Un important détaillant espagnol de produits électroniques
Afin de maximiser ses recommandations de produits et d’amener les utilisateurs à descendre plus bas dans l’entonnoir vers un événement de vente, ce détaillant a expérimenté un algorithme de recommandation d’apprentissage profond de pointe, qu’il a utilisé pour prédire automatiquement le ou les prochains produits avec lesquels chaque utilisateur était le plus susceptible de s’engager.
La clé pour débloquer des gains de revenus exponentiels à partir des recommandations de produits dépend largement de la capacité d’une marque à identifier immédiatement l’intention des acheteurs et à recommander dynamiquement des produits en fonction de leurs besoins à ce moment-là et dans le temps. Incapable d’y parvenir avec des modèles d’apprentissage automatique traditionnels, ce détaillant a décidé d’effectuer un test partagé 50/50 comparant un algorithme d’apprentissage profond avancé à sa stratégie de recommandation existante sur la page d’accueil. En seulement 16 jours, les recommandations basées sur l’apprentissage profond ont produit une augmentation de 252 % des achats et plus de 290 000 € de revenus supplémentaires.
