Gelişmiş Müşteri kişiselleştirme ve deneyim için Event-Driven Systems tasarlamak

Müşteri beklentileri dramatik bir şekilde değişti. Bugün, kullanıcılar bir müşterinin uyarlanmış, acil ve alakalı hissetmelerini talep ediyorlar. Bu dönüşüme göz atıyorlar, bir SaaS uygulaması kullanarak veya bir medya platformuyla etkileşime girebilmeleri, genel bir deneyim ve kişiselleştirilmiş bir kişi arasındaki fark, bir müşterinin tepki veren bir olay olarak, girişimciye veya sadık bir savunuculuk yaparak, bu dönüşümün kalbinde oturtuşturup, işletmelere mantıklı, yorum yapabilmelerini ve müşteri davranışlarıyla ilgili davranışlarına ilişkin hareket etmeyi tercih ederler.

Bu makale, etkinlik odaklı sistem tasarımına, müşteri kişiselleştirmedeki rolü ve bu tür bir mimariyi kullanarak modern araçları kullanarak uygulama için pratik düşünceler sunar:0)Directus) ve tamamlayıcı etkinlik akış platformları.

Event-Driven Systems Nedir?

Bir etkinlik odaklı sistem, program akışının olaylar tarafından belirlenir - kullanıcı eylemleri, sensör çıktıları, diğer sistemlerden gelen mesajlar veya durumdaki değişiklikler.Deprese döngüsü, olay odaklı mimariler (EDA) bir iteneğe dayalı model üzerinde çalışır: bir olay yapımcısı bir sinyal yayarlar ve herhangi bir olay tüketicisi mesajının, bir dizi bağımsız olarak sinyale tepki verir.Bu de bileşenleri takip etmek yerine, bağımsız olarak ölçeklendirmelerine izin verir ve en az geçki ile yanıt verir.

Müşteri kişiselleştirme için, olaylar, her tıklama, arama, sayfa görüşü, kart eki, form sunumu veya giriş bir olaydır). Yakalanan ve işlendiği zaman, bu olaylar bir niyet resmini çizir ve müşterinin uçuştaki yolculuğunu adapte etmek için kullanılabilir.

Olay odaklı sistemler yeni değildir - her şeyi finansal ticaret platformlarından IoT telemetri hatlarına güçler - ancak müşteri deneyimine başvuruları bulut-natif etkinlik otobüsleri, sunucusuz fonksiyonlar ve dikkatsiz içerik yönetim sistemleri sayesinde daha erişilebilir hale gelmiştir.

Event-Driven Architecture

  • [FONT:0]Asynchronous iletişim:[Döneticiler ve tüketiciler aynı zamanda aktif olmak zorunda değildir. Etkinlikler tüketiciler hazır olduğunda ve işlenir.
  • [FONT:0)Loose darbesi:[Döneticiler, değişimleri olan olayların yapısı dışında birbirleri hakkında hiçbir şey bilmiyor. Bu, sistemi evrimleşme ve ölçeklendirmek için daha kolay hale getiriyor.
  • [FONT:0] Sürekli tutarlılık:[Dönetici:[Dönetici:0)[Dönetici:0)[Döneticisel tutarlılık:[Dönetici:[Dönetici:0)[Dönetici:[Dönetici:0)))) Çünkü veriler, sistemin farklı kısımları geçici olarak, devletin farklı görüşlerini alabilir.
  • [FONT:0)Replayability: Mağazalı etkinlik girişleri, yeni algoritmaları test etmek veya geçmiş kararları denetlemek için yeniden işlenebilir.

Event-Driven Architecture

Kişiselleştirme için bir etkinlik odaklı sistemi tasarlamak için, olayların kökenden hareket etmesini sağlayan bina blokları anlamanız gerekir. Orijinal makale dört bileşen listeledi; her şeyi müşteri deneyimiyle ilgili somut örneklerle genişletiyoruz.

