Amazon Personalize を使用してショッパーエクスペリエンスと収益を向上させる Pomelo Fashion

東南アジアを拠点とするグローバルファッション e コマースサービスである Pomelo Fashion は、2013 年の設立当初からほぼ同じ方法で商品をウェブサイトに表示してきました。そのセットアップが陳腐化していたことはもちろん、商品を表示するためのアルゴリズムは、入力情報が限定的で精度にむらがある古いデータストリームに依存していました。このため、急成長中の革新的なスタートアップ企業である Pomelo Fashion は、新しい商品を見つけやすくし、収益を向上させるパーソナライズされたカスタマーエクスペリエンスを生み出すことに着手し、それを大規模に行うソリューションを必要としていました。 

Pomelo Fashion は Amazon Web Services (AWS) と連携し、Amazon Personalize を使用しました。このサービスは、デベロッパーがアプリケーションを構築するうえで、Amazon.com がリアルタイムのパーソナライズされたレコメンデーションのために使用するものと同じ機械学習 (ML) テクノロジーを使用できるようにします。Pomelo Fashion は、Amazon Personalize のほか、AWS アドバンストテクノロジーパートナーである Segment と Braze のサービスを使用して新たな並べ替えと分類機能を構築しました。その結果、カスタマーエンゲージメントを向上させ、より効率的に売り上げに変換する、ユニークでパーソナライズされたショッピングエクスペリエンスを生み出すことができました。

Pomelo Fashion は、オンライン、および東南アジア全域にある 18 か所の小売店舗で衣料品を販売しています。50 か国を超える国々の約 200 万人のお客様に商品を配送しているこの企業は、現在そのコーポレートオフィス、小売店舗、および倉庫全体で 500 人の職員を雇用しています。その総収益は、2017 年から 2018 年の間に 3 倍、2018 年から 2019 年の間に 2 倍に伸び、2020 年の収益も、グローバル経済全体が低迷しているにもかかわらず、2 倍になることが見込まれています。2020 年 7 月だけでも、Pomelo Fashion は 750 万 USD の収益を報告しました。Pomelo Fashion は何年もの間、ページビュー数と売り上げに基づいて「ワンピース」、「ブラウス」、「パンツとボトム」などのカテゴリページで製品をランク付けするアルゴリズムに依存しており、過去 30 日のトレンドとライフタイム行動、製品価格、および最新リリースを取り混ぜていました。ランクは毎日計算され、データベースに保存されて、国ごとに同一のエクスペリエンスをすべてのユーザーに提供していました。 

しかし、Pomelo Fashion が成長するにつれて、同社は ML を使用してアルゴリズムを強化することが、カテゴリページ上のお客様のためのレコメンデーションの品質を改善し、より多くのデジタルユーザーエンゲージメントとコンバージョンにつながることに気付きました。カテゴリページがもたらす売り上げは、Pomelo Fashion の売り上げで最大の割合を占めており、購入される製品の 38 パーセントがカテゴリページでお客様が発見した製品です。これらのページに表示される製品の関連性を向上させることは、収益を増加させる大きな可能性を秘めていました。推奨製品を購入しない場合でも、お客様は、Pomelo Fashion の収益の 30 パーセントをもたらす「カラースウォッチ」、「このスタイルを購入」、「あなたにおすすめの商品」といったページで他の製品を閲覧するためのファネルに誘導されます。 

ちょうどそのころ、これまでも AWS のお客様であった Pomelo Fashion は AWS 主催のワークショップで初めて Amazon Personalize について聞きました。「e コマースといえば、AWS です」と話すのは、Pomelo Fashion のビジネスインテリジェンスディレクターである Shane Leese 氏です。「AWS では新しいサービスが絶えずリリースされており、サポートも申し分ありません」。 AWS を使用することによって、地域的な可用性も拡充できます。これは、Pomelo Fashion が各ショッパーに対してカテゴリと並べ替えをパーソナライズするための新たなロジックをセットアップするのに役立ちます。

2019 年 6 月に Amazon Personalize プライベートベータがリリースされたとき、Pomelo Fashion はすでに Segment を使用していました。これは、複雑なセットアップやメンテナンスを行うことなく、AWS で Pomelo Fashion のモバイルアプリ、ウェブサイト、およびキオスクサービスからのセールスデータを収集、スキーマ化、およびロードして、お客様の 360 度ビューとリアルタイムのパーソナライゼーションを可能にするカスタマーデータシステムです。Pomelo Fashion には、パーソナライズされたエクスペリエンスを大規模に生み出して、製品の見つけやすさを向上させるインフラストラクチャがなかったことから、同社は Segment の Amazon Personalize との統合を決定しました。「Segment がなければ、これを実現することはできなかったでしょう」と Leese 氏は話しています。「社内でイベント追跡を構築しようとしていましたが、当社の一連のイベントデータはかなり乱雑でした。当社の AWS ソリューションアーキテクトは、これに長い時間がかかることがわかっていたので、デベロッパーの時間を節約し、コストを削減するために Segment の導入を提案しました。データは Segment から流れていたので、これを実現するために多くのインフラストラクチャを構築する必要はありませんでした」。 

