个性化将 Blinkist 从图书销售商转

barikulislam015

变为终身学习平台。” 什么是数据源和技术堆栈 与许多其他公司不同，Blinkist 使用自己的应用内事件跟踪（称为“Alchemist”），而不是在应用中使用第三方 SDK。 炼金术士眨眼 “我们想拥有这些数据，”梅丽莎说。“我们希望将一切都保持在事件级别，因为这告诉我们客户正在做什么，无论后台发生了什么。” Blinkist 开源了“Alchemist”的部分内容（GitHub 存储库）。 以下是转换过程的不同阶段。 数据源：通过自己的事件总线，数据来自 Blinkist 应用程序 - Web 应用程序、iOS 和 Android 应用程序以及 Alexa Skills。事件也从营销系统 (Facebook) 和营销自动化/CRM 系统 (Braze) 返回。 数据摄取：Alchemist 由 AWS Kinesis 和 Lambda 函数以及用于实时监控的 CloudWatch 组成。

Alchemist 处理、转换、丰富和验证所有事件，并通过 S3 将它们写入 Amazon Redshift。 数据仓库：Amazon Redshift、dc2.large 节点。Blinkist 还使用Redshift Spectrum将 S3 中的数据与 Redshift 中的数据 电子邮件营销列表 连接起来。 数据建模/预测：Blinkist 使用 Matillion（一种“ELT”产品）在其 Redshift 数据仓库中进行转换。对于推荐部分，Melisa 使用 Amazon Sagemaker 进行机器学习。“我们将最终计算从 Redshift 推送到 S3。我们有多个 Sagemaker 笔记本，可以根据这些数据进行训练并提供建议。” 数据服务：Sagemaker 的建议写入 DynamoDB 并通过 API 公开。 数据可视化：对于商业智能部分，Blinkist 使用 Periscope Data 和 Amplitude。两者都连接到 S3 / Redshift 中的最终计算。



“我们使用 Periscope 数据进行一般报告和营销报告，因为它具有灵活性。然而，用户参与度数据会进入 Amplitude，以便更深入地分析产品分析方面。” 仓库数据管道的输出是事实表，具有“眨眼之间的交互漏斗”，正如 Melisa 描述的数据平台的这一部分。在这些事实表中，“我们每天在不同平台上提炼出有关客户互动的所有信息。” Melisa 与 6 人团队一起完成推荐/转型工作。此外，还有一个由 3 人组成的数据工程团队，专注于利用包括 Alchemist 在内的数据基础设施。截至发稿时，Blinkist 拥有 160 名员工，总共 6 +3 = 9 人，其中 5% 的员工致力于核心数据平台。 最佳实践和经验教训 梅丽莎必须根据她过去几年的工作提供一些经验教训。