Event Yapımcıları

Etkinlik üreticileri ham sinyalleri üreten kaynaklardır. Bir müşteri kişiselleştirme bağlamında, üreticiler şunları içerir:

  • [FONT:0]Web ve mobil uygulamalar[[[Dönetici: 1) Kullanıcı etkileşimleri JavaScript SDK veya yerel uygulama etkinliği API'ler aracılığıyla takip edin.
  • [[DÜŞÜNÜ:0)Backend hizmetleri[DÜT:1)[Üyetim, CRM veya bir kullanıcı profili güncelledikçe, bir satın alma veya destek bileti alır.
  • [FONT:0]IoT cihazları - fiziksel perakende için olaylar, arıtlar, akıllı raflar veya nokta satış terminalleri gelebilir.
  • [FONTD:0]Third-parti entegrasyonlar[Dönetici: 1) e-posta pazarlama platformları, reklam ağları ve sosyal medya APIleri tüm üreticiler olarak hareket edebilir.

Kişiselleştirmenin kalitesi, olayın zenginliği ile doğrudan orantılıdır.En iyi uygulama sadece ne olduğunu değil aynı zamanda bağlamsal metadata: zamantamp, kullanıcı tanımlayıcısı, cihaz türü, oturum ID, referr, ve herhangi bir ilgili özellik (örneğin, ürün kimliği, fiyat, kategori).

Event Bus / Event Streaming Platform

Etkinlik otobüsü, mimarinin sinir sistemidir. Üreticilerden gelen olayları ve onları bir veya daha fazla tüketiciye yönlendirmektedir. Seçenekleri basit mesaj kuyruklarından (TebMQ, Amazon SQS) tam özellikli etkinlik akış platformlarına ulaşmadan önce (Apache Kafka, Amazon Kinesis, Google Pub/Sub) kolayca ulaşılabilmesi için, bir akış işleme yaklaşımı tercih edilir, çünkü gerçek zamanlı dönüşümlere, filtrelemeye ve zenginleştirmelere ulaşır.

[FONT:0] Doğru olay otobüsüne uygun olarak ölçek, geç ölçek gereksinimlerinize ve ekosisteme bağlıdır. Kafka genellikle yüksek kodlu kişiselleştirme hatları için, sunucusuz seçeneklerle AWS EventBridge entegrasyonunu SaaS endpointlerle basitleştirirkendir.

).

Event Tutrs (Processors)

Olay eller bir olayın bir eylem haline dönüştürülmesi mantığıdır. Bunlar olabilir:

  • [FONT=0]Stateless işlevleri[Dönetici:0)[Dönetici:0)[Döneticiler[Döneticiler) bir olaya cevap veren ve sonra sona erecektir.
  • [FONT=0]Stream işlemcileri [[Dönetici: 1 ) (e.g., Kafka Streams, Apache Flink) devlet bakımı ve zaman pencereleri üzerinde karmaşık bir agresyon gerçekleştirmektedir.
  • [FONT:0)Milya[Döneticiler[Döneticiler) belirli bir olay türü dinleyin ve iş mantığını uygular, bir kullanıcının profilini bir ürün görünümü etkinliği geldiğinde güncellemek gibi.

Directus merkezli bir yığında, olay eller, Webhooks, Akışlar (Directus’un otomasyon motoru) veya Directus’un etkinlik yaşam döngüsü kancalarını dinleyen özel bir orta dikkat. Örneğin, bir müşteri doğrudan tercihlerini güncellediğinde, bir etkinlik içerik beslemesini yeniden tanımlayan kişiselleştirme boru hattını tetikleyebilir.

