Zappos cria experiências inovadoras para o cliente usando a AWS

2020

A criação de uma marca de comércio eletrônico confiável exige foco em inovar a experiência do cliente. Especialmente no segmento de vestuário, a experiência prática tradicional no varejo moldou as expectativas dos clientes. Nas palavras de Ameen Kazerouni, chefe de pesquisa e plataformas de machine learning da Zappos, “o Santo Graal do comércio eletrônico é fazer com que os clientes se sintam tão à vontade quanto em uma loja, sabendo o caimento e a aparência de um item com a mesma confiança, como se eles estivessem experimentando-o fisicamente”.

Conseguir esse tipo de experiência pessoal em uma loja digital não é uma tarefa fácil. Contudo, se alguma empresa consegue, é a Zappos. Fundada em 1999, a Zappos.com é uma grande varejista de roupas online famosa por sua política de devolução em até 365 dias, líder no setor, com frete rápido e gratuito e atendimento 24 horas por dia, 7 dias por semana. Desde 2009, a Zappos é subsidiária da Amazon.

A empresa melhorou de forma mensurável a experiência do cliente no comércio eletrônico usando análises e machine learning criados na Amazon Web Services (AWS). A solução permite que a Zappos personalize os resultados de pesquisa e de tamanhos para usuários individuais, preservando uma experiência do usuário altamente fluida e responsiva.

customerrefernceindustryretail
kr_quotemark

O uso dos serviços da AWS como elementos básicos permite que os engenheiros se concentrem em melhorar a performance e os resultados, em vez da sobrecarga do DevOps.”

Ameen Kazerouni
Chefe de pesquisa e plataformas de machine learning, Zappos

Em busca do ajuste perfeito

A Zappos sabe que fornecer recomendações precisas é essencial para uma experiência de compra eficiente. A empresa tranquiliza os clientes com sua generosa política de devolução e entrega rápida e gratuita, mas essas ofertas são caras e indiferenciadas.

“Estamos sempre nos perguntando: como podemos nos diferenciar ainda mais?”, conta Kazerouni “Como podemos otimizar as taxas de devolução sem afetar negativamente a experiência do cliente? Esses são os problemas que nos propusemos a resolver usando o machine learning e a análise na AWS.”

Na fase de pesquisa da jornada do cliente, o objetivo da empresa era fazer recomendações personalizadas em tempo de execução para aumentar a relevância da pesquisa. Em vez de usar um algoritmo de pesquisa genérico, a Zappos procura entender os clientes individualmente e fornecer um conjunto exclusivo de resultados de pesquisa para determinado termo. (O site também exibe em destaque um botão de desativar para clientes que não desejam esse nível de personalização.)

Ao mesmo tempo, ela não pode se dar ao luxo de diminuir visivelmente a performance das pesquisas. “Precisávamos minimizar a quantidade de tempo que as operações extras levam”, observa Kazerouni. “Por isso, combinamos cache de alta performance, pré-cálculo estratégico de certos resultados e abordagens de machine learning baseadas em conjuntos que usam vários modelos simples.”

Mais do que a soma de suas partes

O pipeline de dados começa com um cliente leve enviando eventos relevantes para uma API de ingestão para processamento. A API fica em um grupo de Auto Scaling para lidar com grandes volumes de dados. A partir da API, os dados são enviados para o Amazon Data Firehose para ingestão em um data warehouse do Amazon Redshift, que fornece acesso a dados de alta performance para pesquisa de machine learning. O Amazon Simple Storage Service (Amazon S3) é o intermediário entre o Amazon Data Firehose e o Amazon Redshift.

A Zappos usa várias tecnologias para treinamento e execução de modelos. Ela usa o Amazon SageMaker para prever os tamanhos de vestuário do cliente. Essas previsões são armazenadas em cache e expostas em tempo de execução por meio de APIs de microsserviços para uso em recomendações. A Zappos usa o Amazon EMR para executar análises de big data por uma fração do custo dos clusters tradicionais locais. Também executa modelos usando unidades de processamento gráfico (GPUs) no Amazon Elastic Compute Cloud (Amazon EC2).

