Empfehlungssystem: 72% Cross-Selling-Verbesserung durch Datensammlung für Online-Shops

Eine Python-basierte Lösung zur automatisierten Erfassung von Benutzerdaten und einer verbesserten Benutzeranalyse.

Der Kunde

Industrie

eCommerce

Region

USA

Kunde seit

2019

Unser Kunde ist Betreiber eines großen Online-Shops in den USA, dessen Sortiment Kleidung verschiedener Marken für Männer, Frauen und Kinder umfasst.

Detaillierte Information über den Kunden kann aufgrund der Bestimmungen des NDA nicht veröffentlicht werden.

Herausforderung

Die Aufgabe bestand darin, eine bestehende Online-Plattform zu erweitern, die zum Verkauf von Kleidung und Accessoires verschiedener Marken eingesetzt wird.

Unser Kunde verfügte über ein sich dynamisch entwickelndes Empfehlungssystem, das für Datenanalysen und das Erfassen von Nutzeraktivitäten genutzt wurde.

Lösung

Unser Ziel war es, ein System zur Datenerfassung und -verarbeitung zu entwickeln, das sowohl den Käufern Empfehlungen für relevante Waren als auch dem Kunden relevantere Informationen über die Aktivitäten des Käufers bietet.

Wir haben die Plattform nicht neu entwickelt, sondern im Rahmen der Anforderungen des Kunden angepasst. Die Lösung basiert auf Cloud-Technologien, deren moderne Dienste den Einsatz von DevOps überflüssig machen.

Die erhobenen Daten umfassen die Käufe der Kunden, die Artikel in ihren Warenkörben, ihre Klicks und Mausbewegungen usw. Außerdem erstellt das System Modelle, die den Käufern potenziell gewünschte Waren anbieten. Wir waren für die genaue Datenerfassung verantwortlich.

OPTIMIERUNG VON ABFRAGEN ZUM HOCHLADEN VON METRIKEN IN SNOWFLAKE

Der Kunde stellte uns SQL-Abfragen und eine enorme Datenmenge zur Verfügung, die in vielen Tabellen gesammelt und zur Berechnung verschiedener Metriken genutzt wurden. Wir fanden viele sich wiederholende Codeabschnitte, in denen identische Abfragen ausgeführt wurden, sodass wir einen Abfragegenerator erstellt haben, der auf Grundlage von Code-Templates nur die Eingabewerte ändert, um die Abfragen auszuführen. Auf diese Weise haben wir ein praktisches, flexibles und skalierbares Tool erstellt, mit dem Abfragen zur Berechnung neuer Metriken schnell und dynamisch hinzugefügt werden können.

AUTOMATISIERUNG DER DATENVERWALTUNG

AWS ist eine Cloud-Plattform von Amazon, die es App-Anbietern, ISVs und Verkäufern ermöglicht, ihre Lösungen schnell und sicher zu hosten - ganz gleich, ob es sich um eine bestehende App oder eine neue SaaS-basierte Anwendung handelt. Der AWS Systems Manager Parameter Store bietet ein sicheres Repository für die Verwaltung von Konfigurationsdaten und Kennwörtern. Unsere Aufgabe bestand darin, das Hinzufügen neuer oder das Ändern veralteter Konfigurationen oder sensibler Kennwörter oder Daten zu automatisieren, damit ein Benutzer dies nicht manuell über die grafische Oberfläche tun muss.;

EINRICHTEN VON AIRFLOW

In Airflow werden Workflows als gerichtete azyklische Graphen (DAG) entworfen und dargestellt, wobei jeder DAG als spezifische Aufgabe definiert ist. Airflow ist eine codebasierte Plattform, die mit dem Wissen entwickelt wurde, dass die Prozesse der Datenextraktion, -transformation, -ladung und -manipulation am besten in Codeform beschrieben werden können, und ermöglicht eine schnelle und effiziente Iteration von Workflows. Da Airflow bei der Organisation und Planung von Datenpipeline-Workflows sehr effektiv ist, haben wir es für die Einrichtung der im Voraus geplanten Ereignisse verwendet. Ein DAG kann in regelmäßigen Intervallen (z.B. stündlich, alle 3 Stunden, alle 30 Minuten usw.) ausgeführt werden. Wenn alle Aufgaben von DAG erfolgreich beendet sind, wird der DAG als abgeschlossen betrachtet. Das ist praktisch, weil DAGs jederzeit ablaufen können, ohne dass manuelle Eingriffe erforderlich sind.

VERWALTUNG MIT DATABRICKS

Wir haben neue Jobs erstellt, die Daten aus dem S3-Bucket des Kunden lesen, ihre Verarbeitung erledigen und die Daten in DynamoDB übertragen. Diese Aufgaben wurden als Teil der Airflow-DAGs hinzugefügt, um diesen Prozess zu automatisieren.

