Anbefalingssystem: 72% forbedring af krydssalg gennem dataindsamling til onlinebutikker

Den Python-baserede løsning sigter mod automatisering af brugerdataindsamlingssystemer og forbedring af brugeranalyser.

Kunde

Industri

Region

USA

Kunde siden

2019

Vores klient er en stor amerikansk onlinebutik. Butikkens hovedsortiment er diversificeret tøj fra forskellige mærker til mænd, kvinder og børn.

Detaljerede oplysninger om klienten kan ikke videregives i henhold til bestemmelserne i NDA.

Udfordring

Vi har arbejdet med en onlineplatform, der giver mulighed for at købe tøj og tilbehør fra forskellige mærker.

Vores kunde bragte os en aktivt udviklende anbefalingssystemarkitektur til analyse og indsamling af data om brugeraktivitet.

Løsning

Vores mål var at skabe et system til dataindsamling og -behandling, som kunne give både kunderne anbefalinger om relevante varer og kunden mere relevant information om kundernes aktivitet på ét sted.

Platformen blev ikke udviklet fra bunden; vi modificerede den inden for rammerne af kundens opgaver. Løsningen er bygget på cloud-teknologier, en moderne udviklingsmetode, der gør det muligt at spare på DevOps, da cloud-tjenester tilbyder alt, hvad der er brug for i en sky.

Dataene indsamles ud fra, hvad kunderne køber eller lægger i indkøbskurven, deres klik, musebevægelser osv. Desuden skaber systemet modeller, som tilbyder kunderne potentielt ønskede varer. Vi har været ansvarlige for at arrangere nøjagtig dataindsamling.

OPTIMERING AF FORESPØRGSLER TIL UPLOAD AF METRIKKER TIL SNOWFLAKE

Vi fik en stor fil bestående af flere rækker (et par tusinde) med forskellige SQL-forespørgsler. Kunden indsamlede data fra forskellige tabeller og beregnede forskellige metrikker. Der var mange gentagne dele af koden, og vi havde brug for at skabe en forespørgselsgenerator, der baseret på flere kodeskabeloner ændrede forespørgselsinputværdierne og udførte dem i stedet for at udføre de samme mange forespørgsler. Det gjorde det muligt at skabe et praktisk, fleksibelt og skalerbart værktøj til hurtigt og dynamisk at tilføje forespørgsler til beregning af nye metrikker.

AUTOMATISERING AF DATAHÅNDTERING

AWS er en cloud-platform fra Amazon, der gør det muligt for app-udbydere, ISV'er og leverandører hurtigt og sikkert at hoste deres løsninger - uanset om det er en eksisterende app eller en ny. SaaS-baseret app. AWS Systems Manager Parameter Store sikrer et sikkert lager til håndtering af konfigurationsdata og adgangskoder. Vores opgave var at automatisere tilføjelse af nye eller ændring af forældede konfigurationer eller følsomme adgangskoder eller data, så en bruger ikke behøver at gøre det manuelt via den grafiske grænseflade.

AIRFLOW OPSÆTNING

I Airflow designes og udtrykkes workflows som DAG'er, hvor hvert DAG-trin er defineret som en specifik opgave. Det er designet med den viden, at alle processer for dataudtræk, -transformation, -indlæsning og -manipulation bedst udtrykkes som kode, og som sådan er det en kodebaseret platform, der gør det muligt at gentage workflows hurtigt og effektivt. Da Airflow er yderst effektivt til at organisere og planlægge datapipeline-arbejdsgange, bruger vi det til at oprette de forudplanlagte begivenheder. DAG kan køre hver time eller f.eks. hver 3. time og 30. minut osv. Hvis alle opgaverne i DAG blev gennemført med succes, anses DAG for at være gennemført med succes. Det er praktisk, fordi DAG'er altid kører uden behov for manuelle handlinger.

STYRING AF DATABRIKKER

Vi oprettede nye jobs, der læste data fra klientens S3-bucket, udførte en vis behandling og uploadede data direkte til os i DynamoDB. Disse opgaver blev tilføjet som en del af Airflow DAGs for at automatisere denne proces.

