Pomelo Fashion 是一家自 2013 年成立的全球時裝電商，總部設於泰國，已經在超過 50 個國家/地區擁有近兩百萬名顧客。顧客可以通過其網站、Android 和 iOS 應用程式及實體資訊亭購買最新的時裝。
作為一間迅速成長的互聯網公司，Pomelo Fashion 正在努力提升其客戶的個人化體驗，以增強新商品的能見度及增加收益。在多次探索不同方案後，他們最終選擇了 AWS，並採用了 Amazon Personalize，這項技術使用與 Amazon.com 同樣的機器學習技術來實現即時個人化推薦，顯著提升了業務表現。
在業務的早期，Pomelo Fashion 採取了一種基於網頁瀏覽量和銷售額的演算法，對產品進行排名，並將過去 30 天的趨勢與用戶行為、價格以及最新產品進行結合，這些數據每天都會更新，以確保各地區的用戶獲得相同的體驗。但隨着公司的發展，他們逐漸意識到，使用機器學習增強的演算法將能進一步提升顧客在類別頁面上的推薦質量，從而提升參與度和轉化率。報告顯示，類別頁面對公司的銷售貢獻巨大：38% 的產品是在類別頁面上被顧客發現的。
透過 AWS 的 Amazon Personalize，Pomelo Fashion 能夠優化這些類別頁面上產品的展示相關性。即使顧客不購買推薦的產品，他們仍會進入品牌的購買漏斗，並在「色樣」、「商店外觀」和「專屬推薦」等頁面中瀏覽更多產品，這樣不僅提升了品牌的銷售額，還增強了顧客的黏性。
使用 Amazon Personalize 之後，Pomelo Fashion 的銷售額大幅上升。品牌的商業智能總監 Shane Leese 表示，通過超參數優化和附加中繼資料，他們的「專屬推薦」在一個月內取得了 400% 的投資回報率。隨後，他們開始將其他演算法應用於網站的不同部分。他們首先將個人化排名演算法應用於「西裝」這一類別，使得從類別頁面到單獨產品頁面的點擊率提高了10%，營收也增長了 18.3%。調整後，這一解決方案隨即擴展到其它類別。
現時，Pomelo Fashion 在所有類別中都運用這項個人化排名演算法，並發現有 60% 的產品瀏覽量源自於 Amazon Personalize 的推薦。這導致了類別頁面的整體營收提高了 15%，而從類別到產品頁面的點擊率提升了 18%，從類別新增至購物車的點擊次數亦增長了 16%。這一擴展不僅提升了顧客的使用體驗，更幫助公司解鎖了 8% 的額外增長收入。
AI 準確度的提升，依賴於數據的優化，使用 Amazon Personalize 訓練出來的模型可以學習自數十億使用者及數百萬項目的互動數據，並通過最先進的 AI 技術在網站、應用程式、搜尋引擎和營銷通道中提供及時推薦，只需花幾小時配置設定，即可管理所需的推薦引擎基礎設施。Amazon Personalize 是一項完全受管的 AI 推薦服務，根據用戶提供的數據訓練自訂模型，快速實現價值，滿足用戶的高度個人化需求。
此外，Amazon Personalize 使用複雜的演算法生成推薦，能夠即時適應用戶與網站或應用程式的互動方式，根據用戶行為變化不斷調整推薦。其即時調整的靈活性非常適合應用於熱銷商品、酒店、航班等服務。如果有興趣的讀者，歡迎了解更多關於 Amazon Personalize 的技術。
