Zappos crea esperienze innovative per i clienti utilizzando AWS

2020

La costruzione di un marchio di e-commerce di fiducia richiede un'attenzione speciale per l'innovazione dell'esperienza del cliente. Soprattutto nel settore dell'abbigliamento, l'esperienza di vendita al dettaglio tradizionale e diretta ha plasmato le aspettative dei clienti. Citando Ameen Kazerouni, responsabile della ricerca e delle piattaforme di machine learning di Zappos, “L'obiettivo dell'e-commerce è far sentire i clienti a proprio agio come se fossero in un negozio, con la fiducia che potranno conoscere l’articolo scelto, il suo aspetto e la sua vestibilità con la stessa sicurezza che avrebbero se lo stessero provando fisicamente.”

Raggiungere questo tipo di esperienza personale in un negozio digitale non è un compito da poco. Ma se c'è una società che può farlo, è Zappos. Fondato nel 1999, Zappos.com è un importante rivenditore di abbigliamento online, noto per essere un leader nel settore, per la sua politica di reso 365 giorni all’anno, per la spedizione veloce e gratuita e per l’assistenza 24/7. Dal 2009, Zappos è una sussidiaria di Amazon.

La società ha migliorato in modo misurabile l'esperienza e-commerce del cliente, utilizzando analisi e machine learning basati su Amazon Web Services (AWS). La soluzione consente a Zappos di personalizzare taglie e risultati di ricerca per i singoli utenti, mantenendo, al contempo, un'esperienza utente estremamente fluida e reattiva.

customerrefernceindustryretail
kr_quotemark

L'uso dei servizi AWS come elementi di base consente agli ingegneri di concentrarsi sul miglioramento delle prestazioni e dei risultati piuttosto che sui costi generali di DevOps."

Ameen Kazerouni
Responsabile della ricerca e delle piattaforme di machine learning, Zappos

Alla ricerca della misura perfetta

Zappos sa che fornire consigli accurati è la chiave per un'esperienza di acquisto efficiente. La società rassicura i clienti con la sua generosa politica di reso e la spedizione veloce e gratuita, ma queste offerte sono costose e indifferenziate.

"Ci chiediamo sempre: come possiamo differenziarci ulteriormente?" ha affermato Kazerouni. “Come possiamo ottimizzare le tariffe di reso senza influire negativamente sull'esperienza del cliente? Questi sono i problemi che ci proponiamo di risolvere utilizzando machine learning e analisi su AWS”.

Nella fase di ricerca del percorso del cliente, l'obiettivo dell'azienda era formulare raccomandazioni personalizzate in fase di esecuzione per aumentare la pertinenza della ricerca. Anziché utilizzare un algoritmo di ricerca generico, Zappos cerca di comprendere personalmente i clienti e di fornire un insieme unico di risultati di ricerca per un determinato termine. (Mostra anche in modo evidente un pulsante di opt-out per i clienti che non desiderano questo livello di personalizzazione.)

Allo stesso tempo, non può permettersi di rallentare notevolmente le prestazioni di ricerca. “Avevamo bisogno di ridurre al minimo il tempo impiegato dalle operazioni extra” osserva Kazerouni. “Quindi uniamo cache ad alte prestazioni, pre-calcolo strategico di determinati risultati e approcci di machine learning basati su ensemble che utilizzano modelli multipli e semplici”.

Molto più della semplice somma delle parti

La pipeline dei dati inizia con un client leggero che invia eventi rilevanti a un'API di importazione per l'elaborazione. L'API si trova in un gruppo di ridimensionamento automatico per gestire elevati volumi di dati. Dall’API, i dati sono inviati ad Amazon Data Firehose per l'importazione in Amazon Redshift, un data warehouse che fornisce accesso ai dati ad alte prestazioni per la ricerca sul machine learning. Amazon Simple Storage Service (Amazon S3) è l'intermediario tra Amazon Data Firehose e Amazon Redshift.

Zappos utilizza diverse tecnologie per addestrare ed eseguire i modelli. Si basa su Amazon SageMaker per prevedere le taglie dei clienti. Queste previsioni vengono memorizzate nella cache e quindi presentate in fase di runtime tramite le API dei microservizi per l'uso nelle raccomandazioni. Zappos utilizza Amazon EMR per eseguire analisi dei Big Data a una frazione di costo dei cluster locali tradizionali. Esegue anche modelli che utilizzano unità di elaborazione grafica (GPU) su Amazon Elastic Compute Cloud (Amazon EC2).

