retail pricing search personaliztion
1.0.0
小売環境では、顧客が最初に最初に成功するための鍵となります。したがって、Webアプリケーション上の顧客のあらゆる相互作用は、顧客のプレフリーンスと関心について通知することができます。顧客情報のモデリングは、購入決定を支援する際に価値を解き放ち、そこでバシのKPIを移動することにより、価値を解き放つのに役立ちます。このリポジトリでは、Webアプリケーションに顧客のリアルタイムインタラクションを保存する機能をデモンストレーションして、次のbevioursをモデル化しました。
これらのモデル化された機能を使用して、これらの製品のDiscoverAbiltiyフロントで並べ替えおよびランキング機能を強化します。
http：// go/retail-demo
競争力のある価格設定と検索のためのEコマース小売アーキテクチャは、4つの主要な層で構成されています。
最新のeコマースバックされたシステムは、複数のソースからのデータをリアルタイムでバッチロードで照合し、このデータをスキーマ/形式に変換できるようにする必要があります。また、アーキテクチャは、ウェブサイト上の顧客行動を統合することも、在庫の発見可能性に積極的に貢献し、同時に優れた利益率で購入決定をサポートおよび改善することもできます。
これらの機能は、上記のeコマースアーキテクチャで素晴らしいキャプチャされています。1。mongodb kafkaコネクタの助けを借りて、複数のソースからMongodbにリアルタイムデータを沈めることができます。 2. MongoDB Spark ConnectorとDataBricks MLFlowの助けを借りて、機能を準備し、特定の製品のリアルタイムのほぼリアルタイムクリックストリームデータを考慮して、在庫の価格を予測するための堅牢なMLモデルをトレーニングすることができます。 3.すべての生成されたデータのストリームは、検索インデックスを構築し、製品のクエリと発見をサポートするために使用されるカタログと呼ばれるMongoDBコレクションの統一ビューに変換され、書き込まれます。 4. Atlas検索機能と堅牢な集約パイプラインの助けを借りて、検索/発見可能性、ハイパーパーソナライズ、モバイル/Webアプリケーションでの機能の並べ替えなどの機能を強化できます。
アプリを実行する前に、システムに次のインストールをインストールする必要があります。
このリポジトリをローカルマシンにクローンします。
git clone https://github.com/ashwin-gangadhar-mdb/retail-pricing-search-personaliztion.git
cd mobile-demo/backend-service次のファイルでMongoDB接続文字列を更新します。
./service/app.pyPIPを使用してプロジェクト依存関係をインストールします
pip3 install -r [label](service/requirements.txt)
Pythonコードを実行します。
python3 app.py
./run-connector.sh ./kafka/mongodb-clogs-sink-connector.properties ./kafka/mongodb-atp-sink-connector.propertiesgit clone https://github.com/ashwin-gangadhar-mdb/retail-pricing-search-personaliztion.git cd frontend
npm install react-scripts@latestfrontend/src/config.jsnpm start
