Origen
El cliente está desarrollando una estrategia de acercamiento a sus clientes en aras de crear un alto engagement que los lleve a tener relaciones de largo plazo con ellos, dentro de esta estrategia se determinó que tener disponibles diferentes modelos de recomendaciones ayudaría a este propósito. En conclusión, el reto fue la construcción de estos modelos de recomendaciones en una arquitectura headless para ser usado por diferentes herramientas.
Desafío
En sintonía con la estrategia de acercamiento al cliente que se esta desarrollando, el alcance de este proyecto fue crear 13 modelos de recomendaciones que nos dieran una panorámica más amplia del comportamiento de los clientes, las regiones, los segmentos e incluso el comportamiento con referencia a las 4 estaciones.
Enfoque
Aunque los objetivos principales eran la construcción de los modelos y la creación de la api, tuvimos que superar unas instancias anteriores como: * Entendimiento de la necesidad * Entendimiento del gobierno de datos dentro del cliente. * Creación del diccionario de datos * Determinar la arquitectura del Data Lake * Definir la estrategia de comunicación entre el Data lake, data bricks y Azure Functions.
Resultados clave
Beneficios
Tener una herramienta de recomendaciones en arquitectura headless da la posibilidad de implementar un sin fin de estrategias de up-selling y cross-selling en diferentes herramientas como e-commerce, CRM, Marketing, ventas tienda a tienda etc., además de mostrar a los clientes más cercanía y mejorar el engagement también se tiene un potencial aumento en las ventas.
Comparte esta key play
