MongoDB の document model と AI インサイトを活用して、レシートを成長エンジンにします。
ユースケース: モダナイゼーション、パーソナライズ、シングルビュー
業種: 小売
製品: MongoDB Atlas、MongoDB Atlas Triggers、MongoDB Atlas Vector Search、MongoDB Change Streams、Voyage AI
パートナー: Microsoft Azure
ソリューション概要
私たちは、紙のプロセスがデジタル レシートのような自動化され、パーソナライズされたソリューションに急速に置き換えられてきている時代に生きています。これらの要素は業界標準となり、カスタマイズされたカスタマー エクスペリエンスを提供しています。
この変革を受け入れる小売業者は、データの価値を解き放つことで競争上の優位性を得ます。デジタルレシートは、豊富で実用的なインサイトを提供し、パーソナライズされた製品の推薦を促進し、企業が競合他社との差別化を図るのに役立ちます。
このドキュメントでは、小売業者が MongoDB を使用してデジタル レシート データを保存および管理し、パーソナライズされた商品の推奨を提供して、ショッピング後の体験を向上させる方法について探ります。レシート データ管理における一般的な挑戦と、MongoDB がリアルタイムでカスタマー中心の体験のためのアクセスと活用をどのように簡素化するかを発見することができます。
トランザクション データを有用な価値に変換する
お客様が実店舗でお買い物をされる際、デジタルレシートは戦略的なタッチポイントとなります。小売業者はこれらのアイテムを使用して、カスタマイズされた提案を行い、オンラインショッピングを続けるためのリンクとして利用することができ、すべて同じデジタルレシート内で行うことができます。
オンライン エクスペリエンスに移行すると、モバイルアプリまたはブラウザを通じて、カスタマーは詳細な購入履歴に基づいてパーソナライズされた製品の提案を受け取ります。また、すべてのチャンネルでロイヤルティ特典を維持し、統一され 360° を網羅したカスタマージャーニーによってパーソナライズされた体験を利用できます。
図 1. MongoDB を使用すると、デジタル レシートは、店舗内とオンラインの購買体験をリアルタイムの AI による推奨と結び付け、360° のカスタマー体験を実現します。
デジタル レシートは、企業に複数の戦略的な利点を提供します。
パーソナライズされた体験を通じたカスタマー エンゲージメントの向上: トランザクション データを活用することで、小売業者はスマートな商品推奨の提供、個別化されたオファーの共有、ターゲットを絞った広告キャンペーンの実施など、マーケティング活動を最適化できます。
貴重な顧客インサイトを引き出す: 行動や嗜好を大規模に分析することで実現します。
運用コストの削減：紙の領収書を印刷、保存、管理する必要がなくなります。
データ管理の課題と、MongoDB がそれらを解決する方法
レシート データの管理は困難です。このセクションでは、主な障害を探り、MongoDB でそれを克服する方法を学びます。
データはサイロ化され、信頼できる情報源が一つもない
小売業者はしばしば、分断されたサードパーティ ツールに売上データの複数のコピーを保存するため、可視性が制限され、情報が断片化され、分析する、または活用が困難になります。MongoDB は、柔軟なデータ プラットフォームとして機能し、複数のシステムからデータを統合することで、この挑戦に対処します。統合を簡素化し、サイロを解消し、実用的なインサイトを得るためのリアルタイム データ分析をサポートする統一された運用データ レイヤーを構築します。
売上データは複雑です
販売データは多くの場合、レガシー システムから取得され、XML のような複雑で大容量かつ階層構造が深く、整合性に欠ける形式で保存されています。従来の RDBMS では、アーキテクトはその複雑さに対処するために、データを複数のテーブルに分割して管理する必要があります。一方、MongoDB は柔軟な document model を採用しており、データ要件に応じて柔軟に対応できます（その逆ではありません）。この機能により、開発の迅速化やスキーマ変更の容易さが実現され、たとえばフィールドの追加によって、個別最適化された提案をいつでもダウンタイムなしで提供できるようになります。
データの迅速なスケーリング
小売業者は毎日膨大な量のレシート データを生成しており、システムはそれに追いつく必要があります。例えば、オランダ最大のスーパーマーケット チェーンである Albert Heijn は、MongoDB を使用して、50 のサービス全体で毎日 100 万件を超えるトランザクションを処理しています。MongoDB は自動的にスケールし、高可用性を実現するためのシャーディングとレプリカセットを提供し、ワークロードを分離できます。これにより、リアルタイム AI、レポート作成、または分析をメインアプリケーションを中断することなく実行できます。
カスタマー プライバシー
レシートには個人の顧客データが含まれることが多く、セキュリティとコンプライアンスの確保が不可欠です。MongoDB は、堅牢な組み込みのエンタープライズ セキュリティ機能およびデータ プライバシーを備え、セキュアでコンプライアンスに準拠したデータ処理をサポートします。データ暗号化、RBAC、および監査など、ライフサイクル全体を網羅しています。さらに、ゾーン シャーディングにより、指定したリージョンにデータを保存でき、複数リージョンにわたるコンプライアンスやパフォーマンス要件に対応できます。