Data Storage Data Storage

Olay verileri hem acil kullanım hem de tarihsel analiz için depolanmalıdır. İki tür depolama yaygındır:

  • [FONT:0][FONT][/FONT=FONT=0)[FONT=FONT=0)[FONT=FONT=0) Bu, her olayı sırayla koruyan bir gerçek kaynağıdır.
  • [FONT:0]State store / read-optlected database[[Dönetici:0)[[FONT:0))[değiştir | kaynağı değiştir] – bir veritabanı (PostgreSQL, DynamoDB, Elasticsearch), kullanıcı son 100 eylemleri gibi, segment üyeliği veya önceden belirlenmiş bir öneri setleri. Direktus'un kendisi müşteri profilleri ve içeriği için bir devlet mağazası olarak hizmet edebilir, başka yerlerdeki etkinlik akışları devam eder.

Event-Driven Systems ile Kişiselleştirmeyi Uygulamayın

Kişiselleştirme doğru içeriği sunmak, teklif etmek veya doğru anda belirli bir kullanıcı deneyimi sunmakla ilgilidir. Etkinlik odaklı mimariler bunu başarır çünkü bir sonraki etkileşimi etkileyebilecek bir sinyale her etkileşimi döndürürler.

  1. Bir müşteri bir eylem gerçekleştirir - e.g., bir ürün sayfası.
  2. Bir olay ürün ID, kullanıcı kimlik, zamantamp ve oturum bağlamı içeren bir olaydır.
  3. Etkinlik, kullanıcının ilgi profilini (örneğin, “kullanıcı dış dişliye ilgi gösteriyor”) içeren bir eller için etkinlik otobüsü aracılığıyla akışlar.
  4. Profil değişikliği yeni bir öneri sorgusu tetikliyor: diğer kullanıcıların bir sonraki benzer profillerle görüntülendiğini.
  5. Sonuç, müşterinin bir sonraki sayfa yükü üzerinde hemen yüzeyseldir - belki de ana sayfadaki bir pankart veya “similar öğeleri” karousel.

Bu sürekli geri bildirim döngüsü, olay odaklı kişiselleştirmeyi gece süren topluca yaklaşımlardan daha duyarlı hale getirir. Aynı zamanda “ışıklık” kişiselleştirmeyi de sağlar. 0.000-time fiyat ayarı, kişisel arama sıralaması, dinamik e-posta tetikleyicileri ve sohbetleri canlı sohbete sunar).

Action'da Gerçek Zamanlı Kişiselleştirme

Directus'u bir olay odaklı bir arka uçun yanında bir online perakendeci düşünün.Bir müşteri kendi arabasına bir ceket eklerken:

  • Araç hizmeti birİLFLT:0) olayı yayıyor.
  • Bir akış işlemcisi, kullanıcının konumu ve hava verileri ile olayı zenginleştirir (üç partili API ile).
  • Zenginleştirilmiş olay, eşleşen aksesuarları önerdiği bir öneri motoru tetikliyor - eldivenler, şapkalar veya bir eşleştirme sırt çantası.
  • Simultane olarak, aynı kullanıcı için indirim olayı, checkout sırasında bir pop-up olarak gösterilen kişiselleştirilmiş bir promo'nun ortaya çıkmasına izin veriyor.

Tüm bunlar milisaniyeler içinde gerçekleşir, müşteri hiç karmaşık bir sistemin sahnelerin arkasında orkestra yapıyor. Sonuç, ortalama sipariş değerini artıran ve terk eden neredeyse önceden belirlenmiş bir deneyimdir.

Data Analysis and Machine Learning

Gerçek zamanlı tepkiler güçlü olsa da, en etkili kişiselleştirme stratejileri de geçmişten öğrenilir. Etkinlik odaklı sistemler doğal olarak yüksek hacimli, yüksek seviyeli bir eğitim makinesi öğrenme modelleri için idealdir.

[0] Etkinliğe dayalı kişiselleştirmede ML için vakaları kullanabilirsiniz:).

