スマート検索と統合トランザクション

ソリューション概要

データのアクティブ化は、多くの業界における課題です。Unified Compass は、複数のチャネルにわたるデータを運用レイヤーに結合し、内部チームやカスタマーアプリケーションに正確でアクセス可能な情報を提供します。

図の 1。統合コマース戦略

このソリューションを使用すると、統合トランザクション戦略の ODL としてMongoDBに関連付けられたストアアプリケーションをビルドできます。このソリューションは、カスタマーエクスペリエンスが向上し、在庫の可視性、高度な検索、地理空間クエリが可能になります。

これらの利点を実現するには、まず サイジングされた システムを分裂させる必要があります。

ギャップを埋め込む強力なデータデータベース

ODL は、在庫、注文、カスタマープロファイルなどの既存のシステムのデータを組み合わせ、 統合レイヤーで利用できるようにします。MongoDB Atlas はODL として機能します。その柔軟なドキュメントモデルは、さまざまなシステムの多彩で複雑なデータ構造を処理し、ビジネスの変化に応じて変化します。 このキャパシティー、厳密なスキーマや複雑な変換なしでデータが統合されます。

MongoDBにデータを保存すると、次の方法のイノベーションが導入されます。

• 組み込みの検索およびAI機能: ネイティブの全文検索、ベクトル、およびハイブリッド検索機能により、スマート 製品検出やパーソナライズされた推奨などの組織内イノベーションが可能になります。このデータプラットフォームは、RG、LM ベースの支援、およびマルチエージェント システムも強化します。

• 技術スタックは簡素化されます: MongoDB は運用データとベクトル埋め込みの両方を単一の場所に保存することで、複雑さを軽減し、ベクトルデータベースや検索エンジンのような単目的ツールを排除します。

• 統合データへのリアルタイム アクセス: アプリケーションはMongoDB Atlasに簡単に接続して、ストア関連付けのリアルタイム同期データを消費します。

図の 2。すべてのアプリケーションの 3 つの層

データモデルアプローチ

小売環境は常に変化しており、製品の詳細と在庫は常に変化します。MongoDB の柔軟なドキュメントモデルにより、地理空間、時系列、階層データなどのストア構成を簡単に管理できます。 これにより、統合トランザクションの強力な基盤が構築されます。

図の 3。ODL の基本: 柔軟なモデル、ライブ同期、スマート検索

このソリューションは簡単性とパフォーマンスのバランスを取るため、小売ユースケースに合わせて運用データのモデル化と検索データをモデル化できます。データのモデル化方法は次のとおりです。

• 標準の inventoryコレクションは、高頻度の書き込みに最適化された、店舗全体の各製品のリアルタイム在庫 データを追跡します。

• 読み取り最適化された productsコレクションには、ストアレベルの可用性を持つ軽量 inventorySummary 配列が埋め込まれています。これは、高速フィルタリング、 UIレンダリング、検索クエリに最適です。

• トリガーベースの同期により、 MongoDB Atlas Triggersを使用して、インベントリの概要がリアルタイムで最新の状態に維持されます。

図の 4。製品スキーマ: テキスト、メタデータ、ベクトル

このスキーマは、50 ストアの範囲でパフォーマンスについて検証されています。大増やすなシナリオの場合は、次のようにモデルを調整できます。

• クエリの一部としてストア レベルの在庫を動的に取得します。

• 他のモデリング戦略を使用して、書込みパスと読み取りパスを再構築します。

リファレンスアーキテクチャ

このデモでは、Next.js のメインアプリケーションと専用の高度な検索マイクロサービスを使用します。デモには、次のコンポーネントが含まれています。

• MongoDB Atlas: すべてのデータを一元化し、リアルタイム同期を可能にし、パフォーマンス、可用性、セキュリティのためのインフラストラクチャを提供します。

• Next.js を使用したメインアプリケーションの場合UIと地理空間クエリを処理し、在庫のある近くの店舗を見つけるフルスタックアプリ。

• FastAPI による高度な検索マイクロサービス: テキスト、セマンティック、ハイブリッドなどのすべての検索タイプを処理し、クエリの埋め込みを調整する専用のバックエンド。

