技術與做法
使用 NVIDIA Merlin、NVTabular 與 Transformers4Rec，於 GPU 上進行特徵處理和序列推薦建模，依購買行為及價格敏感度調整優惠
商業與財務影響
驗證資訊待補
McKinsey 揭露長尾商品覆蓋由約 8% 升至近 100%，大型資料訓練時間減逾 80%；受控試點中，目標客群銷售與利潤平均提升 5%。這些屬合作方試點與技術指標
原始證據說明：合作方揭露 · 受控試點指標
數字與分級說明
此等級依量化記載與驗證說明判定。 部署人數、覆蓋範圍與效率／財務成效應分開看；量測期間、比較基準與方法也會影響解讀。
進展與應用地點
試點／部分投產（原始記載：試點與部分投產）
全球／未指定地點
原文未明示試點零售商或應用市場，不以 Toshiba Tec 的日本總部推定所在地
延伸研究
比較目標客群的促銷增量利潤與模型運算成本，並檢查對照組及優惠補貼的計算口徑
研究切入點，非來源已證實成果
來源與核對
已讀原文；發布日由 McKinsey 官方案例索引確認為 2025-12-15（https://www.mckinsey.com/about-us/case-studies）。未獨立驗證試點結果。超過 30 日仍納入，以研究推薦模型與促銷增量利潤的衡量
來源性質：來源待分類。來源核對不等於成效已獨立驗證
McKinsey 客戶案例收錄自：每日財經科技研究