2015年3月，Retail Rocket在知名男女鞋电商Shoes.ru上进行了商品推荐服务测试。该研究采用A/B测试机制，将网站受众实时随机划分为两个等量群体：一组展示Retail Rocket推荐，另一组展示平台自有推荐，并通过Google Analytics追踪各细分群体数据。
后测分析结果
数据显示，在2015年2月27日至3月19日期间，约5.7万名用户参与测试。针对占流量96%的桌面端分析显示，Retail Rocket系统使平均订单金额增长11.8%，转化率提升6.9%，总收入增长18.4%。
此外，针对占总流量58%的新用户分析表明，该系统使新用户平均订单金额增长13.5%，转化率提升12.8%，收入增长27.2%。长远来看，这不仅带来直接收入增长，还能有效获取新客户并促进复购。
推荐场景应用
测试期间，Shoes.ru启用了Retail Rocket提供的7种推荐场景：
主页
- 个性化推荐：基于用户兴趣与行为分析算法，向浏览者展示其最感兴趣的商品。
- 热门商品推荐：根据点击、浏览、加购等行为事件，结合时间衰减机制，展示当前时段内用户偏好类别中的热门商品。
商品分类页
引入“分类内最畅销商品”机制，仅展示当前分类下最受青睐的商品，并基于行为分析为不同受众推送差异化爆款。
商品详情页
启用“有货相似商品”模块，位于页面底部。旨在挽留滚动至末尾但未对当前商品产生兴趣的访客，通过推荐可购买的替代品，帮助用户找到心仪选项。
内部搜索结果
启用“搜索推荐”机制，展示与搜索关键词高度匹配的商品。特别是在无搜索结果时，该推荐能有效避免流量流失。
购物车
使用“关联商品”机制，向用户推荐可能感兴趣的互补商品，以提升客单价。
客户评价
“去年我们决定安装Retail Rocket个性化推荐模块。这看似简单，但处理海量数据仍需专业人士协助。效果立竿见影，销售额显著增长。我强烈推荐该公司作为电商领域的优质合作伙伴。”