Neo4j 推动推荐和网站优化
挑战
Bechtle AG 在德国、奥地利和瑞士运营着约 80 家 IT 系统公司，是欧洲领先的 IT 公司之一，在 14 个国家拥有电子商务公司。该集团拥有超过 12,800 名员工，并为 70,000 多名客户提供跨供应商的无缝解决方案。2020 年，Bechtle 的收入超过 58 亿欧元。
Bechtle 数据概览- 图规模：1 亿个节点，4 亿个关系
- 网站规模：40,000 种产品和数千个信息页面
- 客户：超过 70,000 个
Bechtle 的网站为访客和客户提供硬件、软件和 IT 服务领域的全面信息和产品。其网站上提供了 40,000 多种产品和数千个信息页面。为了提升网站上的客户体验并深入了解网站使用情况以进一步优化，Bechtle 需要一种超越普通网络分析的新解决方案。Bechtle 寻求一种以数据结构而非数据本身为核心的方法。
解决方案
“实时推荐需要全新的数据模型和查询。我们每天都会记录网站上发生的数十万次操作，”Bechtle 项目经理 Zoltan Kovacs 解释道。“如果我们想优化客户体验，就需要能够实时评估这些数据。”
Neo4j 图数据库在 Bechtle 用于两个关键用例：报告和实时推荐。匿名化的客户互动数据被聚合到关键绩效指标中用于报告。Neo4j 还使实时查找产品和内容之间的相关性并将其作为推荐显示给客户成为可能。这就是 Bechtle 如何创建其 Ginni 推荐系统的。
“你无法从数据本身获得有价值的见解，而是从它形成的结构中获得，”Bechtle 人工智能工程师 Niklas Lang 说。“在图数据库中，这些结构处于首位。从中，我们可以提取对客户和我们真正相关的上下文。这正是 Neo4j 在功能和性能方面满足我们需求的地方。”在 Neo4j 中，Ginni 推荐系统生成客户在网站上采取的所有操作的详细模型。该模型既复杂又意义重大。可以使用图算法从这些模式中推导出相关性，从而将产品与其他产品、信息或服务联系起来。
"我们可以看到哪些产品在搜索哪些关键词后最终进入了购物车，” Zoltan Kovacs 说。“这有助于我们持续优化系统，并改善访客和客户的导航体验。”
结果
通过在 Neo4j 中建模交互数据，Bechtle 可以更全面地了解其业务，并更深入地分析用户旅程——这是创造改进的客户体验的先决条件。最重要的是，该图在所有这些数据之上为 AI 和 ML 创建了急需的上下文。
"用户旅程中包含许多有价值的见解，可以告诉您在线商店是否真正有效以及访客是否能够轻松浏览网站，” Niklas Lang 说。“为此，您必须能够理解字里行间的意思。这就是 Neo4j 图数据库对我们做出重大贡献的地方。”
下载案例研究