Rekommendationssystem: 72% förbättrad korsförsäljning genom datainsamling för onlinebutiker

AWS

Business intelligence

Den Python-baserade lösningen syftar till automatisering av användardatainsamlingssystem och förbättring av användaranalys.

Kund

Industri

eCommerce

Region

USA

Kund sedan

2019

Vår kund är en stor USA online shop. Butikens huvudsakliga sortiment är diversifierade kläder av olika märken för män, kvinnor och barn.

Detaljerad information om kunden kan inte lämnas ut enligt bestämmelserna i NDA.

Utmaning

Vi har arbetat med en onlineplattform som ger möjlighet att köpa kläder och accessoarer från olika märken.

Vår klient gav oss en aktivt utvecklande rekommendationssystemarkitektur för analys och insamling av data om användaraktivitet.

Lösning

Vårt mål var att skapa ett datainsamlings- och bearbetningssystem för att ge både shoppare rekommendationer om relevanta varor och kunden mer relevant information om shopparens aktivitet på ett ställe.

Plattformen utvecklades inte från grunden, vi ändrade den inom ramen för kundens uppgifter. Lösningen bygger på molnteknik, en modern utvecklingsmetod som gör det möjligt att spara på DevOps, eftersom molntjänster erbjuder allt som behövs inom ett moln.

Uppgifterna samlas in baserat på vad kunderna köper eller lägger till i kundvagnen, deras klick, musrörelser osv. Vidare skapar systemet modeller som kommer att erbjuda shoppare potentiellt önskade varor. Vi har varit ansvariga för att ordna korrekt datainsamling.

OPTIMERING AV FRÅGOR FÖR UPPLADDNING AV MÄTVÄRDEN TILL SNOWFLAKE

Vi fick en enorm fil bestående av flera rader (ett par tusen) med olika SQL-frågor. Klienten samlade in data från olika tabeller och beräknade olika mätvärden. Det fanns många repetitiva delar av koden, och vi behövde skapa en frågegenerator som, baserat på flera kodmallar, ändrade frågeinmatningsvärdena och körde dem istället för att utföra samma flera frågor. Detta gjorde det möjligt att skapa ett bekvämt, flexibelt och skalbart verktyg för att snabbt och dynamiskt lägga till frågor för att beräkna nya mätvärden.

AUTOMATISERING AV DATAHANTERINGEN.

AWS är en molnplattform från Amazon för att göra det möjligt för appleverantörer, ISV och leverantörer att snabbt och säkert vara värd för sina lösningar - oavsett om det är en befintlig app eller en ny SaaS-baserad app. AWS Systems Manager Parameter Store säkerställer ett säkert arkiv för hantering av konfigurationsdata och lösenord. Vår uppgift var att automatisera att lägga till nya eller ändra föråldrade konfigurationer eller känsliga lösenord eller data så att en användare inte behöver göra det manuellt via det grafiska gränssnittet.

INSTÄLLNING AV LUFTFLÖDE

I luftflöde utformas och uttrycks arbetsflöden som dag, där varje DAG-steg definieras som en specifik uppgift. Den är utformad med vetskapen om att all datautvinning, transformation, laddning och manipulationsprocesser bäst uttrycks som kod, och som sådan är det en kodbaserad plattform som gör det möjligt att iterera arbetsflöden snabbt och effektivt. Eftersom Airflow är mycket effektivt för att organisera och schemalägga arbetsflöden för datapipeline använder vi det för att ställa in de förutbestämda händelserna. DAG kan köras varje timme eller till exempel var 3:e timme 30 minuter, och så vidare. Om alla uppgifter i DAG slutfördes framgångsrikt anses DAG vara framgångsrikt genomförd. Det är bekvämt eftersom Dag körs hela tiden utan manuella åtgärder som behövs.

HANTERING AV DATABRICKS

Vi skapade nya jobb som läste data från kundens S3-hink, utförde viss bearbetning och laddade upp data direkt till oss i DynamoDB. Dessa uppgifter lades till som en del av Airflow dag för att automatisera denna process.

