Transforme os recibos em um mecanismo de crescimento com o document model e informações de AI impulsionados pelo MongoDB.
Casos de uso: Modernização, personalização, visualização individual
Setores: Varejo
Produtos: MongoDB Atlas, MongoDB Atlas Triggers, MongoDB Atlas Vector Search, MongoDB Change Streams, Voyage AI
Parceiros: Microsoft Azure
Visão Geral da Solução
Vivemos em uma era em que os processos em papel estão sendo rapidamente substituídos por soluções automatizadas e personalizadas, como recibos digitais. Esses elementos estão se tornando o padrão do setor e estão proporcionando experiências personalizadas aos clientes.
Os varejistas que adotam essa transformação ganham uma vantagem competitiva ao liberar o valor de seus dados. Os recibos digitais fornecem informações ricas e acionáveis que podem gerar recomendações personalizadas de produtos e ajudar as empresas a se destacarem da concorrência.
Este documento explora como os varejistas podem utilizar o MongoDB para armazenar e gerenciar dados de recibos digitais para oferecer recomendações personalizadas de produtos e aprimorar a experiência após a aquisição. Você descobrirá os desafios comuns de gerenciar dados de recibos e como o MongoDB simplifica o acesso e a ativação para experiências centradas no cliente em tempo real.
Transforme dados de transação em valor acionável
Quando um cliente faz compras em uma loja física, os recibos digitais se tornam um ponto de contato estratégico. Os varejistas podem usar esses itens para fazer sugestões personalizadas e como links para os clientes continuarem comprando online, tudo dentro do mesmo recibo digital.
Ao migrar para a experiência online, seja em um aplicativo móvel ou navegador, os clientes recebem recomendações de produtos personalizadas com base no seu histórico de compras. Além disso, eles mantêm seus benefícios de fidelidade em todos os canais, oferecendo uma experiência personalizada em uma jornada unificada de 360°.
Figura 1. Com o MongoDB, recibos digitais conectam jornadas na loja e online com recomendações em tempo real impulsionadas por AI, proporcionando uma experiência 360° ao cliente
Recibos digitais oferecem às empresas acesso a diversas vantagens estratégicas, incluindo:
Melhoria do engajamento do cliente por meio de experiências personalizadas: com dados de transação, os varejistas podem personalizar os esforços de marketing, como oferecer recomendações inteligentes de produtos, compartilhar ofertas personalizadas e executar campanhas publicitárias direcionadas.
Revelar insights valiosos dos clientes: analisando comportamentos e preferências em escala.
Reduzir custos operacionais: eliminando a necessidade de imprimir, armazenar e gerenciar recibos em papel.
Observação
História de sucesso de cliente
Descubra como a Albert Heijn, a maior cadeia de supermercados da Holanda, usa o MongoDB para dar suporte a aplicativos voltados para o cliente.
Desafios de gerenciamento de dados e como o MongoDB pode solucioná-los
Gerenciar dados de recebimento pode ser difícil. Nesta seção, você explorará os principais obstáculos e aprenderá como o MongoDB pode ajudar a superá-los.
Dados em silo e nenhuma única fonte da verdade
Os varejistas frequentemente armazenam múltiplas cópias de dados de vendas em ferramentas de terceiros desconectadas, resultando em visibilidade limitada e informações fragmentadas que são difíceis de analisar ou ativar. O MongoDB resolve esse desafio atuando como uma plataforma de dados flexível e centralizada que consolida dados de múltiplos sistemas. Ele simplifica a integração, elimina silos e cria uma camada de dados operacionais unificada que oferece suporte à análise de dados em tempo real para obter informações acionáveis.
Os dados de recibo de vendas são complexos
Os dados de vendas frequentemente vêm de sistemas legados e são armazenados em formatos complexos e de alto volume, como XML, que são profundamente aninhados e inconsistentes. No RDBMS, os desenvolvedores devem espalhar os dados em várias tabelas para lidar com essa complexidade. Em vez disso, o MongoDB utiliza seu document model para se adaptar aos requisitos de dados, e não o contrário. Essa funcionalidade permite um desenvolvimento mais rápido e mudanças fáceis no esquema, como a adição de campos para recomendações personalizadas, a qualquer momento e sem interrupção.
Dimensionamento rápido de dados
Os varejistas geram volumes massivos de dados de recibos diariamente, e os sistemas devem acompanhar. Por exemplo, a Albert Heijn, a maior cadeia de supermercados da Holanda, usa o MongoDB para processar mais de um milhão de transações diárias em 50 serviços. O MongoDB dimensiona automaticamente, oferece fragmentação e conjuntos de réplicas para alta disponibilidade, e permite separar cargas de trabalho. Isso significa que a AI, os relatórios ou as análises em tempo real podem ser executados sem interromper o seu aplicativo principal.