• 埋め込みプロバイダーと Vyage AI: セマンティック検索用のベクトル埋め込みを生成します。

図の 5。デモの背後: MongoDBと Vyage AIに関連付けられたストアアプリのシステム図

特に、高度な検索マイクロサービスにより、デモ ロジックがより明確になり、適用可能になります。この設定には、次のメリットがあります。

• 階層型設計: このソリューションでは、 APIのインターフェース、ビジネス ロジックのアプリケーション、およびMongoDBと Vyage AIと統合するためのインフラストラクチャで構成されるマイクロサービスを使用します。この構造により、コードベースがモジュール型に保たれ、テスト、増やす、調整が容易になります。また、 インフラストラクチャレイヤーのみを更新して、Vyage AIから Bedlock に切り替えるなどの外部サービスを置き換えることもできます。

• AI柔軟性: 1 つのアダプターを使用して、Vyage AIや Bedlock などのプロバイダーを切り替える能力。

• マルチチャネルの互換性: ウェブ、モバイル、チャットボットを含むすべてのフロントエンドプラットフォームをサポートする単一のAPIにより、最小限の作業でチャネルをオンラインに化します。

検索マイクロサービス機能

この検索マイクロサービスは、次のような複数の検索メカニズムを取り扱うための 1 つの統合APIを提供します。

• 正規表現検索: MongoDB の高度な検索機能と比較するためにベースラインとして使用される基本的なパターン マッチング。

• 全文検索: MongoDB Atlas Search。

• セマンティックベクトル検索: Vorage AI埋め込みを使用して、概念が類似した製品を検索します。

• ハイブリッド検索: SRF を使用してテキスト結果とベクトル結果を統合します。検索コンテキストに基づいて、テキストの重みとセマンティックの関連性を調整します。

図の 6。検索戦略の内訳: テキスト、ベクトル、ハイブリッド検索

これらのファイルを確認することで、集計フレームワークを使用して検索機能をカスタマイズする方法を学ぶことができます。

MongoDBを使用すると、精度、セマンティック理解、リアルタイムデータを組み合わせた検索機能が 1 つのプラットフォームに統合されます。その結果、ショップのサービスがより迅速になり、店舗チームが強化され、すべてのチャネルで増やす。

ソリューションのビルド

このデモを自分の環境で再現するには、次の手順に従います。

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

キーポイント

• 統合コマースは店舗内で信頼を構築します: MongoDB は、商品販売のステータス、在庫場所、調整データへのリアルタイムアクセスを可能にします。インテリジェント検索とクロスチャネルの可視性を組み合わせることで、信頼とカスタマー変換を高める一貫した情報提供サービスを提供するためのツールを関連付けます。

• ODL は断片化されたデータを実行可能なインサイトに変換します: MongoDBはODLとして機能し、サイジングされたデータを 1 つのリアルタイムソースに統合します。柔軟なドキュメントモデルはさまざまな販売構造に適応し、その組み込みのセキュリティ、可用性、パフォーマンスによりエンタープライズ グレードになります。

• データを統合することで高度な検索とAIアプリケーションが可能になります: MongoDBは全文検索、セマンティック、地理空間検索を 1 つの場所で統合します。また、ライブ データと埋め込みをまとめて保存できるため、リアルタイム検出が可能になり、将来のインテリジェントAIユースケースが強化されます。

作成者

• Prashant Juttukonda, MongoDB

• Florencia Arin, MongoDB

• Angie Guemes, MongoDB

• Diego Canales, MongoDB

詳細

• MongoDB が小売のイノベーションを実現する方法については、 MongoDB for Retailをご覧ください。

• 統合コマースが小売業者にどのようにメリットをもたらすかについては、 MongoDB Atlasブログの「 小売以外の使用のための統合トランザクション 」をお読みください。

• Atlas で使用される ODL を詳細に確認するには、「操作データ層」のホワイトペーパーを参照してください。