REALISIERUNG VON CI/CD

Während der Arbeit am Projekt haben wir CI/CD eingeführt, eine der DevOps-Praktiken, die es den Entwicklern ermöglicht, Softwareänderungen häufiger und zuverlässiger bereitzustellen, Fehler zu minimieren, die Entwicklungsgeschwindigkeit zu erhöhen und die Qualität des Endprodukts zu verbessern. Wir haben es zwischen GitHub und Databricks aktiviert. Bei jeder Änderung in GitHub wird die Änderung in Databricks angezeigt.

Technologien & Tools

Backend

Python, Scala, Java, SQL

Datenanalyse

Scala, Python, Tableau

Cloud-Services

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

Datenbanken

Snowflake, Databricks, Kafka, DynamoDB

Frameworks

Hadoop, Spark

Prozess

Unter Berücksichtigung der Anforderungen des Kunden und der Besonderheiten des Projekts haben wir Scrum als Methode für den Lebenszyklus der Softwareentwicklung unter Verwendung von Jira und Confluence vorgeschlagen. Als Kommunikationstool wollte der Kunde Microsoft Teams verwenden.

Auf der Grundlage unserer umfassenden Erfahrung in der Entwicklung von Webanwendungen und Systemen zur Datenverwaltung hat unser Team einen geeigneten Technologie-Stack ausgewählt.

Während des gesamten Projekts haben wir tägliche und wöchentliche Besprechungen, technische Reviews, Sprint-Reviews, Nachbesprechungen, Planungen abgehalten und zu offenen Fragen und Bedenken Einzelgespräche mit dem Teamleiter geführt.

Dank des gut geplanten Arbeitsablaufs und der fristgerechten und transparenten Kommunikationsprozesse haben wir die Ergebnisse schnell und effizient geliefert.

Team

Dateningenieure

Datenanalysten

Projektmanager

Produktmanager

QA-Ingenieur

Ergebnisse

Nach Abschluss der aktiven Projektphase, die sich auf die Aktualisierung der Datenanalyse und des Empfehlungssystems konzentrierte, hat die Online-Einkaufsplattform an Leistung, Stabilität und Benutzerfreundlichkeit gewonnen und dadurch ihre Marketingmöglichkeiten und den Umsatz gesteigert.

Das Projektteam wurde aufgrund seines umfassenden technischen Hintergrunds und seiner guten Kommunikationsfähigkeiten als professionell eingestuft. Durch die erfolgreiche Zusammenarbeit unserer IT-Experten mit dem Kunden in der aktiven Projektphase arbeiten wir weiterhin mit dem Kunden zusammen und leisten langfristig Unterstützung.

Projektdauer

Seit 2022
Das Projekt ist noch nicht abgeschlossen, momentan leisten wir Support für die Plattform und implementieren neue Funktionen

Unsere aktuellen Fallstudien

Kontaktieren Sie uns!

Einen Anruf buchen oder füllen Sie das Formular unten aus und wir melden uns bei Ihnen, sobald wir Ihre Anfrage bearbeitet haben.

Name

Unternehmen

E-Mail

Telefon

Nachricht Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten und andere Infos bei.

Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten
und andere Infos bei.

Hängen Sie nach Bedarf zusätzliche Dokumente an.

Datei hochladen

Sie können bis zu 1 Datei von insgesamt 2 MB anhängen. Gültige Dateien: pdf, jpg, jpeg, png

Bitte beachten Sie, dass Innowise mit dem Anklicken der Schaltfläche 'Senden' Ihre persönlichen Daten nach der Datenschutzrichtlinie verarbeiten wird, um Ihnen die gewünschten Informationen zukommen zu lassen.

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) für die Vertraulichkeit der Informationen zu unterzeichnen.

Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.

Wir vereinbaren einen Termin mit Ihnen, um das Angebot zu besprechen und eine Vereinbarung mit Ihnen zu treffen.

Wir unterzeichnen einen Vertrag und beginnen umgehend mit der Arbeit an Ihrem Projekt.

Empfehlungssystem: 72% Cross-Selling-Verbesserung durch Datensammlung für Online-Shops

Der Kunde

Herausforderung

Lösung

Unser Ziel war es, ein System zur Datenerfassung und -verarbeitung zu entwickeln, das sowohl den Käufern Empfehlungen für relevante Waren als auch dem Kunden relevantere Informationen über die Aktivitäten des Käufers bietet.

Technologien & Tools

Prozess

Team

Ergebnisse

Unsere aktuellen Fallstudien

Kontaktieren Sie uns!

Wie geht es weiter?

Gemeinsam Software entwickeln ^●

Schließen

Empfehlungssystem: 72% Cross-Selling-Verbesserung durch Datensammlung für Online-Shops

Der Kunde

Herausforderung

Lösung

Unser Ziel war es, ein System zur Datenerfassung und -verarbeitung zu entwickeln, das sowohl den Käufern Empfehlungen für relevante Waren als auch dem Kunden relevantere Informationen über die Aktivitäten des Käufers bietet.

Technologien & Tools

Prozess

Team

Ergebnisse

Unsere aktuellen Fallstudien

Kontaktieren Sie uns!

Wie geht es weiter?

Gemein­sam Software entwickeln ●

Abonnement an unseren Newsletter

Schließen

Gemeinsam Software entwickeln ^●

Abonnement
an unseren Newsletter