观看：Conforama 通过集成用于个性化产品推荐的 AI 解决方案，成功过渡到更精简、更高效的跨渠道战略。.

Conforama 是 法国第二大家居用品零售商 该公司在 7 个国家拥有 300 家门店，其中 200 家在法国。. 该公司 该公司销售成套家具和装饰品，2022 年的销售额为 17 亿欧元。.

作为一个门户品牌，Conforama 的目标是 “让人们以最优惠的价格获得最想要的东西”。这一雄心壮志的背后是一场变革 计划通过 data 和 AI 提供全渠道体验. .初步审计和 data marketing 愿景与 Artefact 确定了 12 个用例及 25 个技术和组织推动因素，并对其进行了优先排序。第一个用例是将个性化产品推荐整合到公司的每周电子邮件中。.

本使用案例需要应对几个挑战：

  • 如何了解 300 万客户的需求，并从 42 000 个参考目录中推荐最相关的产品？
  • 如何只推荐当前有库存、正在促销且尚未推荐给客户的产品？
  • 如何轻松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分析用户 data，如偏好、购买历史和在线行为，基于 artificial intelligence 的产品推荐以个性化的方式向消费者推荐相关产品。这样，公司就能更好地了解客户的需求，并推荐符合他们兴趣的产品，从而提高销售额和客户保留率。.

这种解决方案的主要优点之一是节省客户的时间。客户无需再滚动浏览无数个产品页面来寻找所需产品，而是可以快速访问专门满足其需求的精选推荐产品。. 基于 AI 的产品推荐可提升在线购物体验 并鼓励客户再次购买。这是一项战略优势，因为 72% 的消费者只与个性化和符合其兴趣的营销信息互动。.

此外, 基于 AI 的产品推荐可提高企业生产率机器学习算法可以实时分析大量 data，使企业能够持续监控客户趋势和购买行为。这可以帮助企业更好地了解客户的需求，并迅速调整相应的产品。它还能让企业通过提供更有可能售出的产品来优化库存，从而降低成本，实现利润最大化。.

最后，基于 AI 的产品推荐可以带来显著的商业利益。通过向客户推荐相关的个性化产品，企业可以提高转换率、增加销售额并强化品牌形象。从市场角度来看，基于 AI 的产品推荐已被证明可带来 +2.5% 的增量增长。.

第一个使用案例侧重于电子邮件营销活动的个性化

在实施该项目之前，Conforama 的所有客户每周都会收到营销团队精选的八种产品的电子邮件。这是一项劳动密集型任务，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。分析 data 所花费的时间本可以用于更具战略性的活动，例如为这些电子邮件创建编辑内容。.

如今，每周二都会向每位 Conforama 客户发送一封电子邮件，其中包含八种产品推荐。不过，这些推荐都是根据购买历史记录进行个性化设置的，而且只针对特价产品、店内有售产品以及之前激活中未出现过的产品。.

实施的 AI 解决方案包括 4 个主要的 data 处理步骤：

  • 收集交易历史、客户和产品参考信息，然后编制 data；;
  • 建立 “协同过滤 ”模型，计算客户对产品目录的需求；;
  • 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 data （照片、价格、说明等），以便激活。.

该解决方案基于 16 个 data 表、25 个转换和建模步骤以及 40 个自动质量测试。通过对模型进行数十次迭代，可以根据交易历史选择最有效的方法。. 得益于这一解决方案，Conforama 现在每周只需花费 50 欧元，就能在 45 分钟内生成数百万条推荐信息。.

换句话说，如果算上开发和运营成本以及销售增量，采用自动化的可靠解决方案，一周内就能达到项目的盈亏平衡点。.

“是的，节省了时间，但最重要的是为我们的客户关系管理团队带来了商业利益。因为有了这种个性化，客户的点击率更高，因此购买量也更大。在对这些邮件进行个性化处理后，我们的点击率提高了 15%，这意味着销售额增加了几百万。”
梅洛迪-查尔斯，Conforama 市场总监

顺利过渡到 AI：Conforama 的成功经验

对许多球员来说，有三个挑战与他们的成熟度有关：

  • 第 1 级：使用 AI 算法对当前基于规则的接触点进行个性化处理；;
  • 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）；;
  • 第三层：优化跨渠道推荐的协调，确保全渠道体验。.

第一级往往是最困难的，因为它需要为四个不同的方面奠定基础：目标愿景、用户体验和优先事项；data 来源；技术工具；项目团队和工作方法。.

Conforama 的例子为我们提供了有关这四个方面的宝贵经验：

  • 选择可快速实施和测量的第一个用例和功能，使企业走上成功之路。例如，这一初步胜利意味着 Conforama 现在可以计划在商店中部署产品推荐，或通过浏览 data 改进其算法。.
  • 确保 data 可靠。良好的 data 建模首先依赖于高质量的 data。Conforama 对 50 多张表格进行了探索性分析，以选择客户知识、产品库和交易等领域的 data 来源。.
  • 使用能够让团队快速协作部署技术解决方案的技术。Conforama 为此类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。.
  • 建立一支能够处理所有潜在问题的专门团队，并采用边测试边学习的方法。为此，组建了一个多学科的信息技术/Conforama 业务团队，并采用了为期两周的冲刺方法。.