Cara MECCA mencerminkan pengalaman pelanggan di toko secara online dengan hasil yang menakjubkan

Didirikan pada tahun 1997, MECCA menggabungkan beberapa produk kecantikan serta perawatan kulit yang paling didambakan di dunia dan menjual lebih dari 120 merek kepada dua juta pelanggan di Australia dan Selandia Baru. Menurut IBISWorld, MECCA mewakili 10% pasar kecantikan Australia yang bernilai 4,2 miliar USD dan sekitar 25% di sektor kecantikan mewah.

Salah satu rahasia keberhasilan MECCA adalah butik kecantikannya yang memberikan pelayanan terbaik bagi para pelanggan. Menurut Vogue, MECCA menghabiskan sekitar 3% dari pendapatannya untuk melatih staf dalam menawarkan saran yang disesuaikan dan dipersonalisasi untuk setiap pelanggan.

Saat ini MECCA mempertimbangkan untuk mereplikasi pengalaman tatap muka unik ini secara online. “Layanan dan rekomendasi yang dipersonalisasi yang Anda dapatkan saat berkunjung ke toko MECCA adalah sesuatu yang ingin kami wujudkan di dunia online,” jelas Lauren Shepherd, Head of CRM and Loyalty di MECCA.

MECCA adalah pengadopsi awal e-commerce yang meluncurkan fitur belanja online pada tahun 2001. MECCA beralih ke partner strategisnya, Amazon Web Services (AWS) dan Servian, untuk membantu memanfaatkan data dan analitik guna meningkatkan keterlibatan pelanggan secara online.

Menghadirkan produk yang lebih personal dan perjalanan pemesanan khusus adalah inti dari upaya peningkatan pengalaman pelanggan (CX) untuk mendorong pertumbuhan bisnis. Meskipun demikian, menurut Gartner, lebih dari 70% pemimpin CX “kesulitan untuk mendesain proyek yang dapat meningkatkan loyalitas pelanggan dan mendapatkan hasil”.

Perjalanan transformasi data MECCA dimulai pada tahun 2018 saat MECCA bekerja sama dengan AWS untuk membangun platform data dan menggunakan Tableau sebagai alat pelaporan kecerdasan bisnis.

Setelah melihat capaian positif dalam bisnis, tim teknologi MECCA ingin melangkah lebih jauh menggunakan data untuk menambahkan lebih banyak nilai bagi pelanggan. Tujuan akhir mereka adalah memungkinkan berbagai bagian bisnis untuk melakukan layanan mandiri, yaitu suatu bentuk kecerdasan bisnis yang memungkinkan setiap orang untuk mempelajari data yang terkait dengan peran mereka. 

Tim CRM dan Loyalitas MECCA secara khusus ingin menggunakan data untuk memprediksi produk mana yang kemungkinan besar menarik bagi pelanggan yang berbeda.

“Kami memiliki banyak informasi tentang pelanggan, tetapi kami belum benar-benar menggunakannya untuk mengoptimalkan pengalaman mereka karena semua pelanggan menerima konten dan promosi yang sama,” kata Shepherd.

Tim data MECCA bekerja sama dengan Servian mulai menggunakan Amazon Personalize, layanan machine learning yang menyediakan kerangka kerja sederhana untuk membangun dan menjalankan model personalisasi. Amazon Personalize digunakan oleh perusahaan-perusahaan ritel untuk menyediakan rekomendasi produk tertentu, pemeringkatan ulang produk yang dipersonalisasi, dan pemasaran langsung yang dikustomisasi.

Sebelum dapat bertransisi ke pemasaran yang dipersonalisasi dan ditenagai AI, MECCA perlu membersihkan dan merestrukturisasi data yang terkumpul selama 23 tahun di platform email mereka untuk membuat sistem data yang terorganisasi, bersih, dan mudah diakses.

Langkah ini mengawali tahap ‘Penemuan’ dari perjalanan ML MECCA. Tim teknologi interdisipliner yang terdiri dari ahli CRM, data, dan Servian bekerja sama untuk mengembangkan Bukti Konsep (POC). Tim ini bertugas mengantisipasi dan menangani masalah yang mungkin menghambat POC, dengan Amazon Personalize untuk menyediakan rekomendasi produk sebagai bagian dari kampanye pemasaran maskara yang ditargetkan. Dengan memanfaatkan metadata yang ada, kampanye ini membidik pelanggan dengan mengirim email promosi maskara 90 hari setelah pembelian terakhir mereka.

