Comercio unificado con búsqueda inteligente

Resumen de la solución

Activar datos es un desafío en muchas industrias. El Comercio Unificado combina datos de múltiples canales en una capa operativa para entregar información precisa y accesible a equipos internos y aplicaciones de clientes.

Figura 1. Estrategia de comercio unificado

Con esta solución, puedes compilar una aplicación para asistentes de tienda utilizando MongoDB como el ODL para una estrategia de Comercio Unificado. Esta solución ofrece una mejor experiencia al cliente y permite visibilidad del inventario, búsqueda avanzada y consultas geoespaciales.

Para lograr estos beneficios, primero es necesario romper con los sistemas aislados.

Una base de datos sólida para cerrar brechas

Un ODL combina datos de sistemas existentes como inventario, pedidos y perfiles de clientes, y los pone a disposición en una capa unificada. MongoDB Atlas sirve como el ODL. Su modelo orientado a documentos flexible maneja estructuras de datos diversas y complejas de diferentes sistemas y evoluciona a medida que el negocio cambia. Esta capacidad unifica los datos sin esquemas rígidos ni transformaciones complejas.

Almacenar sus datos en MongoDB impulsa la innovación de las siguientes maneras:

• Búsqueda integrada e inteligencia artificial: Las funciones nativas de búsqueda de texto completo, vectorial e híbrida permiten la innovación interna, como el descubrimiento inteligente de productos y las recomendaciones personalizadas. Esta base de datos también impulsa RAG, asistentes basados ​​en LLM y sistemas multiagente.

• La pila tecnológica se simplifica: MongoDB almacena tanto datos operativos como embeddings vectoriales en un solo lugar, reduciendo la complejidad y eliminando herramientas de propósito único como bases de datos vectoriales o motores de búsqueda.

• Acceso en tiempo real a datos unificados: Las aplicaciones pueden conectarse fácilmente a MongoDB Atlas para consumir datos sincronizados en tiempo real para el personal de tienda.

Figura 2. Las tres capas en cada aplicación.

Enfoque de modelo de datos

Los entornos minoristas son dinámicos, con detalles de productos e inventario en constante cambio. El modelo de documentos flexible de MongoDB gestiona fácilmente las configuraciones de las tiendas, incluyendo datos geoespaciales, de series temporales y jerárquicos. Esto crea una base sólida para un comercio unificado.

Figura 3. Aspectos esenciales de ODL: modelo flexible, sincronización en vivo, búsqueda inteligente

Esta solución equilibra simplicidad y rendimiento, permitiéndole modelar datos operativos y de búsqueda para casos de uso minorista. Así es como se modelan los datos:

• Un canónico inventory La colección rastrea datos de acciones en tiempo real para cada producto en las tiendas, optimizada para escrituras de alta frecuencia.

• Una colección products optimizada para lectura integra una matriz inventorySummary ligera con disponibilidad a nivel de tienda. Esto es ideal para un filtrado rápido, la representación de la interfaz de usuario y las consultas de búsqueda.

• Una sincronización basada en desencadenantes mantiene los resúmenes de inventario actualizados en tiempo real utilizando MongoDB Atlas Triggers.

Figura 4. Esquema del producto: texto, metadatos y vectores

Este esquema está validado para su rendimiento en el 50rango de almacenamiento. Para escenarios de mayor escala, puede adaptar el modelo de la siguiente manera:

• Recuperar el inventario a nivel de tienda de forma dinámica como parte de la query.

• Reestructure los caminos de escritura y lectura con otras estrategias de modelado.

Arquitectura de referencia

Esta demostración utiliza una aplicación principal en Next.js y un microservicio de búsqueda avanzada dedicado. La demo contiene los siguientes componentes:

• MongoDB Atlas: Centraliza todos los datos, permite la sincronización en tiempo real y proporciona la infraestructura para el rendimiento, la disponibilidad y la seguridad.

• Aplicación principal con Next.js: Aplicación full-stack que gestiona la interfaz de usuario y consultas geoespaciales para encontrar tiendas cercanas con stock disponible.

• Microservicio de búsqueda avanzada con FastAPI: Un backend dedicado que gestiona todo tipo de búsquedas, como texto, semántica e híbrida, y coordina la incrustación de consultas.

