Pomelo Fashion verbessert das Einkaufserlebnis und steigert den Umsatz mit Amazon Personalize

Pomelo Fashion, ein globaler E-Commerce Service für Mode mit Sitz in Südostasien, hatte seit seiner Gründung im Jahr 2013 die Artikel auf seiner Website auf die gleiche Weise präsentiert. Das Setup war nicht mehr zeitgemäß, ganz zu schweigen davon, dass der Algorithmus zum Anzeigen der Artikel auf alten Datenströmen mit begrenzten Eingaben und mangelhafter Genauigkeit basierte. Als schnell wachsendes, innovatives Start-up-Unternehmen wollte Pomelo Fashion personalisierte Kundenerlebnisse schaffen, um die Auffindbarkeit neuer Artikel zu verbessern und den Umsatz zu steigern. Dazu benötigte es eine Lösung, die dies in großem Maßstab ermöglichen würde. 

Pomelo Fashion wandte sich an Amazon Web Services (AWS) und nutzte Amazon Personalize, das Entwicklern die Möglichkeit bietet, Anwendungen mit der gleichen Machine Learning (ML)-Technologie zu entwickeln, die Amazon.com für individuelle Empfehlungen in Echtzeit nutzt. Durch den Einsatz von Amazon Personalize und den Services der AWS-Advanced-Technology-Partner Segment und Braze entwickelte Pomelo Fashion neue Sortier- und Kategorisierungsfunktionen und schuf so ein einzigartiges, personalisiertes Einkaufserlebnis, das die Kundenbindung steigert und diese effizienter in Verkäufe umwandelt.

Pomelo Fashion verkauft Bekleidung online und an 18 Einzelhandelsstandorten in ganz Südostasien. Das Unternehmen, das fast zwei Millionen Kunden in mehr als 50 Ländern beliefert, beschäftigt derzeit 500 Mitarbeiter in seinen Unternehmensbüros, Einzelhandelsgeschäften und Lagerhäusern. Der Bruttoumsatz verdreifachte sich von 2017 bis 2018, verdoppelte sich von 2018 bis 2019 und ist auf dem besten Weg, sich 2020 zu verdoppeln, obwohl die globale Wirtschaft insgesamt rückläufig ist. Allein im Juli 2020 meldete das Unternehmen einen Umsatz von 7,5 Millionen USD. Pomelo Fashion stützte sich jahrelang auf einen Algorithmus, der die Produkte auf Kategorieseiten – wie „Kleider“, „Blusen“ und „Hosen und Unterteile“ – auf der Grundlage von Seitenaufrufen und Verkäufen einstufte und dabei die Trends der letzten 30 Tage mit dem Nutzungsverhalten, dem Produktpreis und den Neuerscheinungen vermischte. Das Ranking wurde täglich berechnet und in einer Datenbank gespeichert, wodurch jedem Benutzer je nach Land ein identisches Erlebnis zur Verfügung gestellt wurde. 

Als Pomelo Fashion jedoch wuchs, erkannte das Unternehmen, dass die Verbesserung des Algorithmus mit ML die Qualität der Empfehlungen auf Kategorieseiten für Kunden verbessern würde, was zu einem höheren Engagement und einer höheren Konversion der digitalen Benutzer führen würde. Kategorieseiten generieren für Pomelo Fashion den größten Umsatzanteil: 38 Prozent der gekauften Produkte werden von Kunden auf Kategorieseiten entdeckt. Die Steigerung der Relevanz der auf diesen Seiten gezeigten Produkte birgt ein enormes Potenzial zur Umsatzsteigerung Selbst wenn Kunden das empfohlene Produkt nicht kaufen, gelangen sie in einen Trichter, der ihnen andere Produkte auf Seiten wie „Color Swatch“, „Shop the Look“ und „Just for You“ anzeigt. Damit generiert Pomelo Fashion 30 Prozent seines Umsatzes. 