レシート データからリアルタイムのインサイトを引き出す
この概念実証では、MongoDB Atlas を中央データ ストアとして使用して、レシートデータをリアルタイムの価値に変換します。このデモでは、物理的な店舗にも対応可能な架空の E コマース システムにおける請求書作成用のバックエンド マイクロサービスを紹介します。MongoDB は運用データと AI データを統合し、下流での使用のためにデータへのアクセスを維持しながら、データを完全に制御できるようにします。
参照アーキテクチャ
リアルタイム パーソナライズの基盤をビルドする
パーソナライズされたカスタマー エクスペリエンスは、つながりのある、アクセス可能で、実用的なデータから始まります。運用データの統合ビューは、最新のテクノロジーの潜在能力を最大限に引き出すための鍵です。
このデモでは、MongoDB の柔軟性の高い document modelとリアルタイム統合機能が、運用データをインテリジェントで応答性の高い顧客体験に変える方法を示します。以下の図は、ソリューションの概要を示しています。
E コマースと店舗内のトランザクションは MongoDB のコレクションに流れ込み、各カスタマーごとに完全かつ統合された購入履歴を作成します。
運用データは、MongoDB document model を真実の単一ソースとして使用して保存されます。
マイクロサービスと外部システムは MongoDB の機能とシームレスに統合され、請求書データによってトリガーされるリアルタイムかつ AI を活用したレコメンデーションを提供します。
図 2. この図は、デモソリューションのコア コンポーネントを示している
このソリューションをビルドするには、請求書とレコメンデーションの 2 つのバックエンド マイクロサービスを Azure App Services に配置し、Azure Functions を使用して税金ロジックやロイヤルティ プログラムなどの外部統合をシミュレートします。レンダリングされたレシートは Azure Blob ストレージに PDF として保存され、MongoDB 内の構造化メタデータと緊密にリンクされています。
AI を活用したユースケースのための請求書とカタログ データのモデル
Document model は、税の詳細から特定の購入に基づくパーソナライズされた商品推薦リストまで、すべての請求書関連データを1つのコレクションに保存します。この柔軟性により、スキーマはビジネスと共に進化し、摩擦やダウンタイムなしでシームレスに更新できるようになります。
パーソナライズを有効にするには、半構造化データを MongoDB に保存できます。製品カタログには、価格、説明、カテゴリなどの主要な詳細に加えて、AI 埋め込みモデルによって生成されたセマンティック データが含まれています。Voyage AI voyage-3-large テキスト埋め込みモデルを使用すると、ベクトル埋め込みによって製品データを拡充し、よりスマートな AI 駆動型カタログ検索を実現できます。
図 3. MongoDB は従来の製品の詳細と Voyage AI のベクトル埋め込みを組み合わせて、製品カタログでセマンティック検索と AI 機能を直接有効にします。
注意
Voyage AI を用いたモデルの埋め込み
Voyage AI は、法務、コード、財務などのさまざまなドメインに合わせてカスタマイズされた複数のテキスト埋め込みモデルを提供します。利用可能なモデルを調べ、ユースケースに最適なものを探すには、「テキスト埋め込みのドキュメント」にアクセスしてください。
さらに、ベクトル検索を使用して、カスタマーが以前に購入した商品と類似した商品を特定する商品レコメンデーションを実装することも可能です。このユースケースでは、レコメンデーション マイクロサービスが各カスタマーに対して提案を生成します。このマイクロサービスは、過去の購入データで訓練された AI モデルを組み込むことでさらに改善できます。
イベント駆動型設計によるリアルタイムデータ フローのオーケストレーション
リアルタイムのカスタマー エクスペリエンスは、イベントに即座に対応するシステムが頼りですイベント駆動型アーキテクチャは、サービスがイベントを通じて通信し、重要な事象が発生したことを知らせることで、これを可能にします。このパターンは、サービスを分離し、スケーラブルで高い応答性を維持できるため、現代の小売システムで広く採用されています。
Change Streams および Atlas Triggers を適用して、データベースの変更を検出し、コレオグラフィ パターンを通じてマイクロサービスを調整することができます。このパターンは、請求書および推奨事項のマイクロサービスで説明されています。
図 4. イベント駆動型のコレオグラフィーにより、カスタマーの最新の購入に基づいてリアルタイムの推奨が可能になり、全体的な体験が向上します。
請求書マイクロサービス: カスタマーが注文を行うと（ステップ 1）、このマイクロサービスは注文のコレクションを Change Streams 経由で監視します。新しい注文が作成されると、インボイス用のドキュメントが生成され、MongoDB Atlas に挿入されます（ステップ 2）。その後、トランザクション データは、ERP プラットフォームなどの外部プロバイダーへと引き継がれます（ステップ 3）。
