Chute de Paytm : Leçons d’Amazon Personalize

Paytm est un fournisseur indien de services de paiement numérique, de commerce électronique et de services financiers. Aujourd’hui, la plateforme accompagne plus de 17 millions de commerçants et est utilisée quotidiennement par des millions de personnes pour régler diverses factures, acheter des aliments, des billets de cinéma et bien d’autres encore. Parmi les services proposés par Paytm, on retrouve également la réservation de voyages, des offres d’assurances ainsi qu’un espace commercial en ligne, Paytm Mall, tous accessibles via l’application Paytm. L’entreprise a lancé un projet visant à développer un modèle d’apprentissage machine pour offrir des recommandations personnalisées aux utilisateurs sur la page d’accueil de Paytm Mall, en se basant sur leur historique de navigation. Auparavant, Paytm n’avait pas mis en place de service de recommandations à l’échelle utilisateur, bien qu’elle disposait d’outils pour des recommandations entre articles.

Après avoir envisagé la création d’une solution interne, l’entreprise a finalement choisi d’opter pour Amazon Personalize, estimant que cette solution se déployait plus rapidement et de manière plus efficace. Déjà familière avec les services AWS pour l’hébergement de ses applications, Paytm a commencé à implémenter Amazon Personalize en mai 2021, et le modèle de recommandations personnalisées a été mis en ligne en septembre de la même année. Paytm a bénéficié du soutien de l’équipe d’ingénierie et d’assistance d’Amazon Personalize durant cette période de transition. « Nous avons reçu un excellent accompagnement de la part de l’équipe AWS, en particulier durant les premières phases de développement », déclare Ankur Gogate, responsable technique chez Paytm.

Grâce à Amazon Personalize et à d’autres services AWS, Paytm collecte des données utilisateurs qu’elle fait passer par le modèle de recommandation afin de générer des suggestions de contenu uniques pour chacun des plus de 10 millions de visiteurs quotidiens de Paytm Mall. Pour alimenter ces recommandations, Paytm utilise une application interne basée sur Java ainsi qu’Amazon EMR, un service cloud de Big Data permettant d’exécuter de vastes tâches de traitement de données distribuées, des requêtes SQL interactives et des applications d’apprentissage machine en s’appuyant sur des frameworks d’analyse open-source. Après traitement, les données utilisateurs sont envoyées à Amazon Personalize, qui renvoie les résultats de recommandations, lesquels sont intégrés sur la page d’accueil de Paytm Mall. Ce système permet de proposer une expérience personnalisée à chaque visiteur. « Grâce à la personnalisation, les utilisateurs peuvent trouver ce dont ils ont besoin avec le moins de clics possible », précise Gogate. « En utilisant Amazon Personalize, nous proposons à chaque client une application unique, adaptée à ses choix et préférences individuels. »

Depuis l’implémentation de ce modèle de recommandations personnalisées, Paytm a observé un taux de conversion de 5,5 à 6 % sur la page d’accueil de sa plateforme. À titre de comparaison, les précédents widgets de recommandations entre articles n’avaient enregistré qu’un taux de clics de 1,8 à 2 %. « Ce taux de conversion dépasse tous les autres modèles de recommandation que nous avons testés jusqu’à présent », affirme Gogate. « Avec ces recommandations affichées sur la page d’accueil, les utilisateurs peuvent localiser directement l’article désiré. Cela a contribué à accroître le volume total des commandes et le chiffre d’affaires réalisé sur la page d’accueil. » De plus, l’introduction de cette solution de recommandations a permis à Paytm de mieux mesurer les activités de sa page d’accueil, car aucune métrique sur les taux de conversion n’était collectée auparavant.

L’adoption d’Amazon Personalize a renforcé l’agilité de Paytm en tant qu’entreprise, facilitant son innovation continue. « Une fois la personnalisation des utilisateurs mise en service, il est devenu clair que l’intégration d’Amazon Personalize dans d’autres solutions pouvait se faire rapidement et simplement », révèle Gogate. Paytm a même envisagé de lancer un modèle de recommandations basées sur des marques. Plutôt que de tout développer de zéro, l’équipe a pu réutiliser ce qui avait déjà été créé avec Amazon Personalize pour rapidement mettre en route une version bêta. Ce nouveau modèle de recommandations, actuellement en phase de test, fournit aux utilisateurs des suggestions reposant sur les marques avec lesquelles ils ont déjà interagi dans l’application. La version bêta a été mise en place en seulement un mois grâce à Amazon Personalize, alors que l’équipe aurait estimé qu’un développement interne aurait pris deux fois plus de temps. « Avec Amazon Personalize, nous avons adopté une approche très simple de type plug-and-play », conclut Gogate. « Pour nous, il est très avantageux de pouvoir proposer rapidement de nouveaux modèles de recommandations à nos utilisateurs. »

Paytm cherche désormais à explorer davantage de pistes pour intégrer la personnalisation à son application, au-delà de Paytm Mall. « Avec Amazon Personalize, une nouvelle ère d’implémentation de la personnalisation s’est ouverte chez Paytm », affirme Gogate. « Nous pouvons bientôt envisager d’explorer diverses manières d’utiliser la personnalisation des utilisateurs pour améliorer nos résultats dans d’autres domaines d’activité, tels que les voyages et les assurances. » Avec cette personnalisation accrue, Paytm vise à aider ses clients à obtenir les services et articles souhaités de manière plus efficace.

En fin de compte, Paytm bénéficie non seulement d’une augmentation de son chiffre d’affaires, mais également de nouvelles opportunités. « Utiliser Amazon Personalize nous a permis d’actualiser notre approche pour optimiser nos ventes », conclut Gogate.