Zu diesem Zeitpunkt hörte das Unternehmen, das schon immer AWS-Kunde war, bei einem von AWS veranstalteten Workshop zum ersten Mal von Amazon Personalize. „Wenn man an E-Commerce denkt, denkt man an AWS“, sagt Shane Leese, Business Intelligence Director bei Pomelo Fashion. „Bei AWS werden ständig neue Services angeboten, und der Support ist sehr gut.“ Die Verwendung von AWS bietet auch eine regionale Verfügbarkeit und hilft Pomelo Fashion dabei, eine neue Logik einzurichten, um seine Kategorien und Sortierung für jeden Käufer zu personalisieren.

Pomelo Fashion arbeitete bereits mit Segment zusammen als die private Beta-Version von Amazon Personalize im Juni 2019 veröffentlicht wurde. Dieses Kundendatensystem sammelt, schematisiert und lädt Verkaufsdaten aus Pomelo Fashions mobiler App, Website und Shop-Services auf AWS, um eine 360-Grad-Sicht auf Kunden und eine Personalisierung in Echtzeit zu ermöglichen – und das alles ohne komplizierte Einrichtung oder Wartung. Da Pomelo Fashion nicht über die Infrastruktur verfügte, um personalisierte Erlebnisse in großem Maßstab zu erstellen, um die Auffindbarkeit der Produkte zu unterstützen, entschied es sich für die Integration von Segment und Amazon Personalize. „Ohne Segment hätten wir das nicht auf den Weg gebracht“, sagt Leese. „Wir haben versucht, eine interne Ereignisverfolgung zu entwickeln, hatten aber eine ziemlich unübersichtliche Menge an Ereignisdaten vor uns. Unser AWS-Lösungsarchitekt erkannte, dass dies ein langer Weg sein würde, also schlug er vor, Segment an Bord zu holen, um mehr Entwicklungszeit zu sparen als nötig wäre. Dank der Daten, die von Segment bereitgestellt wurden, mussten wir keine große Infrastruktur aufbauen, um dies zu ermöglichen.“ 

Die neue Logik sortiert die Produkte auf den Kategorieseiten basierend auf den Vorlieben der einzelnen Käufer. Die Produktinteraktionen der Kunden – ihre Klicks, Auswahlen in den Warenkorb, Wunschlisten, Einkäufe und mehr – werden verwendet, um vorherzusagen, welche Produkte sie am ehesten interessant finden. Produktdetails wie Preis, Farbe und Kategorie werden mit Kundendetails wie ihrem Standort korreliert, sodass das ML-Modell ähnliche Produkte und Kunden besser finden kann. Je mehr Produkt- und Kundendaten das ML-Modell verarbeitet, desto genauer gibt es Empfehlungen ab. Neuen Käufern von Pomelo Fashion wird zunächst eine beliebte Sortierung von Artikeln angezeigt. In nur wenigen Minuten personalisiert das ML-Modell die Sortierung auf der Grundlage der vorhergesagten Vorlieben. 

Durch die Verwendung von Amazon Personalize zur Optimierung der Empfehlungen konnte Pomelo Fashion seinen Umsatz deutlich steigern. „Nachdem sich eine Beta-Implementierung als zuverlässig erwiesen hatte, begannen wir, das volle Potenzial des Services auszuschöpfen, und machten ihn zu einem zentralen Bestandteil unserer Personalisierungs-Roadmap“, sagt Leese. „Innerhalb eines Monats stieg unsere Kapitalrentabilität für unser ‚Just for You‘-Empfehlungskarussell durch Hyperparameter-Optimierung und zusätzliche Metadaten um 400 Prozent. Danach begannen wir damit, andere „Muster“ oder Modelle auf andere Teile unserer Website anzuwenden.“ Als Ausgangspunkt trainierte Pomelo Fashion ein personalisiertes Ranking-Muster und wendete es auf seine Kleiderkategorie an. Dies führte zu einer 10-prozentigen Steigerung der Klickraten von einer Kategorieseite zu einer einzelnen Produktseite und zu einer 18,3-prozentigen Steigerung des Umsatzes. Nach der Feinabstimmung der Lösung anhand der Daten aus der Kleiderkategorie erweiterte Pomelo Fashion sie auf andere Kategorien. 

