In che modo MECCA riproduce online le esperienze dei clienti in negozio, con risultati straordinari

Fondata nel 1997, MECCA riunisce alcuni dei prodotti di bellezza e per la cura della pelle più ambiti al mondo, vendendo oltre 120 marchi a due milioni di clienti in Australia e Nuova Zelanda. Secondo IBISWorld, rappresenta il 10% dei 4,2 miliardi di dollari del mercato australiano della bellezza e circa il 25% del settore della bellezza di lusso.

Uno dei segreti del successo di MECCA sono le sue boutique di bellezza high-touch e high-service. Secondo Vogue, MECCA spende circa il 3% del fatturato per formare il personale in modo da offrire suggerimenti personalizzati ad ogni cliente.

MECCA sta ora cercando di replicare questa esperienza unica di persona online. "Quando si entra in un negozio MECCA, il servizio personalizzato e i suggerimenti che si ricevono dai nostri host sono qualcosa che desideriamo trasmettere nel mondo online", spiega Lauren Shepherd, Head of CRM and Loyalty di MECCA.

MECCA ha adottato per prima l'e-commerce, lanciando lo shopping online nel 2001. L'azienda si è rivolta ai suoi partner strategici, Amazon Web Services (AWS) e Servian, per ottenere assistenza nello sfruttamento di dati e analisi al fine di migliorare il coinvolgimento dei clienti online.

L'offerta di un prodotto iper-personalizzato e di un percorso su misura è il fulcro del miglioramento dell'esperienza (Customer Experience, CX) per favorire la crescita dell'azienda. Eppure, secondo Gartner, oltre il 70% dei leader della CX "fatica a ideare progetti che aumentino la fedeltà dei clienti e ottengano risultati".

Il percorso di trasformazione dei dati di MECCA è iniziato nel 2018, quando ha collaborato con AWS per costruire una piattaforma di dati e ha utilizzato Tableau come strumento di reporting di business intelligence.

Dopo aver riscontrato un'adozione positiva in tutta l'azienda, il team tecnologico di MECCA ha voluto spingersi oltre, utilizzando i dati per aggiungere valore all'esperienza cliente. L'obiettivo finale è quello di consentire a diverse parti dell'azienda di usufruire di un self-service, una forma di business intelligence che permetta a chiunque di consultare i dati rilevanti per il proprio ruolo. 

I team CRM e Loyalty di MECCA erano particolarmente desiderosi di utilizzare i dati per prevedere quali prodotti hanno maggiori probabilità di attrarre i diversi clienti.

"Avevamo molte informazioni sui nostri clienti, ma non le usavamo davvero per ottimizzare la loro esperienza: ogni cliente riceveva gli stessi contenuti e le stesse promozioni", spiega Shepherd.

Il team responsabile dei dati di MECCA, in collaborazione con Servian, ha avviato una sperimentazione di Amazon Personalize, il servizio di machine learning che offre una struttura semplice per creare ed eseguire modelli di personalizzazione. Viene utilizzato da rivenditori innovativi per fornire suggerimenti di prodotti specifici, riclassificazioni dei prodotti personalizzate e marketing diretto personalizzato.

Prima di poter passare al marketing personalizzato basato sull'IA, MECCA aveva bisogno di ripulire e ristrutturare 23 anni di dati contenuti nella piattaforma di posta elettronica per creare un sistema di dati organizzato, pulito e facilmente accessibile.

È iniziata così la fase di "scoperta" del percorso di ML di MECCA. Un team tecnologico interdisciplinare di esperti di CRM, dati e Servian si è riunito per sviluppare un proof of concept (POC). Il suo compito era quello di anticipare e risolvere qualsiasi ostacolo che avrebbe fatto deragliare il POC, il quale utilizza Amazon Personalize per offrire suggerimenti di prodotti nell'ambito di una campagna di marketing incentrata sui mascara. Tramite l'utilizzo dei metadati esistenti, la campagna si rivolge ai clienti 90 giorni dopo l'ultimo acquisto con e-mail promozionali sul mascara.