  • [FONT:0) Tahmin edici segmentasyon:[Dönetici:[Dönetici:[Dönetici:0) Son olay dizilerinde otomatik olarak grup kullanıcıları mikro-segments (e.g., “ortalama müşterileri”, “ sezon alışveriş yapanlar)
  • [FONT:0) Sonraki en iyi aksiyon modelleri:[Dönetici:[Dönetici:0) Verilmiş bir durumda verilen bir kullanıcı için dönüşüm sonucu elde etmek büyük olasılıkla.
  • [FONT:0)Anomaly algılama:[Dönetici:[Dönetici:[Dönetici:0) Bayrak, bir risk veya ilgi değişikliği gösterebilir, bir saklama kampanyasını tetikleyebilir.
  • [FONT:0) Gerçek zamanlı kişiselleştirme puanı: Kullanıcı başına her içerik öğeye “kişiselleştirme puanı” atan modeller, yeni olaylar akışı olarak güncellendi.

ML'yi desteklemek için, etkinlik mağazası yeterli süre için veri tutmalıdır (örneğin 30-90 gün) ve eğitim hatlarına erişilebilir olmalıdır.Ayrıntılı bilgi için Apache euro veya Protokolü Buffers for event schemas help maintain equality across producer and tüketici versions.

Event-Driven Personalization

Avantajları sadece “daha iyi tasarlanmış bir olay odaklı kişiselleştirme sistemi tüm müşteri deneyimi yığınına yapısal faydalar getiriyor.

  • [FONT:0)Enhanced Müşteri Katılımı:[Dönetici] Gerçek zamanlı ilgi, kullanıcıları aktıda tutar.Onlar ilgi alanlarına uygun makaleleri görürler ve spam gibi bir araya gelme tekliflerini alırlar.
  • [[Dönemli Dönüşüm Oranları:[Dönetici:0] Kişiselleştirme, geri dönüş kullanıcısının daha önce neye benzediğini araması gerekir, bir kart hatırlatıcısı en uygun anda geldiğinde veya bir ürün sayfası dinamik olarak vurgulandığında, dönüşüm oranları tırmanır.A/B testleri genellikle olayda kişiselleştirmenin 10-30% asansörlerini statik deneyimler üzerinde aramaları gerekir.
  • [FONT=0)Better Data Utilization:[Dönetici: [Dönetici:0)Her olay, modeli daha fazla düzenlemeye yol açan bir veri noktası.Geceler arasındaki verilerin her etkileşimini nasıl kullandığı, olay odaklı boru hatlarının her etkileşimini sağlar: daha fazla olay daha iyi modellere yol açar.
  • [FONT:0)Scalability:[Dönetici:[Döneticileri) Mevcut kodu değiştirmeden, birçok bulut sağlayıcının ikinci başına milyonlarca olayla başa çıkmalarını sağlayan yeni tüketiciler (örneğin, yeni bir kişiselleştirme algoritması) ölçeklenebilir.
  • [[Dönetici:0) Market'e hızlı bir zaman:[Dönetici] çünkü takımlar etkinlik üreticileri, eller ve veri mağazaları bağımsız olarak, yeni kişiselleştirme özellikleri, yeni bir etkinlik türü ekleyebilir ve temel hizmetlere dokunmadan dağıtılabilir.

Directus, eski kaçınılmaz olay kancaları ve Akış otomasyonu ile, takımların ağır altyapı yatırımları olmadan bu entegrasyonları inşa etmelerine izin verir. Örneğin, bir geliştirici Directus'ta olayı dinleyebilir ve hemen Kafka'ya veya bir öneri servisine gönderir.Bu, bir headless CMS kullanarak takımlar için bu entegrasyonları benimsemeye yardımcı olur.

Meydanlar ve düşünceler

Olaya dayalı kişiselleştirme, bir gümüş mermi değildir. Dikkatli mimari kararlar ve organizasyonel uyum gerektirir. Aşağıda en önemli zorluklar ve bunları nasıl ele almak gerekir.

