Klient

Dynamicznie rosnąca firma e-commerce działająca w modelu D2C na rynku europejskim, kilkaset tysięcy użytkowników miesięcznie, sprzedaż wielokanałowa (własny sklep + marketplace’y). Organizacja posiadała wewnętrzny zespół developerski, ale bez dedykowanych kompetencji AI/ML.

Wyzwanie 

Firma chciała zwiększyć konwersję i wartość koszyka poprzez personalizację oferty oraz lepsze prognozowanie popytu. Dane transakcyjne i behawioralne były gromadzone, jednak nie były wykorzystywane w sposób zaawansowany.

Wyzwania obejmowały:

• brak osoby odpowiedzialnej za budowę i utrzymanie modeli ML,
• rekomendacje produktowe oparte wyłącznie na prostych regułach,
• niedokładne prognozy popytu skutkujące nadstockiem lub brakami magazynowymi,
• ograniczone zasoby do prowadzenia długiego procesu rekrutacyjnego.

Rozwiązanie 

W modelu outsourcingowym (B2B, staff augmentation) dostarczyliśmy jednego Senior Machine Learning Engineera, z doświadczeniem w e-commerce.

Zakres odpowiedzialności obejmował:

• analizę i przygotowanie danych transakcyjnych oraz behawioralnych,
• budowę modelu rekomendacyjnego (product recommendation engine),
• wdrożenie modelu predykcji popytu na poziomie SKU,
• integrację modeli z istniejącą platformą e-commerce i monitoring ich skuteczności,
• współpracę z zespołem marketingu w zakresie testów A/B.

Specjalista pracował jako część zespołu produktowego, raportując bezpośrednio do Head of Technology.

Wnioski

• Wzrost współczynnika konwersji o 9% w ciągu 4 miesięcy
• Zwiększenie średniej wartości koszyka (AOV) o 7% dzięki personalizacji
• Redukcja nadmiarowych stanów magazynowych o 15%
• Szybkie uruchomienie kompetencji AI bez konieczności budowy pełnego zespołu data

Klient uzyskał mierzalny wpływ AI na przychody oraz skalowalne rozwiązanie, które może być rozwijane wraz ze wzrostem biznesu.