Passando alla fase di "distribuzione", il team tecnologico ha apportato diverse modifiche, come la migrazione a un ambiente dati Amazon S3 e la creazione di nuove integrazioni con il sistema di marketing per consentire l'elaborazione automatizzata dei dati end-to-end. Ha, inoltre, dedicato del tempo ad aiutare gli stakeholder e i manager esecutivi a comprendere come la personalizzazione e il passaggio al machine learning apporti benefici alle rispettive aree aziendali.

Questo aspetto è stato fondamentale per il successo del POC, secondo Paul Erskine, IT Delivery Manager for Digital and Data di MECCA: "Molti dirigenti avevano delle riserve sulla complessità del data science in generale. Per esempio, avevano domande relative a chi avrebbe gestito il modello nel caso in cui un dipendente lasciasse l'azienda, a quale fosse il rapporto tra costo e valore o a chi avrebbe supportato il modello nel tempo".

Per rispondere a queste preoccupazioni, il team tecnologico ha condiviso la propria visione e i propri piani in un forum sulla governance dei dati. Il team ha rivelato i suggerimenti di prodotti, generati da Amazon Personalize, e spiegato come il data science sia utilizzato per ottimizzare i tassi di conversione e di coinvolgimento dei clienti. Le prove sono state così convincenti che il team esecutivo di MECCA ha dato al POC un clamoroso via libera.

Quando Amazon Personalize è stato rilasciato in Australia alla fine del 2019, MECCA e Servian lo hanno immediatamente implementato, una delle prime aziende australiane a farlo. Nel giro di poche ore Amazon Personalize ha offerto suggerimenti di prodotti su misura e oggi suggerisce prodotti per l'intero catalogo di MECCA.

"Uno dei vantaggi dell'utilizzo di Amazon Personalize è la facilità di addestrare modelli personalizzati utilizzando i dati esistenti sui servizi gestiti da AWS. Questo permette agli sviluppatori, non solo ai data scientist, di creare algoritmi di suggerimento", spiega Erskine.

MECCA ha anche utilizzato un modello di propensione a memoria a lungo e breve termine (LSTM) per identificare il momento migliore per il rifornimento dei prodotti. Nei test AB, il 50% delle e-mail conteneva suggerimenti di prodotti personalizzati, mentre il 50% non ne conteneva. Quelle con suggerimenti personalizzati hanno ottenuto tassi di conversione significativamente più elevati.

"Da quando abbiamo integrato Amazon Personalize, assistiamo a un aumento significativo sui tassi di clic nelle e-mail e a un incremento delle entrate derivanti dai prodotti consigliati", afferma Sam Bain, Chief Digital Officer di MECCA.

MECCA esegue ora il suo modello di personalizzazione settimanalmente per tutti i clienti attivi, generando più di dieci milioni di suggerimenti di prodotti ogni settimana per tutte le campagne di marketing.

Amazon Personalize sta, inoltre, superando il precedente sistema di MECCA per l'implementazione dei suggerimenti di prodotti utilizzando le funzionalità native del suo sistema di gestione delle e-mail.

Secondo Shepherd: "Abbiamo testato i suggerimenti di Amazon Personalize rispetto a quelli di sistema del nostro provider di e-mail. In teoria, anche i suggerimenti che arrivano attraverso la piattaforma di posta elettronica si basano sullo storico degli acquisti, ma non tengono conto di tante misure come il modello Personalize, rendendolo meno efficace.

"Abbiamo dimostrato che illustrando ai nostri clienti prodotti rilevanti in base alla fase della loro vita, il loro percorso e la loro storia di acquisti, è molto più probabile che si convertano."

MECCA continua a collaborare con AWS e Servian per reinventare l'esperienza digitale e deliziare i clienti più fedeli. L'obiettivo è quello di sfruttare la potenza del machine learning per prevedere i gusti dei clienti e ottimizzare la capacità di MECCA di soddisfare la domanda, il tutto migliorando il set di dati sottostante per costruire modelli sempre più predittivi.