Beralih ke tahap ‘Penyerahan’, tim teknologi membuat beberapa perubahan, seperti bermigrasi ke lingkungan data Amazon S3 dan membangun integrasi baru ke sistem pemasaran untuk memungkinkan pemrosesan data secara menyeluruh. Mereka juga meluangkan waktu membantu pemangku kepentingan dan manajer eksekutif memahami bagaimana personalisasi dan peralihan ke machine learning akan secara positif menguntungkan area bisnis mereka masing-masing.

Hal ini merupakan kunci keberhasilan POC, menurut Paul Erskine, IT Delivery Manager for Digital and Data di MECCA: “Banyak eksekutif yang awalnya ragu terkait kompleksitas ilmu data secara umum. Mereka memiliki berbagai pertanyaan seperti: ‘Siapa yang akan mengelola model jika ada yang keluar dari bisnis? Apa itu biaya versus nilai? Siapa yang akan memberikan dukungan selanjutnya?”

Untuk mengatasi kekhawatiran ini, tim teknologi membagikan visi dan rencana mereka pada forum tata kelola data. Mereka mengungkapkan rekomendasi produk yang dihasilkan oleh Amazon Personalize dan menjelaskan cara ilmu data dapat digunakan untuk mengoptimalkan tingkat konversi dan keterlibatan pelanggan. Setelah melihat bukti yang menarik, tim eksekutif MECCA memberikan lampu hijau kepada POC.

Saat dirilis di Australia pada akhir tahun 2019, MECCA dan Servian segera melakukan deployment Amazon Personalize dan menjadi salah satu perusahaan Australia pertama yang melakukannya. Dalam beberapa jam, Amazon Personalize mulai menghasilkan rekomendasi produk, dan kini, Amazon Personalize menghasilkan rekomendasi produk di seluruh katalog MECCA.

“Salah satu manfaat menggunakan Amazon Personalize adalah kemudahan melatih model kustom menggunakan data yang ada di layanan terkelola AWS. Hal ini memungkinkan bukan hanya ilmuwan data, tetapi juga developer untuk membuat rekomendasi algoritma,” jelas Erskine.

MECCA juga melakukan deployment model kecenderungan memori jangka pendek yang panjang (LSTM) dalam mengidentifikasi waktu terbaik untuk pengisian kembali produk. Dalam pengujian AB, 50% email berisi rekomendasi produk yang dipersonalisasi sedangkan 50% lainnya tidak. Email dengan rekomendasi yang dipersonalisasi meraih tingkat konversi yang lebih tinggi secara signifikan.

“Sejak berintegrasi dengan Amazon Personalize, kami melihat peningkatan yang signifikan dalam rasio klik tayang email dan peningkatan dalam pendapatan email yang terkait dengan rekomendasi produk,” kata Sam Bain, Chief Digital Officer di MECCA.

Saat ini, MECCA menjalankan model personalisasi mingguan untuk semua pelanggan aktif dan menghasilkan lebih dari 10 juta rekomendasi produk setiap minggu di seluruh kampanye pemasaran.

Amazon Personalize juga mengungguli sistem MECCA sebelumnya dalam penerapan rekomendasi produk menggunakan kemampuan native dari sistem manajemen email mereka.

Shepherd menambahkan, “Kami menguji rekomendasi Amazon Personalize terhadap rekomendasi sistem dari penyedia email kami. Secara teori, rekomendasi yang berasal dari platform email juga didasarkan pada riwayat pembelian, tetapi tidak mempertimbangkan banyak aspek seperti model Personalize sehingga membuatnya kurang efektif.

“Kami benar-benar telah membuktikan bahwa dengan menunjukkan produk yang sesuai usia, perjalanan, dan riwayat pembelian mereka, kecenderungan pelanggan kami untuk membeli produk jauh lebih tinggi.”

MECCA terus bekerja dengan AWS dan Servian untuk mengonsep ulang pengalaman digital dan memuaskan pelanggan setianya. Tujuannya adalah untuk memanfaatkan kekuatan machine learning guna memprakirakan apa yang akan disukai pelanggan dan mengoptimalkan kemampuan MECCA untuk memenuhi permintaan sekaligus meningkatkan set data yang digunakan guna membuat model yang lebih prediktif.