Conforama通过整合AI解决方案进行个性化产品推荐,成功过渡到一个更加精简和高效的跨渠道战略。

Conforama是法国第二大家居用品零售商,在七个国家设有300家商店,其中200家在法国。该公司以套件形式销售家具和装饰品,2022年的销售额为17亿欧元。

作为一个门户品牌,Conforama的目标是 "让人们以最好的价格获得最想要的东西"。这是一个由转型计划支持的雄心壮志,通过数据和人工智能提供一个全渠道的体验。一个初步的审计和数据营销愿景,包括 Artefact确定了12个用例和25个技术和组织推动者,并对其进行优先排序。第一个用例是将个性化的产品推荐整合到公司的每周电子邮件中。

需要通过这个用例来解决几个挑战:

  • 如何了解300万客户的需求,并从有42,000个参考的目录中推荐最相关的产品?

  • 如何只推荐目前有库存、正在促销、尚未推荐给客户的产品?

  • 如何轻松地操作和维护技术解决方案?

节省消费者时间,提高企业生产力

通过使用机器学习算法来分析用户数据,如偏好、购买历史和在线行为,基于AI的产品推荐以个性化的方式向消费者推荐相关产品。这使公司能够更好地了解客户的需求,并推荐符合他们兴趣的产品,从而增加销售和客户保留。

这种解决方案的主要好处之一是,它为客户节省了时间。与其滚动浏览无数的产品页面来寻找他们正在寻找的东西,客户可以快速访问专门满足他们需求的精选推荐产品。基于AI的产品推荐可以增强在线购物体验,并鼓励客户返回进行更多购买。鉴于72%的消费者只与个性化的、符合他们兴趣的营销信息互动,这是一个战略优势。

此外,基于AI的产品推荐可以提高企业的生产力:机器学习算法可以实时分析大量数据,使企业能够持续监测客户趋势和购买行为。这可以帮助企业更好地了解客户的愿望,并迅速相应地调整其产品供应。它还可以使公司通过提供更有可能销售的产品来优化其库存,这可以降低成本并使利润最大化。

最后,基于AI的产品推荐可以提供巨大的商业利益。通过向客户推荐相关和个性化的产品,公司可以提高他们的转换率,增加销售,并加强其品牌形象。从市场角度来看,基于人工智能的产品推荐已被证明可以带来+2.5%的增量。

第一个用例侧重于个性化的电邮活动

在这个项目之前,所有Conforama的客户都会收到由营销团队每周选择的相同的八种产品的电子邮件。这是一项劳动密集型的任务,因为它需要确定最有可能引起300万客户兴趣的八种产品,而每个客户都有独特的兴趣。所有这些花在分析数据上的时间本可以用在更有战略性的活动上,比如为这些邮件创建编辑内容。

如今,每周二都会向每位Conforama的客户发送一封电子邮件,其中包含八种产品推荐。但这些推荐是根据购买历史进行个性化的,并专门过滤了正在销售的产品,在商店里有售,而且在以前的活动中没有出现过。

执行的AI解决方案包括4个主要的数据处理步骤:

  • 收集交易历史、客户和产品参考,然后进行数据准备;

  • 建立 "协作过滤 "模型,以计算客户对产品目录的胃口;

  • 根据现有库存、商业新闻(销售、促销等)、过去的激活和购买情况进行产品过滤;

  • 丰富产品数据(照片、价格、描述等),以便激活。

这个解决方案是基于16个数据表,25个转换和建模步骤,以及40个自动质量测试。该模型的几十次迭代使得根据交易历史选择最有效的方法成为可能。由于这个解决方案,Conforama现在每周在45分钟内生成几百万条建议,每周的成本为50欧元。

换句话说,如果算上开发和运营成本,以及增量销售,在一个星期内就能达到项目的盈亏平衡点,而且是自动化的、可靠的解决方案。

"节省时间,是的,但最重要的是对我们的CRM团队来说是一种商业利益。因为由于这种个性化,客户点击更多,因此购买更多。在对这些邮件进行个性化处理后,我们获得了15%的点击率,这意味着几百万的增量销售。"
Mélodie Charles, Conforama市场总监

顺利过渡到AI:从Conforama的成功故事中汲取经验

对于许多玩家来说,有三个挑战与他们的成熟度有关:

  • 第一级:使用AI算法对目前基于规则的接触点进行个性化;

  • 第二级:将基于AI的个性化推荐扩展到整个客户旅程(类似产品/互补产品/基于购买历史的建议);

  • 第三级:优化跨渠道推荐的协调,以确保全渠道的体验。

第一层级往往是最困难的,因为它需要为四个独立的维度打下基础:目标愿景、用户体验和优先事项;数据来源;技术工具;项目团队和工作方法。

Conforama的例子提供了关于这四个方面的宝贵经验:

  • 选择第一个用例和可以快速实施和测量的功能,使组织走上成功的道路。例如,这个初步的胜利意味着Conforama现在可以计划在商店里部署产品推荐,或者由于浏览数据而改进其算法。

  • 确保数据是可靠的。良好的数据建模首先依赖于高质量的数据。对于Conforama来说,对50多个表进行了探索性分析,以选择客户知识、产品库和交易等领域的数据源。

  • 使用能够让团队快速和协作地部署技术解决方案的技术。Conforama为这种类型的工作流程选择了最合适的工具:DBT、BigQuery ML和Vertex AI的性能、模块化和可移植性。

  • 建立一个能够处理所有潜在问题的专门团队,并采用测试和学习的方法。为此,组建了一个多学科的IT/Conforama业务团队,并采用了2周的冲刺方法。