レコメンデーション マイクロサービス: 新しい請求書がコレクションに追加されると、レコメンデーション マイクロサービスが反応し、購入に基づいて AI を活用した商品提案を生成します（ステップ 4）。これらの提案事項は、Atlas Triggers を使用して請求書とユーザープロファイル ドキュメントに埋め込まれます（ステップ 5）。この更新により、請求書がパーソナライズされ、最新の埋め込み提案事項でユーザープロファイルが強化されます。その後、フロントエンドは簡単なクエリでこのデータを迅速に検索し、ホームページに表示できます（ステップ 6）。これにより、システムが更新され、ユーザーエクスペリエンスの応答性が維持されます。
大規模な信頼性の高いイベント処理
イベント ブローカーを使用して、MongoDB をイベント駆動型アーキテクチャに統合し、イベントを複数のサービスにルーティングして配信することができます。これにより、システムはリアルタイムで反応し、デカップリング、スケーラビリティ、フォールト トレランスを確保することができます。
図 5. Azure クラウドの統合のアクション
デモでは、マイクロサービスがデータベース イベントに反応する Change Stream リスナーとして機能します。これらのイベントは Azure Event Grid または Azure Service Bus に転送され、下流のワークフローをトリガーしたり、外部システムと統合したりできます。あるいは、Azure Function をサーバーレス ブリッジとして機能させ、データベースから Change Stream イベントをキャプチャしてイベント ブローカーにプッシュすることもできます。リアルタイム分析や AI 訓練などの高スループット シナリオでは、Kafka Connector を使用して Azure Event Hubs にイベントをストリーミングできます。
ソリューションのビルド
このソリューションは、小売業者が MongoDB Atlas を活用したクリーンなイベント駆動型アーキテクチャを使用して請求書データを一元管理し、リアルタイムのパーソナライズを実現する方法を示しています。
バックエンド リポジトリには、請求書生成用とレコメンデーション用の 2 つのマイクロサービスと、Atlas Triggers、Azure Functions、Azure Blob Storageなどのサポート コンポーネントが実装されています。これらのサービスは、カスタマーの購入に対してシステムがリアルタイムでどのように反応するかをシミュレートします。
フロントエンド リポジトリには、注文とユーザーを処理するための模擬ｅコマースサイト「Leafy Popup Store」が含まれています。開始するには、前提条件と設定手順に従い、UI を使用して購入をシミュレートし、デモを実際の動作で確認します。
セットアップ手順
このプロジェクトは、マルチサービス バックエンド システムとして構成されており、各マイクロサービスは独自のフォルダに格納され、ルートレベルには共有の Makefile および Docker Compose 設定が配置されています。フルソリューションを実行するか、個々のサービスを操作する場合は、各 README に詳細な設定手順が記載されています。
各部分に含まれる内容を簡単にまとめると次のようになります。
メイン プロジェクトの README: アーキテクチャ、システム コンポーネント、および make コマンドと Docker Compose を使用してすべてのサービスを一緒に実行する方法の概要。
services/invoice-ms: 請求書マイクロサービスの設定手順。ローカルまたは Docker で実行する方法、Azure BLOB ストレージと Azure Functions を構成する方法、MongoDB に接続する方法について説明します。
services/recommendations-ms:。新しい請求書を監視し、MongoDB Atlas でベクトル検索を実行するレコメンド エンジンの設定を行います。環境設定、ベクター インデックスへの接続、推奨事項をトリガーして確認する方法などが含まれます。さらに、次のことも見つけることができます。
モデリングと設計の選択を説明する ADR を含む /docs/adr/ フォルダー。
デモで使用されるサンプルの Azure Functions と Atlas Triggers を含む /external/ フォルダー、およびそれぞれの README。
注意: このソリューションを使用する前に、Leafy Pop-Up Store のデモからフロントエンドと注文システムを配置してください。
キーポイント
このソリューションから得られた重要なポイントをいくつか振り返ってみましょう。
AI を活用したパーソナライズは、競争力を維持し、業界のトップに立ち続けるために不可欠: これにより、顧客エンゲージメントを高め、ロイヤルティを強化することができます。
デジタル レシートは、単なる取引レコード以上の価値を提供: そのインサイトは、360 の買い物客の体験をパーソナライズするために活用できます。
MongoDB は最新のユースケースに対応して設計: 大規模な柔軟性と組み込みのセキュリティを提供し、リアルタイムアーキテクチャや AI 機能とのシームレスな統合を実現するための摩擦を除きます。
レシート データをパーソナライズされたカスタマーのモーメントに変換する準備はできていますか？MongoDB を今すぐ始めるか、MongoDB Developer Community に参加して、他の技術愛好家とつながりましょう。
作成者
Florencia Arin, MongoDB
Angie Guemes, MongoDB