• Proveedor de incrustaciones con Voyage AI: Genera incrustaciones vectoriales para la búsqueda semántica.

Figura 5. Detrás de la demostración: Diagrama del sistema de la aplicación para asociados de tienda con MongoDB y Voyage IA

En particular, el microservicio de búsqueda avanzada hace que la lógica de la demostración sea más clara y adaptable. Esta configuración ofrece las siguientes ventajas:

• Diseño en capas: Esta solución utiliza un microservicio compuesto por interfaces para la API, una aplicación para la lógica de negocio y una infraestructura para la integración con MongoDB y Voyage AI. Esta estructura mantiene la modularidad del código base, lo que facilita las pruebas, el escalado y la adaptación. También se pueden reemplazar servicios externos, como cambiar de Voyage AI a Bedrock, actualizando únicamente la capa de infraestructura.

• Flexibilidad de IA: Capacidad para alternar entre proveedores como Voyage AI o Bedrock utilizando un único adaptador.

• Compatibilidad multicanal: una única API compatible con todas las plataformas frontend, incluidas la web, los dispositivos móviles y los chatbots, que permite poner los canales en línea con el mínimo esfuerzo.

Capacidades de microservicios de búsqueda

El microservicio de búsqueda ofrece una API unificada para gestionar múltiples mecanismos de recuperación, entre ellos:

• Búsqueda de expresionesregulares: coincidencia de patrones básicos utilizada como base para comparar con las funciones de búsqueda avanzada de MongoDB.

• Búsqueda de texto completo: Utiliza MongoDB Atlas Search para coincidencias imprecisas, campos aumentados y filtrado por nivel de tienda.

• Búsqueda de vectores semánticos: encuentra productos conceptualmente similares utilizando incrustaciones de Voyage AI.

• Búsqueda híbrida: combina resultados de texto y vectoriales usando RRF. Ajusta la ponderación de la relevancia semántica y del texto según el contexto de búsqueda.

Figura 6. Desglose de la estrategia de búsqueda: Texto, vectores y búsqueda híbrida

Puede aprender a utilizar el marco de agregación para personalizar las capacidades de búsqueda revisando estos archivos.

Con MongoDB, unifica las capacidades de búsqueda en una sola plataforma, combinando precisión, comprensión semántica y datos en tiempo real. Como resultado, atiende a los compradores con mayor rapidez, empodera a los equipos de la tienda y escala en todos los canales.

Compilar la solución

Para reproducir esta demo en tu propio entorno, sigue estos pasos:

git clone https://github.com/mongodb-industry-solutions/retail-unified-commerce.git

cd retail-unified-commerce/docs/setup/collections

VOYAGE_API_KEY=your_voyage_api_key

make build

Lecciones clave

• El comercio unificado genera confianza en la tienda: MongoDB permite acceder en tiempo real al estado de los estantes, la ubicación del stock y los datos de reposición. Al combinar la búsqueda inteligente con la visibilidad multicanal, proporciona a los empleados de la tienda las herramientas necesarias para ofrecer servicios consistentes e informados que impulsan la confianza y la conversión de clientes.

• Un ODL convierte datos fragmentados en información útil: MongoDB actúa como ODL, consolidando datos aislados en una única fuente en tiempo real. Su modelo de documentos flexible se adapta a diversas estructuras minoristas, y su seguridad, disponibilidad y rendimiento integrados lo convierten en un recurso de nivel empresarial.

• Los datos unificados permiten una búsqueda avanzada y aplicaciones de IA: MongoDB unifica la búsqueda de texto completo, semántica y geoespacial en un solo lugar. También puedes almacenar tus datos en vivo y los embeddings juntos, lo que permite el descubrimiento en tiempo real y potencia casos de uso inteligentes de IA para el futuro.

Autores

• Prashant Juttukonda, MongoDB

• Florencia Arin, MongoDB

• Angie Guemes, MongoDB

• Diego Canales, MongoDB

Obtén más información

• Para descubrir cómo MongoDB impulsa la innovación en el sector minorista, visita MongoDB para venta minorista.

• Para saber cómo el comercio unificado beneficia a los minoristas, lea el blog de Comercio unificado para la innovación minorista con MongoDB Atlas.

• Para explorar ODL con Atlas en detalle, consulta el Libro Blanco sobre la capa de datos operativos.