Convierta los recibos en un motor de crecimiento con el modelo orientado a documentos y los conocimientos de IA potenciados por MongoDB.
caso de uso: Modernización, Personalización, Vista única
Industrias: Comercio minorista
Productos: MongoDB Atlas, MongoDB Atlas Triggers, MongoDB Atlas búsqueda vectorial, MongoDB Change Streams, Voyage IA
emparejar: Microsoft Azure
Resumen de la solución
Vivimos en una era en la que los procesos en papel están siendo rápidamente reemplazados por soluciones automatizadas y personalizadas, como los recibos digitales. Estos elementos se están convirtiendo en el estándar de la industria y están brindando experiencias personalizadas a los clientes.
Los minoristas que adoptan esta transformación obtienen una ventaja competitiva al liberar el valor de sus datos. Los recibos digitales proporcionan perspectivas valiosas y procesables que pueden impulsar recomendaciones personalizadas de productos y ayudar a las empresas a destacarse de la competencia.
Este documento explora cómo los minoristas pueden utilizar MongoDB para almacenar y gestionar los datos de recibos digitales con el fin de ofrecer recomendaciones de productos personalizadas y mejorar la experiencia post-compra. Descubrirás los desafíos comunes en la gestión de datos de recibos y cómo MongoDB simplifica el acceso y la activación para experiencias en tiempo real centradas en el cliente.
Transforma los datos de transacciones en acciones valiosas
Cuando un cliente compra en una tienda física, los recibos digitales se convierten en un punto de contacto estratégico. Los minoristas pueden usar estos elementos para brindar sugerencias personalizadas y como un vínculo para continuar comprando en línea, todo dentro del mismo recibo digital.
Al pasar a la experiencia en línea, ya sea a través de una aplicación móvil o un navegador, los clientes reciben recomendaciones de productos personalizadas basadas en su historial de compras completo. Además, conservan sus beneficios de fidelización en todos los canales, disfrutando de una experiencia personalizada impulsada por una experiencia 360de cliente unificada.
Figura 1. Con MongoDB, los recibos digitales conectan los recorridos en tienda y en línea con recomendaciones impulsadas por IA en tiempo real, lo que permite una experiencia del cliente de 360°
Los recibos digitales ofrecen a las empresas acceso a varios beneficios estratégicos, incluyendo:
Mejorar la interacción del cliente mediante experiencias personalizadas: Con datos transaccionales, los minoristas pueden adaptar sus esfuerzos de marketing, como ofrecer recomendaciones inteligentes de productos, compartir ofertas personalizadas y ejecutar campañas publicitarias dirigidas.
Descubriendo valiosas perspectivas del cliente: Al analizar el comportamiento y las preferencias a gran escala.
Reducción de costos operativos: eliminando la necesidad de imprimir, almacenar y administrar recibos en papel.
Nota
Historia de éxito del cliente
Descubra cómo Albert Heijn, la cadena de supermercados más grande de los Países Bajos, utiliza MongoDB para respaldar aplicaciones orientadas al cliente.
Retos en la gestión de datos y cómo puede resolverlos MongoDB
Gestionar los datos de recibos puede ser complicado. En esta sección, explorará los principales obstáculos y aprenderá cómo MongoDB puede ayudarle a superarlos.
Datos aislados y sin una única fuente de verdad
Los minoristas suelen almacenar múltiples copias de datos de ventas en herramientas de terceros desconectadas, lo que lleva a una visibilidad limitada y a información fragmentada que es difícil de analizar o activar. MongoDB aborda este desafío actuando como una plataforma de datos flexibles centralizada que consolida los datos de múltiples sistemas. Simplifica la integración, elimina silos y crea una capa unificada de datos operativos que respalda el análisis de datos en tiempo real para obtener información accionable.
Los datos de los recibos de venta son complejos
Los datos de ventas a menudo provienen de sistemas heredados y se almacenan en formatos complejos y de gran volumen, como XML, que están profundamente anidados y son inconsistentes. EnRDBMS, los arquitectos deben distribuir los datos en múltiples tablas para gestionar esa complejidad. En cambio, MongoDB utiliza su modelo de documento flexible para adaptarse a los requisitos de los datos, y no al revés. Esta capacidad permite un desarrollo más rápido y cambios de esquema sencillos, como la adición de campos para recomendaciones personalizadas, en cualquier momento y sin interrupciones.
Escalado rápido de datos
Los minoristas generan diariamente enormes volúmenes de datos de recibos y los sistemas deben estar a la altura. Por ejemplo, Albert Heijn, la mayor cadena de supermercados de los Países Bajos, utiliza MongoDB para procesar más de un millón de transacciones diarias en 50 servicios. MongoDB se escala automáticamente, ofrece particionado y sets de réplicas para alta disponibilidad y le permite separar cargas de trabajo. Esto significa que la IA en tiempo real, los reportes o el análisis pueden ejecutarse sin interrumpir tu aplicación principal.
