Ein Skript im Header genügt, damit ein Shop Empfehlungen anzeigt: So habe ich die Architektur entworfen
Ein SaaS, das anhand von Seitenaufrufen und Kaufhistorie der Shopbesucher Produkte empfiehlt. Es nutzt die von VODA, dem Webanalysedienst desselben Unternehmens, gesammelten Daten; ein Shop fügt nur ein Skript in den Header ein, um Empfehlungen zu erhalten und anzuzeigen. Acht Personen waren beteiligt; als Softwarearchitekt habe ich Datenfluss, API, Datenbank und die Struktur der Empfehlungsalgorithmen entworfen.
- 6 BereicheSelbst entworfen, vom Datenfluss bis zur Struktur der Empfehlungsalgorithmen
- 3Selbst entwickelte statistikbasierte Empfehlungsalgorithmen
- 8 PersonenEin Team aus Architekt, KI-, Backend- und Frontend-Entwicklern, PD und PM
Ein Bereich, der allen Mitgliedern die meistgesehenen Produkte empfiehlt. Das obere Menü des Shops wurde abgeschnitten.
Übersetzte Referenz · Koreanisches Original ansehen- Zugewiesene Rolle
- Als Softwarearchitekt habe ich Datenerfassung und -analyse, die Anzeige der Empfehlungen, die REST-API, die relationale Datenbank, Kundensegmente und die Struktur der Empfehlungsalgorithmen entworfen und die statistikbasierten Empfehlungsalgorithmen entwickelt.
- Ergebnisse
- Ich habe eine Struktur geschaffen, die aus den VODA-Daten kundenspezifische Empfehlungslisten erstellt und im Shop anzeigt. Eine Empfehlung der meistgesehenen Produkte lief auf der Startseite eines echten Onlineshops.
- 1DatenflussAnalyse auf gekaufte und häufig angesehene Produkte ausgerichtet
- 2Anzeige der EmpfehlungenEin Header-Skript holt die Empfehlungsliste und zeigt sie an einer festen Stelle
- 3API und DatenbankSkript-API, VODA-Anbindungs-API und Tabellen für Verhaltensmuster entworfen
- 4EmpfehlungsalgorithmenKundensegmente und Modulstruktur entworfen, drei statistische Empfehlungen entwickelt
Von dieser Technologie erwartete Änderungen
Anbindung mit wenig Aufwand für den Shop
Ein Shop erhält einen Empfehlungsbereich allein durch ein Skript im Header, sodass nicht für jeden Shop eigens entwickelt werden muss.
Unterschiedliche Empfehlungen für jeden Kunden
Durch den Fokus auf gekaufte und häufig angesehene Produkte und die Gruppierung ähnlicher Kunden lassen sich jedem Kunden andere Produkte zeigen.
Eine Struktur, in der sich Algorithmen leicht hinzufügen und entfernen lassen
Empfehlungsalgorithmen werden in Django wie Module verwaltet, sodass beim Hinzufügen oder Entfernen wenig anderes angepasst werden muss.