CI/CD-IMPLEMENTERING

Mens vi arbejdede på projektet, opsatte vi CI/CD, en af DevOps-praksisserne, der gør det muligt for udviklere at implementere softwareændringer oftere og mere pålideligt, minimere fejl, øge udviklingshastigheden og forbedre kvaliteten af det endelige produkt. Vi aktiverede det mellem GitHub og Databricks. Så når noget er ændret i GitHub, vises det automatisk i vores Databricks. Og som følge heraf får kunden en løsning af højere kvalitet med et minimum af poser.

Teknologier og værktøjer

Vigtigste programmeringssprog

Python, Scala, Java, SQL

Analyse af data

Scala, Python, Tableau

Cloud

AWS (EC2, MWAA, Lambda, S3, SSM, CloudWatch, IAM, CloudFormation, CodeBuild, EMR), DataDog

Database

Snowflake, Databricks, Kafka, DynamoDB

Rammeværk

Hadoop, Spark

Proces

Under hensyntagen til alle kundens krav og projektets særlige karakteristika foreslog vi Scrum som en livscyklusmetode for softwareudvikling ved hjælp af Jira og Confluence. Hvad angår kommunikationsværktøjet, foreslog kunden at bruge Microsoft Teams.

Baseret på vores store erfaring med at udvikle forskellige webapplikationer og datastyringssystemer foreslog vores team den bedst egnede teknologistak.

Under hele projektet holder vi daglige og ugentlige møder, tekniske gennemgange, sprintgennemgange, retro, planlægning og konstante en-til-en-møder med teamlederen om eventuelle spørgsmål eller bekymringer.

Takket være den velplanlagte arbejdsgang og rettidige og gennemsigtige kommunikationsprocesser er vi i stand til at levere resultater hurtigere og mere effektivt.

Hold

Data Engineers

Dataanalytikere

Projektleder

Produktchef

QA Engineer

Resultater

Efter at have afsluttet projektets aktive fase, som handler om at opdatere dataanalyse- og anbefalingssystemet, har online-shoppingplatformen fået bedre ydeevne, stabilitet og brugervenlighed og dermed øget sine markedsføringsmuligheder og sit salg.

Projektteamet blev anerkendt som professionelle for deres omfattende tekniske baggrund og høje kommunikationsevner. Da det lykkedes os at arrangere et samarbejde med kunden i projektets aktive fase, fortsatte vores it-eksperter samarbejdet med kunden og ydede langsigtet support til løsningen.

Projektets varighed

Siden 2022
Projektet er stadig i gang, og på nuværende tidspunkt understøtter vi platformen og implementerer ny funktionalitet.

Relaterede sager

Kontakt os

Book et opkald eller udfyld formularen nedenfor, så vender vi tilbage til dig, når vi har behandlet din anmodning.

Navn

Virksomhed

E-mail

Telefon

Besked

Send os en talebesked

Vedhæft dokumenter

Upload fil

Du kan vedhæfte 1 fil på op til 2 MB. Gyldige filformater: pdf, jpg, jpeg, png.

Ved at klikke på Send accepterer du, at Innowise behandler dine personlige data i henhold til vores Politik for beskyttelse af personlige oplysninger for at give dig relevante oplysninger. Ved at indsende dit telefonnummer accepterer du, at vi kan kontakte dig via taleopkald, sms og beskedapps. Opkalds-, besked- og datatakster kan være gældende.

Du kan også sende os din anmodning
til contact@innowise.com

Hvad sker der nu?

Når vi har modtaget og behandlet din anmodning, vender vi tilbage til dig for at beskrive dine projektbehov og underskriver en NDA for at sikre fortrolighed.

Når vi har undersøgt dine ønsker, behov og forventninger, udarbejder vores team et projektforslag med forslag med arbejdets omfang, teamstørrelse, tids- og omkostningsoverslag.

Vi arrangerer et møde med dig for at diskutere tilbuddet og få detaljerne på plads.

Til sidst underskriver vi en kontrakt og begynder at arbejde på dit projekt med det samme.

Anbefalingssystem: 72% forbedring af krydssalg gennem dataindsamling til onlinebutikker

Kunde

Udfordring

Løsning

Vores mål var at skabe et system til dataindsamling og -behandling, som kunne give både kunderne anbefalinger om relevante varer og kunden mere relevant information om kundernes aktivitet på ét sted.

Teknologier og værktøjer

Proces

Hold

Resultater

Relaterede sager

Kontakt os

Hvad sker der nu?

Brug for andre tjenester?

Abonner til vores nyhedsbrev

Abonner
til vores nyhedsbrev