Privacidad del cliente
Los recibos suelen contener datos personales de los clientes, por lo que la seguridad y el cumplimiento son esenciales. MongoDB admite un manejo seguro y conforme de los datos con funciones sólidas de seguridad empresarial integradas y privacidad de datos. Incluye cifrado de datos durante todo el ciclo de vida, RBAC y auditoría. Además, el particionado de zona te permite almacenar datos en la región de tu preferencia, y garantiza el cumplimiento y un rendimiento óptimo en todas las regiones.
Obtenga información en tiempo real a partir de los datos de recibos
Convierte los datos de recibos en valor en tiempo real con este proof of concept (prueba de concepto, PoC) usando MongoDB Atlas como el almacén de datos central. La demostración muestra un microservicio de backend para la creación de facturas en un sistema ficticio de comercio electrónico, adaptable a tiendas físicas. MongoDB unifica los datos operativos y de IA, proporcionando control total sobre tus datos mientras los mantiene accesibles para su uso posterior.
Arquitecturas de Referencia
Construya una base para la personalización en tiempo real
Las experiencias personalizadas de los clientes empiezan con datos conectados, accesibles y procesables. Una visión unificada de los datos operativos es clave para desbloquear todo el potencial de las tecnologías modernas.
Esta demostración muestra cómo el modelo orientado a documentos flexible de MongoDB y las capacidades de integración en tiempo real pueden convertir datos operativos en recorridos de usuario inteligentes y receptivos. El siguiente diagrama muestra una vista a alto nivel de la solución:
Las transacciones de comercio electrónico y en tienda fluyen a la colección de facturas de MongoDB, creando un historial de compras completo y unificado para cada cliente.
Los datos operativos se almacenan usando el modelo orientado a documentos de MongoDB como fuente única de verdad.
Los microservicios y sistemas externos se integran a la perfección con las capacidades de MongoDB para ofrecer recomendaciones en tiempo real e impulsadas por IA, activadas por datos de facturas.
Figura 2. Este diagrama ilustra los componentes principales de la solución demo
Para crear esta solución, se implementan dos microservicios de backend (facturación y recomendación) en Azure App Services y se usan Azure Functions para simular integraciones externas, como la lógica fiscal o los programas de fidelización. Los recibos generados se almacenan como archivos PDF en Azure Blob Storage, estrechamente vinculados a sus metadatos estructurados en MongoDB.
Facturas modelo y datos de catálogo para un caso de uso basado en IA
El modelo orientado a documentos almacena todos los datos relacionados con la factura en una sola colección, desde detalles fiscales hasta una lista de recomendaciones personalizadas de productos basadas en una compra específica. Esta flexibilidad garantiza que el esquema pueda evolucionar junto con la empresa, permitiendo actualizaciones sin interrupciones sin fricción ni tiempo de inactividad.
Para habilitar la personalización, puedes almacenar datos semiestructurados en MongoDB. El catálogo de productos contiene detalles principales, como precio, descripción y categorías, además de datos semánticos generados por modelos de embedding de IA. Con el modelo embedding de texto voyage-3-large de Voyage AI, puedes enriquecer los datos del producto con vector embeddings para una recuperación de catálogo más inteligente impulsada por IA.
Figura 3. MongoDB combina detalles tradicionales del producto con incrustaciones vectoriales de Voyage AI, lo que permite la búsqueda semántica y funcionalidades de IA directamente en el catálogo de productos.
Nota
Modelos de Embedding con Voyage IA
Voyage AI ofrece múltiples modelos de incrustación de texto adaptados a diferentes dominios, incluidos legal, código y finanzas. Para explorar los modelos disponibles y encontrar el más adecuado para tu caso de uso, visita la Documentación de incrustaciones de texto.
Además, puedes implementar recomendaciones de productos con Vector Search para identificar productos similares a los que el cliente ya compró. En este caso, un microservicio de recomendaciones genera sugerencias para cada cliente. Este microservicio se puede mejorar aún más incorporando un modelo de IA entrenado con datos de compras anteriores.
Orquesta Flujos de datos en tiempo real con un diseño orientado a eventos
Las experiencias del cliente en tiempo real dependen de sistemas que responden instantáneamente a los eventos. La arquitectura basada en eventos lo hace posible al permitir que los servicios se comuniquen mediante eventos, indicando que ha ocurrido algo importante. Este patrón se ha adoptado ampliamente en los sistemas minoristas modernos porque permite que los servicios se mantengan desacoplados, escalables y con alta capacidad de respuesta.
Puedes aplicar Change Streams y Atlas Triggers para detectar cambios en la base de datos y coordinar microservicios mediante un patrón de coreografía. Este patrón se explica en los microservicios de facturación y recomendaciones.
Figura 4. La coreografía basada en eventos permite recomendaciones en tiempo real basadas en la compra más reciente del cliente, lo que mejora su experiencia general.
Microservicio de facturación: Cuando un cliente realiza un pedido (paso 1), el microservicio de facturación monitoriza la colección de pedidos a través de Change Streams. Detecta automáticamente el nuevo pedido y crea el documento de factura insertándolo en MongoDB Atlas (paso 2). A continuación, los datos de la transacción pueden continuar su flujo hacia proveedores externos como plataformas ERP (paso 3).
