SALOMON：利用生成式人工智能优化产品反馈数据，实现+83%的电子商务收入

挑战

通过完善产品反馈数据优化电子商务可见性

与许多拥有大量在线业务的零售商一样，大型体育用品品牌萨洛蒙也将大部分媒体预算用于搜索购物活动。这些营销活动使用产品信息数据来决定哪些信息会出现，哪个品牌会得到最突出的展示。这些数据通常是从零售商的网站上获取的，并没有针对这一用途进行优化。然而，手动改进这些数据非常耗时。

为了克服这一挑战，萨洛蒙联系了五十五家公司，让他们通过生成式人工智能帮助其团队增强产品反馈。

解决方案

设计和测试产品供稿专家提示

在确定改进萨洛蒙的产品信息标题和描述将产生最大的性能影响后，五十五人设计并反复推敲了 GenAI 提示，该提示将根据最佳实践将这些属性调整为特定格式。

该 POC 在英国市场的近 700 种产品上进行了测试。为了衡量 POC 的成功与否，fifty-five 监控了各种关键绩效指标，包括点击率 (CTR)、转化率和收入。

结果

GenAI 增强型目录的巨大、可衡量的改进

A/B 测试的结果充分验证了该技术对性能的影响：萨洛蒙的 GenAI 驱动目录使点击率提高了 43%，与 "普通 "流量相比，流量的合格率提高了约两倍，从而使转化率提高了 81%。

通过与平台指导方针保持一致，该项目不仅促进了现有产品的推广，还推出了以前很少推广的产品。在英国市场测试的 700 种产品中，萨洛蒙公司的 ROAS 增长了 x2.4。