FranchiseRamp արշավների ավտոմատացման հարթակ
Ձեռնարկության մակարդակի բաշխված microservice էկոհամակարգ բազմահարթակ գովազդային արշավների ավտոմատացման և վերլուծության համար
Franchisor-ների համար նախագծված ամբողջական արշավների ավտոմատացման և տվյալների համաժամացման էկոհամակարգ։ Այն միավորում է նույնականացման կառավարումը, Facebook և TikTok API-ներից գովազդային տվյալների ավտոմատ ներբեռնումը, բարձր թողունակությամբ lead-երի մշակումը և կանխատեսող առաջարկների գեներացումը։
Տեխնոլոգիական փաթեթ
Խնդիր
Franchisor-ները բախվում էին multi-channel մարքեթինգային արշավների կառավարման հսկայական ձեռքով գործառնական ծանրաբեռնվածության, հարյուրավոր տեղակայությունների միջև lead տվյալների միավորման և գովազդի կատարողականության իրական ժամանակի չափելի մետրիկների ստացման հետ։
Լուծում
Կառուցվել է իրադարձությունների վրա հիմնված microservice հարթակ՝ Celery, RabbitMQ և Elasticsearch-ի կիրառմամբ, որն ավտոմատացնում է գովազդային տվյալների ամենօրյա համաժամացումը, հաշվարկում է CPL/ROI կատարողականության մետրիկները տարբեր ժամանակահատվածների համար և հաշվի կառավարիչների համար իրական ժամանակում գեներացնում է գործառնական առաջարկներ։
Տեխնիկական ներդրում
Նախագծել և փաստաթղթավորել եմ բաշխված backend microservice-ների ճարտարապետությունը, մշակել եմ պրոդուկցիոն մակարդակի Elasticsearch ինդեքսներ և agregացիայի pipeline-ներ, իրականացրել եմ RBAC՝ JWT token-ի կենսացիկլի կառավարմամբ, և կառուցել եմ ասինխրոն առաջադրանքների կատարման pipeline-ներ։
Ճարտարապետություն
Իրադարձությունների վրա հիմնված microservice ճարտարապետություն, որը ներառում է Auth IAM ծառայություն (Django/PostgreSQL/RabbitMQ), արշավների ավտոմատացման կենտրոնական orchestrator (FCA), առանձնացված Data Sync Engine (Python/Elasticsearch) և կենտրոնացված Celery scheduler՝ Flower մոնիտորինգով։
Կատարողականություն
Օպտիմալացվել են բարձր ծավալի գրառման գործողությունները՝ Elasticsearch-ի ասինխրոն bulk ներբեռնման միջոցով, իրականացվել է տարեկան դինամիկ index sharding՝ բազմամյա տվյալների պատմության վրա ցածր ուշացումով հարցումների ագրեգացիա պահպանելու համար։
Անվտանգություն
Իրականացվել է խիստ stateless JWT նույնականացում՝ refresh-token-երի ավտոմատ blacklisting-ով, մանրակրկիտ RBAC ֆունկցիոնալ շրջանակների համար (գովազդի կառավարում, հաշվետվողականություն), և անվտանգ ծառայություն-ծառայություն հաղորդակցություն ներքին API բանալիների միջոցով։
Տեղակայման մոդել
Կոնտեյներացված բազմածառայության կարգավորում՝ կառավարվող Docker Compose-ով լոկալ և Kubernetes-ով (Helm) պրոդուկցիայում, աշխատող GitLab CI/CD pipeline-երով՝ Flake8 linting-ով և ավտոմատացված test coverage հաշվետվողականությամբ։
Արդյունք
Ավտոմատացվել է ձեռքով գովազդային տվյալների համաժամացման աշխատանքների 90%+-ը, ապահովվել է ակնթարթային cross-platform կատարողականության տեսանելիություն հազարավոր franchise տեղակայությունների համար, և հաշիվների ռազմավարներին տրամադրվել են ամենօրյա ավտոմատացված բյուջետային և օպտիմիզացիայի առաջարկներ։