务来推动数据转型的进程。该公司的最终目标是让企业不同部门都能实现自助服务，这是一种商业智能形式，任何人都能深入研究与其角色相关的数据。 

MECCA 的客户关系管理和忠诚度团队希望使用数据来预测哪些产品最有可能吸引不同的客户。

“我们有许多关于客户的信息，但我们并没有真正将这些信息用于优化客户体验，每个客户都会收到相同的内容和促销信息，”Shepherd 说。

MECCA 数据团队与 Servian 开展合作，开始试用 Amazon Personalize，这项机器学习服务可提供简单的框架，用于构建和运行个性化模型。创新零售商将这项服务用于提供特定的产品推荐、对个性化产品进行重新排序，以及开展定制化直接营销。

在过渡到人工智能驱动的个性化营销之前，MECCA 需要清理和重组其电子邮件平台中包含的 23 年的数据，以构建一个有组织、简洁且易于访问的数据系统。

MECCA 机器学习之旅的“探索”阶段便由此开启。由 CRM、数据和 Servian 专家组成的跨学科技术团队共同开发了概念验证 (POC)。该团队的职责是预测并解决任何可能影响 POC 的障碍，为此，其使用 Amazon Personalize 提供产品推荐，作为睫毛膏定向营销活动的一部分。通过利用现有元数据，该营销活动以 90 天前最后一次购买睫毛膏的客户为目标，向其发送促销电子邮件。

进入“交付”阶段后，技术团队进行了多项更改，例如迁移到 Amazon S3 数据环境，并与营销系统构建新的集成，以实现自动化端到端数据处理。他们还花时间帮助高层利益相关者和经理们了解实现个性化和转用机器学习会为其各自的业务领域带来的益处。

这是 POC 取得成功的关键，MECCA 数字和数据 IT 交付经理 Paul Erskine 表示：“许多高管对数据科学的复杂性普遍持保留意见。他们会有这样的一些问题，比如：‘如果有人离职，那么谁来管理这个模型？ 这个模型的成本如何，能创造多大的价值？ 谁将长期负责这个模型？’”

为了解决这些问题，技术团队在数据治理论坛上分享了他们的愿景和计划。他们展示了 Amazon Personalize 生成的产品推荐，并解释了如何使用数据科学来优化客户转化率和参与率。他们的证据非常具有说服力，MECCA 的高管团队都非常认可 POC。

2019 年底，Amazon Personalize 在澳大利亚发布时，MECCA 和 Servian 立即部署了该服务，这两家公司是澳大利亚首批部署 Amazon Personalize 的公司之一。短短几小时内，该服务便开始提供定制产品推荐，如今，它可根据 MECCA 的整个产品目录向客户提供产品推荐。

“使用 Amazon Personalize 的好处之一是可以使用 AWS 托管服务上的现有数据轻松训练自定义模型。如此一来，不仅是数据科学家，开发人员也能构建推荐算法。”Erskine 解释说。

MECCA 还部署了一个长短期记忆 (LSTM) 倾向性模型，以确定产品补货的最佳时机。在 AB 测试中，50% 的电子邮件包含个性化的产品推荐，而剩下的 50% 电子邮件没有包含产品推荐。包含个性化推荐的电子邮件实现了更高的转化率。

“自从集成 Amazon Personalize 以来，我们发现电子邮件点击率得到了显著提高，与推荐产品相关的电子邮件收入也相应增加。”MECCA 首席数字官 Sam Bain 说道。

MECCA 现在面向所有活跃的客户每周运行其个性化模型，所有营销活动每周可生成超过 1000 万条的产品推荐。

在使用其电子邮件管理系统的原生功能实现产品推荐方面，Amazon Personalize 也优于 MECCA 以前的系统。

Shepherd 表示：“我们对比测试了 Amazon Personalize 的推荐内容与电子邮件提供商的系统推荐内容。从理论上讲，电子邮件平台也能基于购买历史记录生成推荐内容，但它们无法像 Personalize 模型那样尽可能多地考虑衡量标准，因此其转化率并不理想。

“我们已经证明，向客户展示与其生命阶段、旅程经历和购买历史记录相关的产品，更有可能实现转化。”

MECCA 将继续与 AWS 和 Servian 合作，重新构想数字体验，提升忠诚客户满意度。MECCA 的目标是利用机器学习的功能预测客户喜好，并优化 MECCA 满足需求的能力，同时改进其基础数据集，以构建越来越多的预测模型。