AI 驱动的零售：个性化和准确性

使用机器学习和向量搜索提供个性化、准确的搜索体验。

行业： 零售

产品： MongoDB Atlas、MongoDB Atlas Search、MongoDB Atlas Vector Search、MongoDB Change Streams、MongoDB Connector for Spark

合作伙伴： Databricks

解决方案概述

该解决方案将 MongoDB灵活数据模型与 Databricks 的高级分析集成在一起，为在线零售平台创建AI增强的搜索功能，提供更直观、更高效的购物体验。

通过使用AI、机器学习和MongoDB Atlas Vector Search，您可以为客户提供个性化的购物体验，并推荐符合他们偏好和搜索历史的产品。这提高了客户满意度并促进了销售。

在此解决方案中， MongoDB Atlas提供可扩展的数据库环境，可高效管理大型且多样化的电子商务数据集。MongoDB Atlas Vector Search 可以处理复杂的搜索查询，确保客户即使使用部分搜索词也能找到他们要找的内容。最后，Databricks 提供强大的机器学习和实时分析功能，从而提高了 Vector Search 的准确性。您可以将此框架应用其他行业，例如金融服务、医疗保健和保险。

参考架构

以下两图显示了该解决方案的架构。第一个图表显示了整体解决方案架构，第二个图表更详细地显示了解决方案的矢量搜索部分。这些架构在此解决方案中协同工作。

图 1。具有不同MongoDB Atlas组件、Databricks 笔记本和数据工作流的AI增强型搜索引擎的架构。

图 2.向量搜索解决方案的架构，展示了数据如何流经 MongoDB Atlas 和 Databricks 的各个不同的集成组件

数据模型方法

使用此解决方案时，开发人员应在存储数据时使用多态模式。即使集合中的文档股票相似但不相同的结构，此模式也可实现高效查询。

在此解决方案中，每个产品文档都有通用字段，如 _id、price 或 brandName。它们还可以具有特定于产品类别的不同字段，例如 color1、ageGroup 或 season。由于 MongoDB 灵活的文档数据模型，您可以设计模式，在同一集合中表示不同产品类型时支持统一性和自定义。

以下代码区块提供了表示产品项的文档示例：

1 {
2    "_id": {
3       "$oid": "64934d5a4fb07ede3b0dc0d3"
4    },
5    "colour1": "NA",
6    "ageGroup": "Adults-Women",
7    "link": "http://assets.myntassets.com/v1/images/style/properties/41b9db06cab6a17fef365787e7b885ba_images.jpg",
8    "brandName": "Baggit",
9    "fashionType": "Fashion",
10    "price": {
11       "$numberDouble": "375.0"
12    },
13    "atp": {
14       "$numberInt": "1"
15    },
16    "title": "Baggit Women Chotu Taj White Belt",
17    "gender": "Women",
18    "mfg_brand_name": "Baggit",
19    "subCategory": "Belts",
20    "masterCategory": "Accessories",
21    "score": {
22       "$numberDouble": "0.0"
23    },
24    "season": "Summer",
25    "articleType": "Belts",
26    "baseColour": "White",
27    "id": "33464",
28    "discountedPrice": {
29       "$numberDouble": "324.0"
30    },
31    "productDisplayName": "Baggit Women Chotu Taj White Belt",
32    "count": {
33       "$numberInt": "10"
34    },
35    "pred_price": {
36       "$numberDouble": "0.8616750344336797"
37    },
38    "price_elasticity": {
39       "$numberDouble": "0.0"
40    },
41    "discount": {
42       "$numberDouble": "14.0"
43    }
44 }

构建解决方案

开始使用 Atlas Vector Search

访问 Atlas Vector Search 快速入门指南，并在几分钟内创建您的第一个索引。

为 Vector Search 设置数据

要学习；了解如何准备数据、索引向量嵌入和运行向量搜索查询，请阅读以下页面：

部署您的应用程序

要在本地部署应用程序，请按照此Github存储库中的 README 说明进行操作。

创建 Databricks 作业和工作流程

要学习；了解如何使用JSON创建 Databricks 作业和工作流程，请参阅此 Databricks 文档。

使用 Databricks 笔记本进行分析

有关笔记本，请参阅此Github文件夹。

关键要点

转换原始数据：您可以使用触发器和函数将原始数据从MongoDB Atlas推送到 Databricks。您还可以利用MongoDB Connector for Spark为不同的机器学习算法调整数据。
处理实时数据：您可以进程实时数据以获得可行的见解，例如产品评分、产品促销和推荐引擎。
使用灵活的模式：您可以使用 MongoDB 灵活的文档模型来应用多态模式。这允许您在同一集合中存储具有共享字段和唯一字段的文档。

作者

Francesco Baldissera, MongoDB
Ashwin Gangadhar，MongoDB
Vittal Pai，MongoDB

了解详情

后退

AI 驱动的实时定价

来年

即时输入建议

1	{
2	"_id": {
3	"$oid": "64934d5a4fb07ede3b0dc0d3"
4	},
5	"colour1": "NA",
6	"ageGroup": "Adults-Women",
7	"link": "http://assets.myntassets.com/v1/images/style/properties/41b9db06cab6a17fef365787e7b885ba_images.jpg",
8	"brandName": "Baggit",
9	"fashionType": "Fashion",
10	"price": {
11	"$numberDouble": "375.0"
12	},
13	"atp": {
14	"$numberInt": "1"
15	},
16	"title": "Baggit Women Chotu Taj White Belt",
17	"gender": "Women",
18	"mfg_brand_name": "Baggit",
19	"subCategory": "Belts",
20	"masterCategory": "Accessories",
21	"score": {
22	"$numberDouble": "0.0"
23	},
24	"season": "Summer",
25	"articleType": "Belts",
26	"baseColour": "White",
27	"id": "33464",
28	"discountedPrice": {
29	"$numberDouble": "324.0"
30	},
31	"productDisplayName": "Baggit Women Chotu Taj White Belt",
32	"count": {
33	"$numberInt": "10"
34	},
35	"pred_price": {
36	"$numberDouble": "0.8616750344336797"
37	},
38	"price_elasticity": {
39	"$numberDouble": "0.0"
40	},
41	"discount": {
42	"$numberDouble": "14.0"
43	}
44	}