新しいロジックは、個々のショッパーの好みに基づいてカテゴリページ上の製品を並べ替えます。お客様の製品インタラクション、つまりお客様によるクリック、ショッピングカートへの追加、ほしい物リスト、購入などを使用することで、お客様が興味を持つ可能性が最も高い製品を予測できます。価格、色、およびカテゴリなどの製品の詳細は、所在地などのお客様の詳細と関連付けられて、ML モデルが類似した製品とお客様をよりよく見つけることができるようにします。ML モデルが処理する製品データとカスタマーデータが多ければ多いほど、モデルが生成するレコメンデーションの精度も高くなります。Pomelo Fashion の新規ショッパーには、まず人気のある並びの商品が表示されますが、わずか数分で、ML モデルが予測された好みに基づいて並べ替えをパーソナライズします。 

レコメンデーションを最適化するために Amazon Personalize を使用することで、Pomelo Fashion はその売り上げを大幅に伸ばしました。Leese 氏はこのように話しています。「ベータ実装が安定していると証明された後、私たちはサービスの能力を最大限に引き出すことができるようになり、それをパーソナライゼーションロードマップの中核としました。1 か月もたたないうちに、ハイパーパラメータの最適化と追加のメタデータを利用した当社の『あなたにおすすめの商品』レコメンデーションカルーセルは、投資収益率が 400 パーセント向上しました。その後、私たちは他の『レシピ』、つまりモデルをサイトの他の部分にも適用し始めました」。 出発点として、Pomelo Fashion はパーソナライズドランキングのレシピをトレーニングし、ワンピースカテゴリに適用しました。そうすることで、カテゴリページから個々の製品ページへのクリック率が 10 パーセント、収益が 18.3 パーセント上昇しました。ワンピースカテゴリからのデータに基づいてソリューションを微調整した後、Pomelo Fashion はそれを他のカテゴリにも拡張しました。 

Pomelo Fashion は現在、新着製品と一部のコレクションを除いたすべてのカテゴリで、そのパーソナライズドランキングのアルゴリズムを使用しています。2020 年 11 月現在、製品ビューの 60 パーセントが Amazon Personalize が生成するレコメンデーションによるものです。Pomelo Fashion は、カテゴリページからの総収益を最大 15 パーセント、カテゴリページから製品ページへのクリック率を最大 18 パーセント、カテゴリページからの「ショッピングカートに追加」クリック数を最大 16 パーセント増加させました。この拡張により、Pomelo Fashion は増分総利益における 8 パーセントの増加を実現できました。 

Pomelo Fashion は、メッセージングエクスペリエンスを大規模に提供する大手カスタマーエンゲージメントサービスである Braze からの協力も得ました。Braze の Connected Content 機能は、Amazon Personalize からのレコメンデーションを使用して、E メールやアプリ内などで送信される Pomelo Fashion のクロスチャネルキャンペーンをカスタマイズします。Connected Content は、Amazon Personalize からコンテンツを直接取得して、ユーザーに対するリアルタイムかつ最新のメッセージを使用することによって、Pomelo Fashion のスタッフの時間を節約します。例えば、Pomelo Fashion がそのお客様に E メールを送信する場合、お客様はその閲覧履歴と行動に基づいたレコメンデーションを受け取ります。Braze Connected Content を使用した E メールでは、一部のセグメントでクリック率が最大 50 パーセント増加し、平均で約 20 % の増加が見られました。

Pomelo Fashion は、ショッパーエクスペリエンスをカスタマイズするために、引き続き Segment と連携していく予定です。最初の大きなイニシアティブは、お客様のサイズの好みを考慮することによってカテゴリページの関連性を向上させることです。現在、多くの製品で最も一般的なサイズが欠品しており、コンバージョンにつながらないクリックが多数発生する原因となっています。Pomelo Fashion は既存のパーソナライゼーション構造を使用して、その製品詳細ページにサイズ選択の追跡機能を追加し、カスタマージャーニーの主要ポイントで基本的なサイズ情報をたずね、お客様の購入履歴に基づいてカテゴリページから関連性に乏しい製品を削除するための一連のフィルターを反復適用することを計画しています。 

また、見つけやすさを向上させて、お客様に同じ製品が何度も表示されないようにしたいとも考えています。Pomelo Fashion は、Amazon SageMaker を使用して予測のための追加の ML モデルを構築する予定で、企業がサーバーのプロビジョニングや管理を行わずにコードを実行できるサービスである AWS Lambda を使用して、よりスケーラブルなインフラストラクチャを作成することも検討しています。 

Pomelo Fashion は、Amazon Personalize のほか、AWS パートナーの Segment と Braze を使用することで、常に改善が見られるダイナミックなカスタマーエクスペリエンスを提供し、収益も大幅に向上させることができています。