Pomelo Fashion是一家成立于2013年的全球时装电商，总部位于泰国，在50多个国家/地区拥有近两百万客户。顾客可在其网站、Android和iOS应用程序以及实体资讯亭中购买服饰。作为一家快速增长的互联网公司，Pomelo Fashion着手打造个性化客户体验，以提高新商品的曝光率并增加营收，他们积极物色过不同的解决方案后，决定选择AWS并使用Amazon Personalize，使用与Amazon.com所采用之相同的机器学习技术来实现即时个性化推荐，成功显著提升业务表现。
Pomelo Fashion在业务早期只依赖一种算法，根据页面浏览量和销售额在类别页面 (如“西装”、“女装衬衫”) 上对产品进行排名，将过去30天的趋势与任务周期行为、产品价格和最新版本结合。该排名会每天进行计算并存储在数据库中，为每个地区的用户提供相同的体验。 但随着Pomelo Fashion的增长，其逐渐意识到到使用ML增强算法将提高客户类别页面上的推荐品质，从而提高顾客的参与度和转化率。Pomelo Fashion发现，类别页面为公司创造最大的销售额：有38%的购买产品是由客户在类别页面上发现的。
通过使用Amazon Personalize改善算法，他们增强了这些页面上展示产品的相关性。即使客户不购买推荐产品，也会进入漏斗，然后在“色样”、“商店外观”和“专属推荐”等页面上查看其他产品，进而为Pomelo Fashion带来更佳营收。使用AWS还可提供区域可用性并协助Pomelo Fashion设置新的逻辑，从而针对每位购物的类别与排序进行个性化。
使用Amazon Personalize优化推荐，Pomelo Fashion销售额显著提升。Pomelo Fashion商业智能总监Shane Leese说道:“在一个月内，通过超参数优化和额外的中继数据，我们的“专属推荐”推荐浮动切换的投资回报率提高了400%。之后，我们开始将其他算法或模型套用到我们网站的其他部分。”Pomelo Fashion首先对其“西装”类别进行训练并套用了个性化排名算法，进而使从类别页面到个别产品页面的点击率提高了10%，营收增长了18.3%。在根据“西装”类别的数据对解决方案进行微调后，Pomelo Fashion将其扩展到其他类别。
除新品和精选系列外，Pomelo Fashion目前正在其所有类别中使用个性化排名算法。公司发现有60%的产品浏览量来自Amazon Personalize的个性化推荐。Pomelo Fashion将类别页面的总营收提高了15%，从类别到产品页面的点击率提高了18%，从类别页面添加到购物车的点击次数提高了16%。这种扩张使公司能够解锁8%的增量总收入增长。
AI的准绳度十分依赖数据，利用Amazon Personalize训练模型，等同从数十亿用户与数百万项目的互动中学习，利最先进的AI在网站、应用程序、搜索引擎和营销渠道中以低时延提供推荐。只需要花数小时进行配置，便可管理自家推荐引擎所需的基础设施。Amazon Personalize是一项完全受管的AI推荐服务，可根据数据训练自订模型，加快产生价值的时间，从而为用户提供高度个性化的体验。
Amazon Personalize会使用复杂的算法生成推荐，并即时适应用户与网站或应用程序的互动方式，根据客户行为的变化调整推荐。其即时调整的灵活性对应用于热销产品、酒店或航班等服务都适合不过。有兴趣的读者，不妨了解更多Amazon Personalize技术。
