Paytm stimule les ventes de sa page d’accueil grâce à des recommandations personnalisées à l’aide d’Amazon Personalize

La société de services financiers Paytm souhaitait augmenter les ventes et les taux de clics de son service de commerce électronique, Paytm Mall, en mettant en œuvre des recommandations personnalisées sur la page d’accueil de son site. Pour créer ce modèle de recommandation, Paytm avait besoin d’une solution de machine learning (ML) robuste pour analyser et proposer des recommandations à plus de 10 millions d’utilisateurs actifs quotidiens qui achètent des produits de détail sur Paytm Mall.

Paytm s’est tourné vers Amazon Web Services (AWS) et a utilisé Amazon Personalize, un service de machine learning entièrement géré, pour créer un modèle de personnalisation qui génère des recommandations pour chaque client. Amazon Personalize permet aux développeurs de concevoir facilement des applications avec la même technologie ML utilisée par Amazon.com pour les recommandations personnalisées en temps réel. Aucune expertise en ML n’est requise. Grâce à Amazon Personalize, Paytm a augmenté ses ventes et les taux de clics sur la page d’accueil de Paytm Mall tout en permettant à ses clients de trouver plus facilement des articles.

Paytm est un fournisseur de paiements numériques, de commerce électronique et de services financiers situé en Inde. Aujourd’hui, il répond aux attentes de plus de 17 millions de commerçants et est utilisé quotidiennement par des millions de personnes pour payer les services publics, les courses, les billets de cinéma, etc. Les services de Paytm incluent également la réservation de voyages, l’assurance et la vente au détail, le Paytm Mall, qui sont tous contenus dans l’application Paytm. L’entreprise souhaitait créer un modèle de machine learning pour présenter des recommandations personnalisées à ses utilisateurs sur la page d’accueil de Paytm Mall en fonction de leur historique de navigation. Auparavant, l’entreprise ne disposait pas de services de recommandation personnalisés au niveau des utilisateurs, mais elle disposait de widgets pour les recommandations d’article à article.

L’entreprise a étudié la possibilité de créer une solution interne, mais Paytm a finalement déterminé que l’utilisation d’Amazon Personalize serait plus rapide à mettre en œuvre avec de meilleurs délais. Paytm utilisait déjà AWS pour ses déploiements d’applications, elle connaissait donc bien l’environnement. L’entreprise a commencé à mettre en œuvre Amazon Personalize en mai 2021 et le modèle de recommandations personnalisées a été mis en service en septembre 2021. Paytm a été soutenu pendant la transition par l’équipe d’ingénierie et de support d’Amazon Personalize. « Nous avons bénéficié d’un excellent soutien de la part de l’équipe AWS, en particulier pendant les premières phases de développement », explique Ankur Gogate, responsable technique chez Paytm.

En utilisant Amazon Personalize et d’autres services AWS, Paytm collecte les données des utilisateurs et les utilise selon le modèle de recommandations afin de générer des suggestions de contenu uniques pour chacun des plus de 10 millions de visiteurs quotidiens du Paytm Mall. Pour fournir les sorties de données qui alimentent le modèle de personnalisation, Paytm utilise une application Java interne et Amazon EMR, un service cloud de big data permettant d’exécuter des tâches de traitement de données distribuées à grande échelle, des requêtes SQL interactives et des applications ML à l’aide de cadres d’analytiques open source. Une fois les données utilisateur traitées via Amazon EMR, elles sont envoyées à Amazon Personalize pour être traitées par le modèle de personnalisation, qui renvoie des résultats de recommandation personnalisés. Ces derniers sont ensuite redirigés vers la page d’accueil. Les recommandations créent une expérience personnalisée pour chaque visiteur de Paytm Mall. « La personnalisation permet aux utilisateurs d’obtenir ce dont ils ont besoin en un minimum de clics », explique Ankur Gogate. « Grâce à la personnalisation à l’aide d’Amazon Personalize, nous créons une application unique pour chaque utilisateur en fonction de ses choix et préférences individuels. »

Depuis l’ajout du modèle de recommandations personnalisées, Paytm a enregistré un taux de conversion de 5,5 à 6 % sur la page d’accueil de Paytm Mall. À titre de comparaison, les widgets que Paytm utilisait auparavant pour les recommandations d’article à article avaient enregistré un taux de clics de 1,8 à 2 %. « Ce taux de conversion est supérieur à celui de tous les autres modèles de recommandations que nous avons utilisés », explique Ankur Gogate. « Comme ces recommandations se trouvent sur la page d’accueil, les utilisateurs peuvent y obtenir l’article qu’ils souhaitent. Cela a contribué à augmenter le total de nos commandes et le volume des ventes depuis la page d’accueil elle-même. » La mise en œuvre de la solution de recommandation a également permis à Paytm de mieux mesurer l’activité sur sa page d’accueil, car elle ne collectait pas de statistiques sur les taux de conversion de la page d’accueil auparavant.

L’utilisation d’Amazon Personalize a renforcé l’agilité de Paytm en tant qu’entreprise et l’a aidée à continuer d’innover. « Après la mise en ligne de la personnalisation pour les utilisateurs, nous avons réalisé à quel point nous pouvions intégrer rapidement et facilement Amazon Personalize à d’autres nouvelles solutions », explique Ankur Gogate. Paytm envisageait de créer une autre solution pour afficher des recommandations basées sur la marque. Au lieu de créer quelque chose à partir de zéro, l’équipe a pu réutiliser ce qui avait déjà été créé à l’aide d’Amazon Personalize pour mettre rapidement en place une version bêta. Ce nouveau modèle de recommandations basé sur les marques, actuellement en cours de test, fournira aux utilisateurs des recommandations basées sur les marques avec lesquelles ils ont déjà interagi sur l’application. La version bêta a été mise en œuvre en un mois seulement à l’aide d’Amazon Personalize, alors que l’équipe a estimé qu’il aurait fallu deux fois plus de temps pour créer un modèle similaire en interne. « Nous assistons à une approche prête à l’emploi très simple utilisant Amazon Personalize », explique Ankur Gogate. « En tant qu’entreprise, c’est très bénéfique pour nous de pouvoir proposer rapidement de nouveaux modèles de recommandation aux utilisateurs. »

Paytm cherche à voir dans quels autres domaines elle pourrait mettre en œuvre la personnalisation de son application à l’avenir, au-delà de Paytm Mall. « Le fait d’avoir Amazon Personalize a ouvert de nouveaux espaces sur Paytm pour mettre en œuvre la personnalisation », explique Ankur Gogate. « Paytm pourrait bientôt commencer à étudier différentes manières d’utiliser la personnalisation des utilisateurs pour obtenir de meilleurs résultats dans d’autres domaines d’activité, tels que les voyages et les assurances. » Avec plus de personnalisation, Paytm souhaite aider ses clients à obtenir efficacement les services et les articles qu’ils recherchent.

En fin de compte, Paytm a bénéficié non seulement de l’augmentation des ventes, mais également de nouvelles opportunités. « L’utilisation d’Amazon Personalize nous a aidés à innover et à repenser l’ensemble de notre approche visant à améliorer les conversions commerciales », déclare Ankur Gogate.