retail pricing search personaliztion

Einführung

In einer Einzelhandelsumgebung wird der Kunden den Schlüssel zum Erfolg, um jede E -Commerce -Business zu erfüllen. Jede einzelne Interaktion des Kunden in einer Webanwendung kann also über die Kunden und Interessen der Kunden informieren. Die Modellierung von Kunden Informationen löst den Wert bei der Unterstützung von Kaufentscheidungen und dort, indem Sie den KPI der Business verschieben. In diesem Repository haben wir die Funktionen zum Speichern der Echtzeit -Interaktion des Kunden in der Webanwendung demokriert, um die folgenden BEHVIOURS zu modellieren:

1. Wettbewerbspreisvorschlag unter Verwendung des Kaufverhaltens des Produkts
2. Bussiness Intelligence Score für einzelne Produkte zur Bestimmung der Verkaufsabilitation des Produkts

Diese modellierten Merkmale werden dann verwendet, um die Sortier- und Ranking -Funktionen auf der Entdeckung dieser Produkte zu versorgen.

Live -Demo

http: // Go/Retail-Demo

Architektur

Architekturübersicht

Die E -Commerce -Einzelhandelsarchitektur für wettbewerbsfähige Preise und Suche umfasst 4 Hauptschichten, nämlich:

1. Multi-Tenant-Streaming-Einnahme
2. Stream -Verarbeitung
3. AI/ML -Modellierung
4. Betriebsdatenspeicher und Suchmaschine

Ein modernes E-Commerce-System sollte in der Lage sein, Daten aus mehreren Quellen in Echtzeit sowie Stapellasten zu sammeln und diese Daten in ein Schema/Format umzuwandeln, auf dem ein Lucene-Suchindex erstellt werden kann, um die Ermittlung des zusätzlichen Inventars zu ermöglichen. Auch die Architektur sollte auch in der Lage sein, das Kundenverhalten auf der Website positiv zur Entdeckbarkeit des Bestands zu integrieren und gleichzeitig Kaufentscheidungen mit einer guten Gewinnspanne zu unterstützen und zu verbessern.

Diese Funktionen sind in der obigen E-Commerce-Architektur gut erfasst, in der: 1. Mit Hilfe des MongoDB-Kafka-Anschlusses in der Lage sind, Echtzeitdaten von mehreren Quellen nach MongoDB zu versenken. 2. Mit der Hilfe von MongoDB Spark Connector und Databricks MLFlow können wir Funktionen vorbereiten und ein robustes ML-Modell ausbilden, um den Preis des Inventars anzugeben, da die nahezu Echtzeit-ClickStream-Daten zu den angegebenen Produkten vorhanden sind. 3. Alle generierten Datenströme werden in eine einheitliche Ansicht in der MongoDB -Sammlung namens Catalog umgewandelt und geschrieben, mit der Suchindizes erstellt und die Abfragen und Entdeckung von Produkten unterstützt werden. 4. Mit der Hilfe von Atlas -Suchfunktionen und robusten Aggregationspipelines können wir Funktionen wie Suche/Entdeckbarkeit, Hyper -Personalisierung und Sortierart bei mobilen/Webanwendungen mit Strom versorgen.

Voraussetzungen

Bevor Sie die App ausführen, müssen Sie Folgendes in Ihrem System installieren:

• Python 3
• PIP3
• NPM

Stellen Sie den Backend -Dienst ein

• Klonen Sie dieses Repository in Ihre lokale Maschine.

  git clone https://github.com/ashwin-gangadhar-mdb/retail-pricing-search-personaliztion.git
  cd mobile-demo/backend-service

• Aktualisieren Sie die MongoDB -Verbindungszeichenfolge in der folgenden Datei.

  • ./service/app.py

• Installieren Sie die Projektabhängigkeiten mit PIP

   pip3 install -r [label](service/requirements.txt)
  

• Führen Sie den Python -Code aus.

   python3 app.py
  

Ausführen der App

• Starten Sie den Kafka -Kunden
• Aktualisieren Sie die Kafka -Sink Connector Config in
  • ./kafka/mongodb-clogs-sink-connector.properties
  • ./kafka/mongodb-atp-sink-connector.properties
• Führen Sie die Anschlüsse für Kakfa aus

  ./run-connector.sh ./kafka/mongodb-clogs-sink-connector.properties ./kafka/mongodb-atp-sink-connector.properties

• Klonen Sie dieses Repository in Ihre lokale Maschine.

  git clone https://github.com/ashwin-gangadhar-mdb/retail-pricing-search-personaliztion.git

• Installieren Sie die Abhängigkeiten mit NPM oder Garn.

   cd frontend
  npm install react-scripts@latest

• Aktualisieren Sie die API -Anmeldeinformationen und Endpunkte am folgenden Ort
  • frontend/src/config.js
• Starten Sie die React -App in einem separaten Terminalfenster.

npm start