Aller au contenu principal
usedby
DatabricksusedbyAdidas

Comment Adidas utilise Databricks

adidas a créé un chatbot d'IA générative reposant sur le RAG, qui analyse le sentiment exprimé dans les avis sur ses produits et fournit des analyses aux décideurs produit, y compris aux utilisateurs non techniques. Il utilise Databricks pour l'embedding, la recherche vectorielle, le déploiement de modèles, la gouvernance et le suivi des expériences.

ConfirméÉtude de cas de l’éditeur · Vérifié le 5 nov. 2026
Voir la preuve capturée

L’usage : comment Adidas déploie Databricks

adidas built a RAG-based GenAI chatbot that analyzes sentiment across its product reviews and returns insights to product decision-makers, including nontechnical users. It uses Databricks for embedding, vector search, model serving, governance and experiment tracking.

Autres résultats publiés

Chiffres publiés dans l’étude de cas de Databricks. usedby ne les mesure pas de façon indépendante.

98.5%

More efficient prompt engineering and smaller context windows reduced token input size by 98.5%, from 200,000 to just 3,000 tokens per query.

30–40%

Through GenAI, adidas improved review analysis efficiency by up to 30–40%, cutting down extensive manual workloads across global teams.

91.67%

91.67% cost savings

Le témoignage du client

L'infrastructure d'IA générative que nous avons mise en place permet déjà de répondre à des cas d'usage qui vont au-delà des avis sur les produits,
Traduction automatique de l’anglais
Voir l’originalThe GenAI infrastructure we built is already enabling use cases beyond product reviews,
Rahul Pandey, Senior Solutions Architect, Adidas — Source

Les autres outils IA utilisés par Adidas

Autres relations publiques recensées sur usedby.

Insider OneConfirméAmplitudeObservéHighRadiusObservéJasperObservéLovableObservéSonarObservé
Explorer la stack IA de Adidas

Les clients de Databricks dans le secteur Mode et habillement

Des entreprises du même secteur, avec une preuve publique.

ColumbiaConfirméBurberryObservéPrada GroupObservé
Voir tous les clients de Databricks

Autres témoignages

Consulter la source

Cette synthèse repose sur l’étude de cas publiée par Databricks. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.

databricks.com
Dernière vérification
5 nov. 2026
databricks.comCapture de l’étude de cas de Databricks sur AdidasOuvrir la capture
Ce que dit le témoignage, et ce que nous avons vérifié

Ce que nous avons comparé à la page.

  • Le chiffre : 60%Vérifié

    Imprimé mot pour mot sur la page, près du nom de Adidas.

  • L’extrait cité plus hautVérifié

    Copié mot pour mot depuis la page, près du nom de Adidas.

  • Adidas utilise DatabricksVérifié

    Ligne de niveau Confirmé.

  • Le résultat lui-mêmeNon vérifié

    Nous le citons ; nous ne l’avons pas mesuré.

Latency dropped by 60%, cutting average response time from 15.5 seconds to six. More efficient prompt engineering and smaller context windows reduced token input size by 98.5%, from 200,000 to just 3,000 tokens per query.
Extrait de la page. databricks.com