Microservicio de recomendaciones: Tan pronto como se agrega una nueva factura a la colección, el microservicio de recomendaciones reacciona y crea sugerencias de productos impulsadas por IA en función de la compra (paso 4). Estas recomendaciones se incorporan en la factura y en los documentos del perfil de usuario utilizando Atlas Triggers (paso 5). Esta actualización personaliza la factura y enriquece el perfil de usuario con las recomendaciones integradas más recientes. El frontend puede entonces recuperar rápidamente estos datos con una simple query y mostrarlos en la página de inicio (paso 6), manteniendo los sistemas actualizados y la experiencia del usuario sensible.
Gestión fiable de eventos a escala
Se puede integrar MongoDB en una arquitectura orientada a eventos utilizando un bróker de eventos para enrutar y distribuir eventos a través de múltiples servicios. Esto permite que los sistemas reaccionen en tiempo real, garantizando el desacoplamiento, la escalabilidad y la tolerancia a fallas.
Figura 5. Integraciones en la nube de Azure en acción
En la demo, el microservicio funciona como un oyente de la Change Stream que reacciona a los eventos de la base de datos. Estos eventos podrían luego ser enviados a Azure Event Grid o Azure Service Bus para activar flujos de trabajo posteriores o integrarse con sistemas externos. Como alternativa, una Azure Function puede actuar como un puente sin servidores para capturar eventos de Change Stream de la base de datos y enviarlos al event broker. Para escenarios de alto rendimiento, como análisis en tiempo real o entrenamiento de IA, puede transmitir eventos utilizando el Kafka Connector a Azure Event Hubs.
Compilar la solución
Esta solución muestra cómo los minoristas pueden centralizar los datos de facturas y ofrecer personalización en tiempo real con una arquitectura limpia, impulsada por eventos y potenciada por MongoDB Atlas.
El repositorio backend implementa dos microservicios: uno para la generación de facturas y otro para recomendaciones, junto con componentes de soporte como Atlas Triggers, Azure Functions y Azure Blob Storage. Estos servicios simulan cómo reaccionan los sistemas ante las compras de los clientes en tiempo real.
El repositorio frontend contiene un sitio de comercio electrónico simulado, Leafy Popup Store, para gestionar pedidos y usuarios. Para empezar, sigue los requisitos previos y las instrucciones de configuración, y luego utiliza la interfaz de usuario para simular compras y ver la demostración en acción.
Configura los requisitos previos
Antes de ejecutar esta solución, necesitarás:
Una cuenta de MongoDB Atlas
Una base de datos precargada con embeddings de productos (puedes restaurarla utilizando el volcado proporcionado aquí)
Una Cuenta de Azure
Python 3.10
Poesía instalada
Docker instalado
GNU Make (por defecto en macOS/Linux)
Instrucciones de configuración
El proyecto está organizado como un sistema backend multiservicio, con cada microservicio en su propia carpeta y una configuración compartida de Makefile y Docker Compose en el nivel raíz. Para ejecutar la solución completa o trabajar con servicios individuales, encontrará los pasos de configuración detallados en cada archivo README.
A continuación se muestra un resumen rápido de lo que contiene cada parte:
README principal del proyecto: Visión general de la arquitectura, los componentes del sistema y cómo ejecutar todos los servicios juntos utilizando comandos make y Docker Compose.
services/invoice-ms: Instrucciones de configuración para el microservicio de facturas. Cubre cómo ejecutarlo localmente o en Docker, cómo configurar Azure Blob almacenamiento y Azure Functions, y cómo conectarse a MongoDB.
services/recommendations-ms:. Configuración para el motor de recomendaciones, que escucha nuevas facturas y realiza una búsqueda vectorial en MongoDB Atlas. Incluye la configuración del entorno, la conexión al índice vectorial y cómo activar y observar recomendaciones. Adicionalmente, también encontrarás:
Una carpeta /docs/adr/ con ADR que explican las decisiones de modelado y diseño.
Una carpeta /external/ que contiene ejemplos de funciones de Azure y desencadenadores de Atlas utilizados en la demostración, cada uno con su propio README correspondiente.
Nota: Implemente la interfaz y el sistema de pedidos de la demostración de Leafy Pop-Up Store antes de usar esta solución.
Lecciones clave
Recapitulemos algunos de los puntos clave de la solución:
La personalización impulsada por IA es crucial para mantenerse competitivo y en la cima: puede aumentar la participación del cliente y fortalecer la lealtad.
Los recibos digitales ofrecen más valor que un simple registro transaccional: Su perspectiva puede utilizarse para personalizar el recorrido de los compradores de 360.
MongoDB está diseñado para casos de uso modernos: Ofrece flexibilidad a escala, seguridad integrada y elimina las barreras para una integración sin interrupciones con arquitecturas en tiempo real y funcionalidades de IA.
¿Listo para convertir los datos de tus recibos en momentos personalizados para tus clientes? Empieza a crear con MongoDB hoy mismo o únete a las comunidades de MongoDB en Reddit o Stack Overflow para conectar con otros apasionados de la tecnología.
Autores
Florencia Arin, MongoDB
Angie Guemes, MongoDB