Privacidade do cliente
Os recibos frequentemente contêm dados pessoais de clientes, tornando a segurança e a conformidade essenciais. O MongoDB oferece suporte ao tratamento de dados seguro e compatível com funcionalidades robustas de segurança empresarial integrada e privacidade de dados. Incluindo criptografia de dados ao longo de todo o ciclo de vida, RBAC e auditoria. Além disso, a fragmentação em zonas permite armazenar dados na região escolhida, apoiando a compliance e o desempenho entre regiões.
Obtenha informações em tempo real a partir de dados de recebimentos
Transforme dados de recibos em valor em tempo real com esta prova de conceito usando o MongoDB Atlas como o armazenamento central de dados. A demonstração exibe um microsserviço de backend para a criação de faturas em um sistema de e-commerce simulado, adaptável a lojas físicas. O MongoDB unifica dados operacionais e de AI, propiciando controle total sobre seus dados enquanto os mantém acessíveis para uso subsequente.
Arquiteturas de referência
Construa uma base para personalização em tempo real
Experiências personalizadas de clientes começam com dados conectados, acessíveis e acionáveis. Uma visão unificada dos dados operacionais é essencial para liberar todo o potencial das tecnologias modernas.
Esta demonstração mostra como o document model flexível do MongoDB e os recursos de integração em tempo real podem transformar dados operacionais em jornadas inteligentes e responsivas do cliente. O diagrama abaixo mostra uma visão de alto nível da solução:
As transações de e-commerce e de loja física são integradas à coleção de faturas do MongoDB, criando um histórico de compras completo e unificado para cada cliente.
Os dados operacionais são armazenados usando o MongoDB document model como uma única fonte de verdade.
Os microsserviços e sistemas externos integram-se perfeitamente às funcionalidades do MongoDB para fornecer recomendações em tempo real e impulsionadas por AI, acionadas por dados de faturas.
Figura 2. Este diagrama ilustra os componentes principais da solução de demonstração
Para criar esta solução, você implanta dois microsserviços de backend — fatura e recomendação — nos Azure App Services e utiliza funções do Azure para simular integrações externas, como lógica tributária ou programas de fidelidade. Os recibos renderizados são armazenados como PDFs no Azure Blob Storage, fortemente vinculados aos seus metadados estruturados no MongoDB.
Modelar faturas e dados de catálogo para um caso de uso com tecnologia de IA
O document model armazena todos os dados relacionados à fatura em uma única coleção, desde dados fiscais até uma lista de recomendações personalizadas de produtos com base em uma compra específica. Essa flexibilidade garante que o esquema possa evoluir junto com o negócio, permitindo atualizações perfeitas sem atrito ou tempo de inatividade.
Para habilitar a personalização, é possível armazenar dados semiestruturados no MongoDB. O catálogo de produtos contém detalhes principais — como preço, descrição e categorias — além de dados semânticos gerados por modelos de incorporação de AI. Com o modelo de incorporação de texto voyage-3-large do Voyage AI, você pode enriquecer os dados do produto com incorporações vetoriais para uma recuperação de catálogo mais inteligente e orientada por IA.
Figura 3. O MongoDB combina detalhes tradicionais do produto com incorporações vetoriais do Voyage AI, permitindo a pesquisa semântica e recursos de AI diretamente no catálogo de produtos.
Observação
Incorporação de modelos com a Voyage AI
A Voyage AI oferece vários modelos de incorporação de texto adaptados para diferentes domínios, incluindo jurídico, programação e finanças. Para explorar os modelos disponíveis e encontrar o melhor ajuste para seu caso de uso, visite a Documentação de incorporações de texto.
Além disso, você pode implementar recomendações de produtos com a pesquisa vetorial para identificar produtos semelhantes aos adquiridos anteriormente pelo cliente. Neste caso de uso, um microsserviço de recomendação gera sugestões para cada cliente. Este microsserviço pode ser ainda mais aprimorado pela incorporação de um modelo de AI treinado com dados de compras anteriores.
Orquestre fluxos de dados em tempo real com um design orientado por eventos
Experiências de cliente em tempo real dependem de sistemas que respondem instantaneamente a eventos. A arquitetura orientada a eventos possibilita isso ao permitir que os serviços se comuniquem por meio de eventos, sinalizando que algo importante ocorreu. Esse padrão é amplamente adotado em sistemas de varejo modernos porque permite que os serviços permaneçam desacoplados, dimensionáveis e altamente responsivos.
Você pode aplicar Change Streams e Atlas Triggers para detectar alterações no banco de dados e coordenar microsserviços por meio de um padrão de coreografia. Esse padrão é explicado nos microsserviços de fatura e recomendação.
Figura 4. A coreografia orientada a eventos possibilita recomendações em tempo real baseadas na compra mais recente de um cliente, aprimorando sua experiência geral
Microsserviço de fatura: quando um cliente faz um pedido (etapa 1), o microsserviço de fatura escuta a coleção de pedidos por meio de Change Streams. Ele detecta automaticamente o novo pedido e cria o documento da fatura, inserindo-o no MongoDB Atlas (passo 2). Em seguida, os dados da transação podem continuar seu fluxo para provedores externos, como plataformas ERP (etapa 3).
