Зоомания
- 1
- 0
- Опубликовано: 2020-08-17
ZOOMANIA ИНТЕРНЕТ-МАГАЗИН
Наш клиент нуждался в интернет-магазине, функционал которого выходит далеко за пределы “коробочных решений”. Архитектура магазина Zoomania является открытой для доработок и внедрения нового функционала. Мы разрабатывали его с учетом последующей переработки в маркетплейс. Как и все разработанные нами проекты, Zoomania отвечает всем требованиям Highload-оптимизации и выдерживает большую посещаемость и ежесекундный поток заказов.
Следующая задача заключалась в разработке автозаказчика для поставщиков. Мы разработали микросервис (с элементами Machine Learning), который каждый день пробегает по остаткам товаров на складе и, пользуясь аналитическим алгоритмом, оценивает расход товара в связке с популярностью, а затем рассчитывает необходимое количество товаров каждого вида для заказа. На основании этих оценок, осуществляется формирование списка товаров для закупки у поставщиков. Администратор премодерирует данные файла, после чего разрешает микросервису отправить его письмом на почту поставщиков.
В соответствии со следующей задачей, мы создали систему, анализирующую продажи товаров и динамически формирующую количество бонусов, которые возвращаются после покупки на внутренний счет покупателя. Для более популярных товаров бонусов начисляется меньше, для менее популярных - больше. Эти бонусы можно потом использовать в качестве скидки для следующих покупок. Таким образом мы повышаем шансы на реализацию менее популярных товаров и повышаем лояльность клиентов.
Наш клиент нуждался в интернет-магазине, функционал которого выходит далеко за пределы “коробочных решений”. Архитектура магазина Zoomania является открытой для доработок и внедрения нового функционала. Мы разрабатывали его с учетом последующей переработки в маркетплейс. Как и все разработанные нами проекты, Zoomania отвечает всем требованиям Highload-оптимизации и выдерживает большую посещаемость и ежесекундный поток заказов.
Следующая задача заключалась в разработке автозаказчика для поставщиков. Мы разработали микросервис (с элементами Machine Learning), который каждый день пробегает по остаткам товаров на складе и, пользуясь аналитическим алгоритмом, оценивает расход товара в связке с популярностью, а затем рассчитывает необходимое количество товаров каждого вида для заказа. На основании этих оценок, осуществляется формирование списка товаров для закупки у поставщиков. Администратор премодерирует данные файла, после чего разрешает микросервису отправить его письмом на почту поставщиков.
В соответствии со следующей задачей, мы создали систему, анализирующую продажи товаров и динамически формирующую количество бонусов, которые возвращаются после покупки на внутренний счет покупателя. Для более популярных товаров бонусов начисляется меньше, для менее популярных - больше. Эти бонусы можно потом использовать в качестве скидки для следующих покупок. Таким образом мы повышаем шансы на реализацию менее популярных товаров и повышаем лояльность клиентов.
Пример реализации
Комментариев нет
оставить комментарий могут только авторизованные пользователи
