Paytm impulsa las ventas de la página principal con recomendaciones personalizadas gracias a Amazon Personalize

La empresa de servicios financieros Paytm quería aumentar las ventas y las tasas de clics de su servicio de comercio electrónico, Paytm Mall, mediante la implementación de recomendaciones personalizadas en la página principal de su sitio. Para crear este modelo de recomendación, Paytm necesitaba una solución sólida de machine learning (ML) para analizar y proponer recomendaciones a más de 10 millones de usuarios activos diarios que compran productos minoristas en Paytm Mall.

Paytm recurrió a Amazon Web Services (AWS) y utilizó Amazon Personalize, un servicio de ML totalmente administrado, para crear un modelo de personalización que generara recomendaciones para cada cliente. Amazon Personalize permite que los desarrolladores creen fácilmente aplicaciones con la misma tecnología de ML utilizada por Amazon.com para obtener recomendaciones personalizadas en tiempo real, sin necesidad de experiencia en ML. Con Amazon Personalize, Paytm aumentó sus ventas y las tasas de clics en la página principal de Paytm Mall, al tiempo que facilitó la búsqueda de artículos para sus clientes.

Paytm es un proveedor de pagos digitales, comercio electrónico y servicios financieros ubicado en la India. En la actualidad, apoya a más de 17 millones de comerciantes y millones de personas lo utilizan a diario para pagar los servicios públicos, los alimentos, las entradas del cine y más. Los servicios de Paytm también incluyen reservas de viajes, seguros y venta minorista (Paytm Mall), todos incluidos en la aplicación de Paytm. La empresa quería crear un modelo de ML para presentar recomendaciones personalizadas a sus usuarios en la página principal de Paytm Mall en función de su historial de navegación. Anteriormente, la empresa no tenía servicios de recomendación personalizada para los usuarios, pero sí contaba con widgets para recomendaciones de artículo a artículo.

La empresa investigó la opción de crear una solución interna, pero al final Paytm determinó que el uso de Amazon Personalize sería más rápido de implementar y tendría un mejor tiempo de respuesta. Paytm ya utilizaba AWS para la implementación de sus aplicaciones, por lo que conocían el entorno. La empresa comenzó a implementar Amazon Personalize en mayo de 2021, y el modelo de recomendaciones personalizadas se lanzó en septiembre de 2021. El equipo de ingeniería y soporte de Amazon Personalize apoyó a Paytm durante la transición. “Recibimos un excelente apoyo del equipo de AWS, especialmente durante las fases iniciales del desarrollo”, cuenta Ankur Gogate, líder técnico de Paytm.

Al utilizar Amazon Personalize y otros servicios de AWS, Paytm recopila datos de los usuarios y los utiliza según el modelo de recomendaciones para generar sugerencias de contenido únicas para cada uno de los más de 10 millones de visitantes diarios de Paytm Mall. Para proporcionar las salidas de datos que impulsan el modelo de personalización, Paytm utiliza una aplicación interna basada en Java y Amazon EMR, un servicio de big data en la nube para ejecutar trabajos de procesamiento de datos distribuidos a gran escala, consultas SQL interactivas y aplicaciones de ML que utilizan marcos de análisis de código abierto. Una vez procesados los datos del usuario mediante Amazon EMR, se envían a Amazon Personalize para que los ejecute con el modelo de personalización, que devuelve resultados de recomendaciones personalizadas que se envían a la página principal. Las recomendaciones crean una experiencia individualizada para cada visitante de Paytm Mall. “La personalización ayuda a los usuarios a obtener lo que necesitan con el menor número de clics posible”, explica Gogate. “Al realizar la personalización con Amazon Personalize, creamos una aplicación única para cada usuario en función de las elecciones y preferencias individuales”.

Desde que agregó el modelo de recomendaciones personalizadas, Paytm registró una tasa de conversión de entre 5,5 % y 6 % en la página principal de Paytm Mall. En comparación, los widgets que Paytm usaba anteriormente para recomendaciones de artículo a artículo tenían una tasa de clics del 1,8 % al 2 %. “Esta tasa de conversión es mayor que la de cualquier otro modelo de recomendaciones que hayamos tenido”, afirma Gogate. “Como estas recomendaciones están en la página principal, las personas pueden obtener el artículo que desean allí mismo. Esto ayudó a aumentar el total de pedidos y el volumen de ventas desde la propia página principal”. La implementación de la solución de recomendación también ayudó a Paytm a medir mejor la actividad en su página principal, ya que anteriormente no recopilaba métricas sobre las tasas de conversión allí.

El uso de Amazon Personalize aumentó la agilidad de Paytm como empresa y la ayudó a seguir innovando. “Cuando se lanzó la personalización de los usuarios, nos dimos cuenta de la rapidez y facilidad con la que podíamos incorporar Amazon Personalize con otras soluciones nuevas”, dice Gogate. Paytm estaba considerando crear otra solución para mostrar recomendaciones basadas en marcas. En lugar de crear algo desde cero, el equipo pudo reutilizar lo que ya se había creado con Amazon Personalize para poner en marcha una versión beta rápidamente. Este nuevo modelo de recomendaciones basadas en marcas, que se encuentra actualmente en fase de prueba, ofrecerá a los usuarios recomendaciones basadas en las marcas con las que hayan interactuado anteriormente en la aplicación. La versión beta se implementó en solo 1 mes con Amazon Personalize, mientras que el equipo calculó que habría llevado el doble de tiempo crear un modelo similar internamente. “Con Amazon Personalize, observamos un enfoque plug-and-play muy sencillo”, cuenta Gogate. “Para nosotros, como empresa, es muy beneficioso poder ofrecer nuevos modelos de recomendación a los usuarios rápidamente”.

Paytm busca analizar en qué otras áreas puede implementar la personalización en su aplicación en el futuro, además de Paytm Mall. “Contar con Amazon Personalize abrió nuevos espacios en Paytm para implementar la personalización”, afirma Gogate. “Ahora Paytm podría comenzar a buscar varias formas de utilizar la personalización de los usuarios para obtener mejores resultados en otras áreas comerciales, como los viajes y los seguros”. Con una mayor personalización, Paytm quiere ayudar a sus clientes a obtener de manera eficiente los servicios y artículos que buscan.

En última instancia, Paytm se benefició no solo del aumento de las ventas, sino también de las nuevas oportunidades. “El uso de Amazon Personalize nos ayudó a innovar y repensar todo nuestro enfoque para mejorar las conversiones de ventas”, afirma Gogate.