Skip to main content
big data

Big Data: Почему так важна архитектура Ваших инструментов?

ВРЕМЯ ЧТЕНИЯ
3 минуты
Автор
Gilyana
Gilyana Akuginova
Контент-маркетолог Kameleoon, Гиляна анализирует отзывы наших клиентов и консультантов, а также делится новыми практиками в области оптимизации конверсии.
Поделиться

Каждую секунду посетители взаимодействуют с Вашим сайтом, оставляя за собой феноменальное количество информации, которое Вы затем можете использовать для того, чтобы создать уникальный опыт для них. Перед таким испытанием уж лучше убедиться, что технологии, которые Вы используете, способны правильно обработать такой объем данных! Big Data – это не просто модное и актуальное словечко. Наша архитектура была полностью построена с конкретной целью - развиваться вместе с последними и самыми продвинутыми технологиями, с легкостью обрабатывать колоссальный объем данных. Без такой технической базы наши алгоритмы машинного обучения не были бы столь эффективными. Сегодня мы раскроем Вам обратную сторону вопроса, а также технологические возможности Kameleoon.

Архитектура Big Data, адаптированная под реальное время и предиктив

Сбор данных больше не является вызовом для маркетологов, теперь важнее суметь их использовать наилучшим образом. Вы принимаете тысячи посетителей на Вашем сайте каждый месяц и собираете столько же информации об их навигационном поведении. И именно для того, чтобы дать Вам такую возможность и облегчить процесс принятия решения, команда Kameleoon работает (с 2009 года) над анализом и активацией поведенческих, контекстуальных, демографических данных, а еще вопросами Ваших DMP и CRM. Наша архитектура адаптирована для Big Data и предиктив: именно благодаря ей наши алгоритмы машинного обучения могут идентифицировать сегменты посетителей, которые важны для Вашей компании.

big data Audiences

На сегодняшний день, и мы не одни так считаем, мы можем предложить лучшее решение на рынке для проведения кампаний по персонализации и тестов, какой бы сложностью они не отличались.

Elasticsearch VS SQL, PHP: почему наш выбор технологий важен и для Вас?

Технологии очень стремительно развиваются, очень. Многие технологии, которые царили в начале нулевых, фактически морально устарели на сегодняшний день (например, базы SQL) или не подходят для обработки данных в режиме реального времени (как, например, PHP или другие языки, которые обычно используются для веб-сайтов). И спор заключается не в том, чтобы усомниться в упомянутых технологиях, но скорее в их актуальности для существующих экосистем предприятий. К тому же, новые проблемы компаний, касающиеся управления данными, требуют внутренней актуализации установок. Именно поэтому мы выбрали интегрировать более стабильные и развитые технологии (от противного технологиям SQL и PHP), коими являются Elasticsearch и NoSQL, чтобы построить здоровую и долговечную архитектуру, способную отвечать совокупности потребностей наших клиентов и выдержать испытание временем.

SQL vs. NoSQL

Базы данных SQL находятся в эпицентре развития интернета с 70-х годов. И такие сайты, как Google, Facebook, Twitter или Youtube все еще частично полагаются на базы SQL. Только вот эти базы не адаптированы под временные ограничения. Когда объем данных, который нужно обработать, становится слишком большим, такой тип базы данных работает медленно. А с инструментом персонализации пользовательского опыта последствия для пользователей становятся сразу очевидными. Когда Вы создаете продвинутые персонализации, примиряя пути cross-device или извлекая информацию из Ваших DMP и CRM, обещание о реальном времени невозможно сдержать. Существует два возможных решения данной проблемы:

  1. Постоянно прокачивать Вашу базу данных SQL обновлениями hadware, рискуя создавать помехи и угрожая цельности используемых данных.

  2. Распределить загрузку данных по разным базам с определенными характеристиками. И это вызов, которое мы приняли в Kameleoon, выбрав структуру NoSQL

NoSQL (которое означает Not Only SQL) привлек много внимания некоторыми выше упомянутыми гигантами. Почему? Да потому что они осознали, что это лучшее распределение данных – это лучший способ использовать массивные объемы данных.

Как Kameleoon управляет данными пользователей на практике?

  • Посетитель Х заходит на Ваш сайт. Все данные посещения (поведенческие, контекстуальные и т.д.) сохраняются автоматически локально в хранилище его браузера. Это позволяет незамедлительно предоставлять ему персонализированный опыт без нужды обращения с удаленному серверу.

  • Все эти данные также сохраняются Kameleoon через один из наших серверов. Как только посещение можно считать оконченным (спустя 30 минут отсутствия активности), данные тут же передаются в инфраструктуру хранилища.

А сейчас посмотрим, как происходит хранение данных.

  • С NoSQL мы развернули две платформы хранения данных:

- Elasticsearch: это одновременно и способ хранения, и поисковой механизм, изучаемые для использования данных в реальном времени. Это позволяет отправлять отчеты в бэк-офис Kameleoon, чтобы получить анализ, а также для того, чтобы (когда это актуально) получить обратно данные со стороны навигатора. - Cassandra: там мы храним совокупность данных посещений. Это нам позволяет производить продвинутый анализ, который не требует срочности, не затрагивая эффективности первой платформы хранилища, Elasticsearch. Тот факт, что архитектуры, основанные на NoSQL, вытесняют своих предшественников, можно объяснить двумя причинами: - они способны развиваться и адаптироваться в ногу с последними инновациями - они могут управляться с большими объемами данных Эти технологии меняют курс для нас и наших клиентов.

Jean-Noel Rivasseau - architecture big data kameleoon Объем данных, которые мы обрабатываем, просто огромен. Вместо того, чтобы рисковать и ограничиваться устаревшими системами, мы приняли вызов и создали более современную и здоровую архитектуру с помощью NoSQL. Именно поэтому Kameleoon может обрабатывать огромные объемы данных и сдерживать обещание реального времени.

-Жан-Ноэль Ривассо, основатель и CTO Kameleoon

Выбирайте предиктивный маркетинг

Лучшее решение по управлению клиентскими данными позволяет обеспечить предиктивный подход. Наша архитектура Big Data используется алгоритмами машинного обучения, поэтому целью является возможность определить: кто они, Ваши будущие клиенты?

cta ru ai
Gilyana
Gilyana Akuginova
Контент-маркетолог Kameleoon, Гиляна анализирует отзывы наших клиентов и консультантов, а также делится новыми практиками в области оптимизации конверсии.
Topics covered by this article
Вам также могут понравиться эти статьи