La società consente la ricerca ultraveloce di previsioni pre-calcolate utilizzando due servizi distinti. Amazon DynamoDB archivia i risultati pre-calcolati a cui si accederà in fase di esecuzione. Questo database completamente gestito che supporta i modelli di dati di tipo documento e chiave-valore offre prestazioni di pochi millisecondi a qualsiasi livello. Può gestire oltre 10 bilioni di richieste al giorno e supporta picchi di oltre 20 milioni di richieste al secondo. Per tempi di risposta anche più rapidi, Zappos sfrutta Amazon ElastiCache for Redis, un archivio di dati in memoria, a livello di cache. Questo servizio garantisce una latenza inferiore al millisecondo, quando necessario.

I microservizi che eseguono modelli e consolidano i risultati vengono realizzati su istanze Amazon EC2 organizzate in gruppi di dimensionamento automatico con sistemi di bilanciamento di carico basati sulla posizione. Zappos utilizza Amazon Route 53 come sistema di nomi di dominio, instradando il traffico attraverso la soluzione.

Corri, non camminare

La creazione e il mantenimento di questa complessa architettura con metodi di sviluppo e distribuzione tradizionali sarebbero troppo complessi. Invece, Zappos si basa sull'infrastruttura come codice utilizzando AWS CloudFormation. “Ogni aspetto della soluzione è rappresentato nei modelli AWS CloudFormation”, spiega Kazerouni. “Per apportare una modifica, è sufficiente cambiare il modello. Se dobbiamo correggere il modo in cui i servizi comunicano con Redis, non ripetiamo manualmente la modifica, cambiamo il modello e lo distribuiamo ovunque”.

Kazerouni ha osservato che sarebbe impossibile costruire la soluzione senza la ricchezza dei servizi AWS su ordine del team. “L'uso dei servizi AWS come elementi di base consente agli ingegneri di concentrarsi sul miglioramento delle prestazioni e dei risultati invece che sui costi generali di DevOps”.

I clienti capiscono quando vengono coccolati

Zappos ha fornito ai clienti questi risultati di ricerca migliorati che presentano un incremento quasi impercettibile della latenza, con il 99 percento delle ricerche completate in meno di 48 millisecondi. Utilizzando un'architettura simile, ha anche notevolmente migliorato le raccomandazioni di dimensionamento personalizzate basate su sondaggi semplici e acquisti passati. Di conseguenza, l'azienda ha ridotto le ricerche ripetute e i resi dei prodotti. Ha anche raggiunto percentuali di clic nella ricerca del prodotto più elevate e ha incrementato la posizione delle selezioni dei clienti nei risultati di ricerca.

Come riassume Kazerouni: “Ci consideriamo una società di servizi al cliente a cui capita di vendere scarpe e abbigliamento. Tutto ciò che possiamo fare per migliorare il servizio, migliora di conseguenza la nostra attività. L'uso di AWS ci consente di innovare l'esperienza più velocemente”.

Per saperne di più, visita aws.amazon.com/big-data/datalakes-and-analytics.


Informazioni su Zappos

Zappos ha iniziato 20 anni fa come piccolo rivenditore di scarpe online. Da allora, è cresciuto vendendo abbigliamento, borse, accessori e altro, offrendo, al contempo, un servizio clienti rinomato ed esperienze innovative per i dipendenti. La società è una consociata di Amazon dal 2009.

Vantaggi di AWS

  • Mantiene la latenza della ricerca al di sotto di 48 millisecondi per il 99% delle ricerche
  • Personalizza le ricerche per offrire una migliore esperienza cliente
  • Raggiunge percentuali di search-to-clickthrough più elevate
  • Ottiene un numero inferiore di resi grazie al miglioramento dei suggerimenti sulle taglie

Servizi AWS utilizzati

Amazon EMR

Esegue facilmente Apache Spark, Hadoop, HBase, Presto, Hive e altri framework per Big Data calibrandone le risorse

Ulteriori informazioni »

Amazon Data Firehose

Amazon Data Firehose è il mezzo più semplice per caricare flussi di dati in data lake, datastore e strumenti di analisi in modo affidabile.

Ulteriori informazioni »

Amazon SageMaker

Amazon SageMaker è un servizio completamente gestito che consente a data scientist e sviluppatori di creare, formare e distribuire in modo rapido modelli di machine learning (ML). SageMaker semplifica i passaggi del processo di machine learning per sviluppare modelli di alta qualità in modo più facile.

Ulteriori informazioni »

Amazon Redshift

Redshift permette di svolgere carichi di lavoro di analisi per aziende Fortune 500, startup e qualsiasi altro tipo di organizzazione. Aziende come Lyft sono cresciute grazie a Redshift e sono passate dallo stato di startup a imprese che fatturano miliardi di dollari.

Ulteriori informazioni »


Inizia

Le aziende di tutte le taglie e di tutti i settori stanno trasformando ogni giorno la propria attività grazie ad AWS. Contatta i nostri esperti e inizia subito il tuo viaggio in AWS Cloud.