Pomelo Fashion verwendet derzeit seinen personalisierten Ranking-Algorithmus für alle Kategorien, mit Ausnahme von Neuankünften und ausgewählten Kollektionen. Ab November 2020 stammen 60 Prozent der Produktaufrufe von Amazon Personalize-basierten Empfehlungen. Pomelo Fashion hat die Bruttoeinnahmen von Kategorieseiten um bis zu 15 Prozent, die Klickraten von Kategorie- zu Produktseiten um bis zu 18 Prozent und die Klicks von der Kategorieseite in den Warenkorb um bis zu 16 Prozent gesteigert. Diese Erweiterung ermöglichte es dem Unternehmen, einen 8-prozentigen Zuwachs an zusätzlichen Bruttoeinnahmen zu erschließen. 

Pomelo Fashion engagierte auch Braze, einen führenden Service zur Kundenbindung, der Benachrichtigungs-Erlebnisse in großem Umfang liefert. Die Connected Content-Funktion von Braze verwendet Empfehlungen von Amazon Personalize, um die kanalübergreifenden Kampagnen von Pomelo Fashion anzupassen, d. h. Kampagnen, die per E-Mail, In-App-Käufe und mehr verschickt werden. Connected Content spart den Mitarbeitern von Pomelo Fashion Zeit, indem es Inhalte direkt von Amazon Personalize abruft, um Nachrichten an Benutzer in Echtzeit und in Minutenschnelle zu übermitteln. Wenn Pomelo Fashion beispielsweise E-Mails an seine Kunden sendet, erhalten diese Empfehlungen basierend auf ihrem Browserverlauf und -verhalten. E-Mails, bei denen Braze Connected Content verwendet wurde, zeigten in einigen Segmenten eine Steigerung der Klickrate von bis zu 50 Prozent und eine durchschnittliche Steigerung von etwa 20 Prozent.

Pomelo Fashion plant, die Zusammenarbeit mit Segment fortzusetzen, um das Einkaufserlebnis zu individualisieren. Die erste große Initiative besteht darin, die Relevanz der Kategorieseiten zu verbessern, indem die Größenpräferenzen der Kunden berücksichtigt werden. Derzeit sind viele Produkte nicht in den gängigsten Größen erhältlich, was zu einer hohen Anzahl von Klicks ohne Conversions führt. Unter Verwendung der bestehenden Personalisierungsstruktur plant Pomelo Fashion die Nachverfolgung der Größenauswahl auf der Produktdetailseite, die Abfrage grundlegender Größeninformationen an wichtigen Punkten der Kundensuche und die Iteration einer Reihe von Filtern. So können weniger relevante Produkte anhand der Kaufhistorie eines Kunden von den Kategorieseiten entfernt werden. 

Das Unternehmen möchte auch die Auffindbarkeit verbessern und sicherstellen, dass Kunden nicht wiederholt dieselben Produkte sehen. Das Unternehmen plant, Amazon SageMaker zu nutzen, um zusätzliche ML-Modelle für die Vorhersage zu erstellen. Außerdem erwägt es, AWS Lambda zu nutzen, einen Service, mit dem Unternehmen Code ausführen können, ohne Server bereitstellen oder verwalten zu müssen, um eine besser skalierbare Infrastruktur zu schaffen. 

Durch den Einsatz von Amazon Personalize und den AWS-Partnern Segment und Braze ist Pomelo Fashion in der Lage, ein dynamisches und sich ständig verbesserndes Kundenerlebnis zu bieten, das auch den Umsatz erheblich steigert.