A empresa obtém uma pesquisa ultrarrápida de previsões pré-calculadas usando dois serviços distintos. O Amazon DynamoDB armazena resultados pré-calculados que serão acessados em tempo de execução. Esse é um banco de dados de chave-valor e documentos totalmente gerenciado que oferece performance de 10 milissegundos em qualquer escala. Ele pode processar mais de 10 trilhões de solicitações por dia e comportar picos de mais de 20 milhões de solicitações por segundo. Para tempos de resposta ainda mais rápidos, a Zappos aproveita o Amazon ElastiCache for Redis, um armazenamento de dados na memória, como uma camada de cache. Esse serviço garante latência abaixo de um milissegundo quando necessário.

Os microsserviços que executam modelos e consolidam resultados são executados em instâncias do Amazon EC2, organizadas em grupos de Auto Scaling com load balancers baseados em localização. A Zappos usa o Amazon Route 53 como sistema de nomes de domínio, roteando o tráfego por toda a solução.

Corra, não caminhe

Criar e manter essa arquitetura complexa com métodos tradicionais de desenvolvimento e implantação seria proibitivamente complexo. Em vez disso, a Zappos confia na infraestrutura como código usando o AWS CloudFormation. “Todos os aspectos da solução estão representados nos modelos do AWS CloudFormation”, relata Kazerouni. “Para fazer uma alteração, apenas ajustamos o modelo. Se precisamos corrigir a maneira como os serviços se comunicam com o Redis, não repetimos a alteração manualmente: modificamos o modelo e o implantamos em qualquer lugar.”

Ele observa que seria impossível criar a solução sem a riqueza de serviços da AWS sob o comando da equipe. “O uso dos serviços da AWS como elementos básicos permite que os engenheiros se concentrem em melhorar a performance e os resultados, em vez da sobrecarga do DevOps.”

Clientes sentem o amor

A Zappos proporcionou esses resultados de pesquisa aprimorados aos clientes com um aumento quase indetectável na latência, sendo que 99% das pesquisas foram concluídas em menos de 48 milissegundos. Ao usar uma arquitetura semelhante, também melhorou significativamente as recomendações de tamanho personalizadas com base em pesquisas de ajuste simples e compras anteriores. Como resultado, a empresa reduziu repetidas pesquisas e devoluções de produtos. Ela também obteve taxas mais altas de busca por produto e aumentou a posição das seleções de clientes nos resultados de pesquisa.

Como Kazerouni resume: “Pensamos em nós mesmos como uma empresa de atendimento ao cliente que, por acaso, vende sapatos e roupas. Tudo o que podemos fazer para melhorar o serviço aprimora os nossos negócios. O uso da AWS permite inovar a experiência mais rapidamente.”

Para saber mais, visite aws.amazon.com/big-data/datalakes-and-analytics.


Sobre a Zappos

A Zappos começou há 20 anos como uma pequena loja de calçados online. Desde então, ela cresceu e passou a vender roupas, bolsas, acessórios e muito mais, ao mesmo tempo em que prestava um atendimento de renome ao cliente e proporcionava experiências inovadoras aos funcionários. A empresa é subsidiária da Amazon desde 2009.

Benefícios da AWS

  • Mantém a latência da pesquisa abaixo de 48 milissegundos para 99% das pesquisas
  • Personaliza as pesquisas para uma melhor experiência do cliente
  • Alcança taxas mais altas de pesquisa por clique
  • Obtém menos devoluções devido a recomendações de tamanho aprimoradas

Serviços da AWS usados

Amazon EMR

Execute e escale facilmente o Apache Spark, o Hadoop, o HBase, o Presto, o Hive e outras estruturas de big data.

Saiba mais »

Amazon Data Firehose

O Amazon Data Firehose é a maneira mais fácil de carregar de forma confiável dados de streaming em data lakes, datastores e ferramentas de análises.

Saiba mais »

Amazon SageMaker

O Amazon SageMaker é um serviço totalmente gerenciado que fornece a todos os desenvolvedores e cientistas de dados a capacidade de criar, treinar e implantar modelos de machine learning (ML) rapidamente. O SageMaker remove o trabalho pesado de cada etapa do processo de machine learning para facilitar o desenvolvimento de modelos de alta qualidade.

Saiba mais »

Amazon Redshift

O Redshift apoia cargas de trabalhos analíticas para empresas da Fortune 500, startups e empresas de todos os tamanhos intermediários. Empresas como a Lyft usaram o Redshift para evoluir de startups para empresas multibilionárias.

Saiba mais »


Comece a usar

Empresas de todos os portes em todos os setores estão transformando seus negócios diariamente usando a AWS. Entre em contato com nossos especialistas e comece sua própria jornada para a Nuvem AWS hoje mesmo.