GENOMFÖRANDE AV CI/CD

Under arbetet med projektet satte vi upp CI/CD, en av DevOps-metoderna som gör det möjligt för utvecklare att distribuera programvaruändringar oftare och mer tillförlitligt, minimera fel, öka utvecklingshastigheten och förbättra kvaliteten på slutprodukten. Vi aktiverade det mellan GitHub och Databricks. Således, när något har förändrats i GitHub, visas det automatiskt i våra Databricks. Och som ett resultat får kunden lösningen av högre kvalitet med ett minimum antal påsar.

Teknik och verktyg

De viktigaste programmeringsspråken

Python, Scala, Java, SQL

Analys av uppgifter

Scala, Python, Tableau

Cloudtjänster

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

Databaser

Snowflake, Databricks, Kafka, DynamoDB

Ramar

Hadoop, Spark

Process

Med hänsyn till alla kundens krav och projektets särdrag föreslog vi Scrum som en livscykelmetodik för mjukvaruutveckling med Jira och Confluence. När det gäller kommunikationsverktyget föreslog kunden att använda Microsoft Teams.

Baserat på vår rika erfarenhet av att utveckla olika webbapplikationer och datahanteringssystem föreslog vårt team den mest lämpliga teknikstacken.

Under hela projektet håller vi dagliga och veckovisa möten, tekniska recensioner, sprintrecensioner, retro, planering och ständiga en-mot-en-möten med teamledaren om eventuella frågor eller problem.

Tack vare det välplanerade arbetsflödet och snabba och transparenta kommunikationsprocesser kan vi leverera resultat snabbare och mer effektivt.

Team

Dataingenjörer

Dataanalytiker

Projektledare

Produktchef

QA-ingenjör

Resultat

Efter att ha slutfört projektets aktiva fas, som avser uppdatering av dataanalys-och rekommendationssystemet, har online shoppingplattformen fått bättre prestanda, stabilitet och användbarhet, vilket ökar marknadsföringsmöjligheterna och högre försäljning.

Projektets team erkändes som professionella för sin omfattande tekniska bakgrund och höga kommunikationsförmåga. Eftersom vi lyckades ordna samarbetet med kunden i den aktiva fasen av projektet fortsatte våra IT-experter att samarbeta med kunden och ge långsiktigt stöd för lösningen.

Projektets löptid

Sedan 2022
Projektet pågår fortfarande, i detta skede stöder vi plattformen och implementerar ny funktionalitet

Relaterade fall

Kontakta oss!

Boka ett samtal eller fyll i formuläret nedan så återkommer vi till dig när vi har behandlat din förfrågan.

Vad händer härnäst?

Efter att ha mottagit och behandlat din begäran kommer vi att återkomma till dig inom kort för att specificera dina projektbehov och underteckna en NDA för att säkerställa konfidentialitet av information.

Efter att ha undersökt kraven utarbetar våra analytiker och utvecklare en projektförslag med arbetets omfattning, lagets storlek, tid och kostnad. uppskattningar.

Vi ordnar ett möte med dig för att diskutera erbjudandet och komma överens.

Vi skriver på ett kontrakt och börjar arbeta med ditt projekt så snabbt som möjligt.

Rekommendationssystem: 72% förbättrad korsförsäljning genom datainsamling för onlinebutiker

Kund

Utmaning

Lösning

Vårt mål var att skapa ett datainsamlings- och bearbetningssystem för att ge både shoppare rekommendationer om relevanta varor och kunden mer relevant information om shopparens aktivitet på ett ställe.

Teknik och verktyg

Process

Team

Resultat

Relaterade fall

Kontakta oss!

Vad händer härnäst?

Låt^●s utvecklas
programvara tillsammans!

Den här webbplatsen använder cookies

Stäng

Rekommendationssystem: 72% förbättrad korsförsäljning genom datainsamling för onlinebutiker

Kund

Utmaning

Lösning

Vårt mål var att skapa ett datainsamlings- och bearbetningssystem för att ge både shoppare rekommendationer om relevanta varor och kunden mer relevant information om shopparens aktivitet på ett ställe.

Teknik och verktyg

Process

Team

Resultat

Relaterade fall

Kontakta oss!

Vad händer härnäst?

Låt●s utvecklas programvara tillsammans!

Den här webbplatsen använder cookies

Stäng

Låt^●s utvecklas
programvara tillsammans!