返回
成功案例

衣芙(EF SHOP)

Appier 深度學習演算法讓銷售業績比傳統推薦模型高出 3 倍

「Appier 一直是衣芙值得信任的合作夥伴,AIQUA 解決方案改變了我們與顧客互動的方式,以及衣芙提供個人化體驗的程度,從自動化到進階混合演算法推薦,讓我們可以為進站顧客提供更精準的商品推薦,並有效帶動營收的增長。衣芙期待與 Appier 繼續保持合作,為顧客提供卓越的購物體驗。」

衣芙 行銷總監

Grace Yang

EF Shop_Single

主要挑戰

第一階段:缺乏有效的多渠道互動方式

如同大多數的電商,衣芙擁有多種可觸及潛在顧客的渠道,卻難以輕鬆管理所有渠道(包括網站、社群媒體及電子郵件)的互動,由於無法兼顧多個行銷渠道,品牌也難以掌握來自所有接觸點的潛在行銷契機。

第二階段:對推薦引擎的需求

隨著營業規模成長、平台銷售品項的增加,衣芙需要更精準的商品促銷方式。有效的商品推薦向來是讓買家不經意發現更多合適商品的方式。因此在這個階段,衣芙需要能夠協助買家更好地探索網站商品的推薦引擎。

第三階段:提供更細緻且個人化的推薦

在導入第二階段的基本推薦功能約莫一年後,衣芙網站的營收獲得大幅的成長。為持續滿足買家與其對線上購物多樣化商品和個人化推薦與時俱進的需求,衣芙需要更進階的商品及內容推薦功能。

解決方案

第一階段:多渠道行銷自動化

衣芙利用 AIQUA 在網站、LINE 及電子郵件等不同的行銷渠道自動向顧客推播訊息。在第一階段,衣芙優化了網站的顧客互動,使訂閱率成長 4 倍,活躍用戶數達到業界基準的 3.6 倍。衣芙每月運用 AIQUA 傳送 100 萬至 200 萬封電子郵件,有效與活躍度較低的顧客建立互動,吸引其再次進站購物。

第二階段:基本推薦引擎

衣芙開始採用 AIQUA 其中一種推薦引擎,可向顧客推薦「瀏覽過此商品的人也瀏覽了」(viewed also viewed)的商品。藉由此單一推薦情境(顯示查看此商品的購物者也瀏覽了哪些其他類型的商品),展示個人化商品推薦給顧客,有效提升成交機會與速度。此功能在商品及購物車頁面中特別重要,因為買家極有可能在這些頁面考慮還有哪些要額外購買的商品。

第三階段:AI 進階推薦引擎

衣芙採用 AIQUA 另外五種推薦情境,並且成功運用 Appier 進階混合演算法為顧客提供個人化的商品推薦。有別於前一階段,新的推薦引擎以兩種進階機器學習模型優化購物體驗:一是利用深度學習分析每項瀏覽過商品的文字及圖像,預測用戶可能感興趣的商品;二是利用機器學習分析並預測用戶行為,推薦其可能瀏覽或購買的商品。透過 AI 進階推薦引擎,發掘出買家潛在興趣商品,大幅提高購買機會,相較於傳統推薦模型成功創造逾 3 倍的成效轉換 。AI 模型在買家與網站內容及商品進行互動時會持續學習,不斷優化個人化購物體驗。除了上述顧客進站互動及商品推薦之外,Appier 目前正與衣芙共同合作採用最新的 AI 功能,以獲得最佳的顧客體驗。

立即開始與 Appier 合作擴展業務