Data Privacy and Governance

Event akışları son derece karmaşık kullanıcı verilerini içerir - her tıklama, yer ve tercih. Bu onları GDPR ve CCPA gibi gizlilik düzenlemeleri için bir hedef haline getirir.You must implement processes for:

  • [FONT:0)Konsent yönetimi:[Döneticileri olmayan, kullanıcı onayı yakalama ve mağaza sahibi olun.Gruplatlama değişikliklerinin olay eller için yayılabilir bir sistem kullanın.
  • [FONT:0)Data Hold:[Dönetici:0)[Dönetici depolama politikalarının belirlenmesi. Kişiselleştirme genellikle tarihsel verilere ihtiyaç duyar, ancak bunu süresiz olarak tutamazsınız. Kafka konularda zamanınızı kullanın veya otomatik delesyon uygulayın.
  • [FONT:0)Anonymization/pseudonymization: Kombinasyonlarda kullanılan olay akışları için doğrudan alanları tespit eder. Bazı platformlar etkinlik filtreleme ve otobüs seviyesinde maskeleme yapar.
  • [[Dön to deletion:[[Dönetici: 0 3) Bir kullanıcı veri silme talep ettiğinde, yeniden oyun logları dahil olmak üzere tüm olayları kaldırabilirsiniz.Bu teknik olarak, taklit edilebilir bir işaretleyicisi ile zorludur; işlem sırasında silinmiş kullanıcıları filtrelemek için kullanılır.

Sistem Kompleksi

Olay odaklı sistemler yeni başarısızlık modlarını tanıtıyor: Olay siparişi, tekrarlanan olaylar, eksik olaylar ve geri baskı. Basit bir istek-response API, normal bir istek-söz API'si, akış lineer olduğu için daha kolaydır.

  • [FONT=0]Idempotent eller:[Dönetici:[Dönetici:0) Aynı olayı iki kez işlemenin aynı sonucu üretmesini sağlamak. eşsiz olay kimlikleri ve deduplication mantığı kullanın.
  • [FONT=0) İzleme ve gözlemlenebilirlik:[Dönetici:[Dönetici:0) Dağın dağıtılmış tracing araçları kullanılarak yapılan İz olayları (Jaeger, OpenTelemetri). İzleme olayı geri sayı, tüketici gecikme ve hata oranları.
  • [FONT:0]Schema yönetimi:[Döneticiler geliştikçe, üreticiler ve tüketiciler bir şema kayıt (örneğin, Confluent Schema Kayıt) geri uyumluluk kontrolleri ile kabul etmelidir.

Gerçek Zaman İşleme Latency

“Gerçek zamanlı” bir spektrumdur. Bazı kişiselleştirme kullanım durumları (örneğin, dolandırıcılık algılama), alt saniye geçkisi kritiktir. diğerleri için (örneğin, e-posta önerileri), dakikalar kabul edilebilir.

  • [FONT=0]Stream işleme vs. toplu mikro-batımı:[[Dönetici: 1) Kafka Streams veya Flink basit dönüşümler için alt ikinci işlem elde edebilir. makine öğrenimi için ikna edici modeller ve onları bir şekilde güncelleyebilir.
  • [FONT=0)Edge Bilgisayarı:[Dönetici için [Dönüşükümlü kişiselleştirme (örneğin, bir ürün sayfasında dinamik fiyatlandırma), bir CDN veya kenar hesap platformu üzerinde hafif olay işleme işlemi yürütmek.

Etkinlik Schemaling Personalization Logic to Event Schema

Ortak bir pitfall, tek bir olay türünin tam şekline çok ağır bağlı kişiselleştirme mantığı inşa etmektedir. Bu şema değişiklikleri, her şey kırılır.

  • Müşteri olayları için kanonik bir veri modeli kullanarak (örneğin, ESFLT:2) ortak alanlarda ve esnek bir özellik haritası ile).
  • İş mantığından zenginleştirme: Belirli bir boru hattı aşamasında şema dönüşümleri ele almak, eller arasında dağınık değil.