Microsserviço de recomendação: assim que uma nova fatura é adicionada à coleção, o microsserviço de recomendação reage e cria sugestões de produtos por AI com base na compra (etapa 4). Essas recomendações são incorporadas à fatura e aos documentos de perfil do usuário com o Atlas Triggers (etapa 5). Essa atualização personaliza a fatura e enriquece o perfil do usuário com as recomendações mais recentes incorporadas. O frontend pode, então, rapidamente recuperar esses dados com uma query simples e exibi-los na página inicial (etapa 6), mantendo os sistemas atualizados e a experiência do usuário responsiva.
Manipulação confiável de eventos em escala
Você pode integrar o MongoDB a uma arquitetura orientada por eventos usando um broker de eventos para rotear e distribuir eventos por vários serviços. Isso permite que os sistemas reajam em tempo real, garantindo desacoplamento, escalabilidade e tolerância a falhas.
Figura 5. Integrações de nuvem Azure em ação
Na demonstração, o microservice serve como um ouvinte de Change Stream que reage a eventos do banco de dados. Esses eventos podem então ser encaminhados para o Azure Event Grid ou o Azure Service Bus para acionar fluxos de trabalho a jusante ou se integrar com sistemas externos. Como alternativa, uma função do Azure pode atuar como uma ponte sem servidor para capturar eventos de fluxo de alterações do banco de dados e enviá-los ao broker de eventos. Para cenários de alta taxa de transferência, como análises em tempo real ou treinamento de IA, você pode transmitir eventos usando o Kafka Connector para Azure Event Hubs.
Construir a solução
Esta solução demonstra como os varejistas podem centralizar dados de faturas e oferecer a personalização em tempo real com uma arquitetura limpa e orientada por eventos, impulsionada pelo MongoDB Atlas.
O repositório de backend implementa dois microsserviços: um para geração de faturas e outro para recomendações, juntamente com componentes de suporte como Atlas Triggers, funções do Azure e Armazenamento de Blob do Azure. Esses serviços simulam como os sistemas reagem às compras de clientes em tempo real.
O repositório do frontend contém um site de comércio eletrônico fictício, o Leafy Popup Store, para lidar com pedidos e usuários. Para começar, siga os pré-requisitos e as instruções de configuração, depois use a IU para simular compras e ver a demonstração em ação.
Configure os pré-requisitos
Antes de executar esta solução, você precisará:
Uma conta do MongoDB Atlas
Um banco de dados pré-carregado com incorporações de produtos (você pode restaurá-lo usando o dump fornecido aqui)
Uma conta do Azure
Python 3.10
Poetry instalado
Docker instalado
GNU Make (padrão no macOS/Linux)
Instruções de configuração
O projeto é organizado como um sistema de backend com vários serviços, sendo cada microsserviço em sua própria pasta, e uma configuração compartilhada de Makefile e Docker Compose no nível da raiz. Para executar a solução completa ou trabalhar em serviços individuais, você encontra etapas detalhadas de configuração em cada README.
Aqui está um breve resumo do que cada parte contém:
README do Projeto principal: visão geral da arquitetura, dos componentes do sistema e como executar todos os serviços juntos usando comandos make e Docker Compose.
services/invoice-ms: instruções de configuração para o microsserviço de fatura. Aborda como executar localmente ou no Docker, configurar o Armazenamento de Blob do Azure e as funções do Azure, e conectar-se ao MongoDB.
services/recommendations-ms:. Configurar o mecanismo de recomendação, que ouve quanto a novas faturas e realiza uma pesquisa vetorial no MongoDB Atlas. Inclui a configuração do ambiente, a conexão com o índice vetorial e como acionar e observar recomendações. Além disso, você também encontrará:
Uma pasta /docs/adr/ com ADRs explicando as escolhas de modelagem e design.
Uma pasta /external/ contendo amostras de funções do Azure e Atlas Triggers usados na demonstração, cada um com seu próprio README correspondente.
Observação: implante o sistema de frontend e o sistema de pedidos da demo Leafy Pop-Up Store antes de usar esta solução.
Principais Aprendizados
Vamos recapitular alguns dos principais pontos da solução:
A personalização impulsionada por AI é crucial para permanecer competitivo e no topo do mercado: ela pode aumentar o engajamento dos clientes e fortalecer a fidelidade.
Os recibos digitais oferecem mais valor do que apenas um registro transacional: sua perspicácia pode ser usada para personalizar uma jornada 360 dos compradores.
O MongoDB é criado para casos de uso modernos: ele oferece flexibilidade em escala e segurança integrada e remove atritos, oferecendo uma integração perfeita com arquiteturas em tempo real e recursos de AI.
Pronto para transformar os dados de seus recebimentos em momentos personalizados do cliente ? Comece a construir com o MongoDB hoje mesmo ou entre nas comunidades do MongoDB no Reddit ou Stack Overflow para se conectar com outros aficionados da tecnologia.
Autores
Florencia Arin, MongoDB
Angie Guemes, MongoDB