retail pricing search personaliztion
1.0.0
소매 환경에서 고객을 먼저 전자 상거래 사업을 성공시키는 데 열쇠가됩니다. 따라서 웹 애플리케이션에서 고객의 모든 상호 작용은 고객의 사전과 관심사에 대해 알릴 수 있습니다. 고객 정보를 모델링하면 구매 결정을 돕는 데있어 가치가 잠금을 해제하고 Bussiness의 KPI를 이동시켜야합니다. 이 저장소에서 우리는 웹 애플리케이션에 고객의 실시간 상호 작용을 저장하여 다음과 같은 BEVIOURS를 모델링하는 기능을 시상했습니다.
그런 다음 이러한 모델링 된 기능은 이러한 제품의 DiscoverAbiltiy 전선에서 분류 및 순위 기능을 전원으로 전력을 공급하는 데 사용됩니다.
http : // go/소매-데모
경쟁력있는 가격 및 검색을위한 전자 상거래 소매 아키텍처는 4 개의 주요 계층으로 구성됩니다.
최신 전자 상거래 백업 시스템은 여러 소스의 데이터를 실시간으로 수집 할 수 있고 배치로드를 실시간으로 수집 할 수 있어야 하며이 데이터를 추가 인벤토리를 발견 할 수 있도록 Lucene 검색 인덱스를 구축 할 수있는 스키마/형식으로 변환 할 수 있어야합니다. 또한 아키텍처는 웹 사이트의 고객 행동을 재고 발견에 긍정적으로 통합 할 수 있어야하며 동시에 이익률이 우수한 구매 결정을 지원하고 향상시킵니다.
이러한 기능은 위의 전자 상거래 아키텍처에서 잘 캡처됩니다. 2. MongoDB Spark Connector 및 Databricks MLFlow의 도움을 받아 주어진 제품에 대한 거의 실시간 클릭 스트림 데이터가 주어진 인벤토리 가격을 예측하기 위해 기능을 준비하고 강력한 ML 모델을 훈련시킬 수 있습니다. 3. 생성 된 데이터 스트림은 검색 인덱스를 구축하고 제품의 쿼리 및 검색을 지원하는 데 사용되는 Catalog라는 MongoDB 컬렉션에서 통합 된보기로 변환되고 작성됩니다. 4. ATLAS 검색 기능 및 강력한 집계 파이프 라인의 도움을 받아 검색/발견 성, 하이퍼 개인화 및 모바일/웹 애플리케이션에 특징적인 기능을 제공 할 수 있습니다.
앱을 실행하기 전에 시스템에 다음을 설치해야합니다.
이 저장소를 로컬 컴퓨터로 복제하십시오.
git clone https://github.com/ashwin-gangadhar-mdb/retail-pricing-search-personaliztion.git
cd mobile-demo/backend-service다음 파일에서 MongoDB 연결 문자열을 업데이트하십시오.
./service/app.pyPIP를 사용하여 프로젝트 종속성을 설치하십시오
pip3 install -r [label](service/requirements.txt)
파이썬 코드를 실행하십시오.
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