Directus ile Referans Mimarisi

Bu kavramların zemininde, burada, somut bir mimari ile doğrulanmıştır:0)Directus[[Dönetici: 1) Başsız CMS ve veri geri dönüş, olay akış hizmetleri ile bir araya geldi.

  1. [[DÜŞÜNÜ:0) Üretim: [DÜDÜT:1] Direkter uygulama, içerik oluşturulduğunda, güncellenen veya silindiği bir olay üreticisi olarak hareket eder. kullanıcı etkileşimleri için (örneğin, sayfa görüşleri, aramalar), ayrı bir ön uçlu SDK olayları doğrudan bir olay otobüsüne (örneğin Kafka veya Amazon EventBridge). Direktus Akışları da weboksları iç olaylara yanıt olarak yayılabilir.
  2. [FONT:0] Event Bus: [Dönetici: [Dönetici] Apache Kafka veya AWS Kinesis tüm olayları takip ediyor. Etkinlikler kullanıcı başına sipariş vermek için kullanıcı kimlik tarafından bölümlenir.
  3. [[Dönetici:0) bileksiz fonksiyonlar (AWS Lambda, Cloud Functions) kullanıcı profilini Directus (via the API), başka bir vektör veritabanı üzerinde bir öneri sorgusu ve üçüncü zenginler olayları dış verilerle (arka, envanter durumu) günceller.
  4. [FONT:0)State Store:[Dönetici:0] Directus, master müşteri profillerini, ürün katalogunu ve kişiselleştirilmiş içerik koleksiyonlarını saklar. vektör veritabanı (e.g., Pinecone) benzer bir şekilde yer alır.
  5. [[Dönetici:0)Kişiselleştirme Teslimatı:[Dönetici 1] Bir müşteri bir sayfayı yüklerken, ön uç, Doğrudanus SDK'yı içeriği getirmek için çağıran ve gerçek zamanlı olarak vektör veritabanı veya tahmin uç noktası sorgulayarak kişiselleştirme alanı içeren bir alan içeren bir alan içerir.

Bu mimari modülerdir: Her bileşen bağımsız olarak değiştirilebilir veya ölçeklenebilir. Directus' REST ve GraphQL APIs, olay odaklı akışlarla çiftleşmiş, CMS'yi olay boru hattına basitleştirir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Müşteri kişiselleştirme için olay odaklı sistemler sadece teknik bir seçim değildir - müşterilerin bunları bilmelerini beklediği bir stratejik durumdur, onları hatırla ve gerçek zamanlı olarak bireysel davranışlara tepki verebilecek mimariler. Olay odaklı sistemler, bu deneyimleri ölçeklendirmek için çeviklik sağlarken, aynı zamanda makine öğrenimi yoluyla sürekli iyileşme için zengin bir veri temeli inşa eder.

Bir statik, toplu odaklı kişiselleştirme yaklaşımından gerçek zamanlı bir olaya doğru bir şekilde yatırım gerektirir, takım becerileri ve veri yönetimi. Ancak, ödeme - daha yüksek katılım, dönüşüm, daha derin müşteri sadakati - bu daha önce en ödüllendirici dönüşümlerden birini yapar.Mevcut müşteri dokunuş noktalarınızı yaymak için başlayın, sonra yavaş yavaş hareket ve adaptasyon arasındaki döngüyü ortaya koyar.

Olaya dayalı mimari kalıpları hakkında daha fazla okuma için, bakınız:0)Martin Fowler'in etkinlik odaklı mimarileri genel bakışı). ve [[Döneticileri|Döncük tasarıma kılavuzluk[Döncüksel tasarıma dayalı tasarıma][Dönsüz bir CMS ile pratik uygulama için, olay odaklı mimariler hakkında doğru bloglar.).