E-commerce platform designed for continuous optimization and personalization

Abstract

The ability of an e-commerce company to collect, synthesize, and utilize data can be vital to its survival. The degree to which a company has the ability to gather data about sources of conversion is proportional to their ability to allocate advertising / im- plementation budget effectively. Measurement and optimization of user flow on a website is equally important as it can deliver a measurable increase in user loyalty, revenue, and profits. Similarly, it can reveal that numerous improvements, while appearing effective on paper, may not perform as well in real-world scenarios. This thesis focuses on the construction of an e-commerce platform centered around data collection and analysis. We use the data to conduct continuous, real-time experi- ments on the platform using the contextual multi-armed bandits algorithm. We develop a recommendation system based on collaborative filtering and set up an experiment to evaluate it's real-world performance. The platform can be easily connected to a business intelligence dashboard to allow data exploration, to support its management in making informed tactical & strategic decisions. The platform is developed with Blazor, which is an emerging technology that en- ables usage on C# code in the browser with compilation to WebAssembly as opposed to JavaScript. We describe...

Schopnost e-commerce společnosti shromažďovat, syntetizovat a využívat data může být klíčová pro její přežití. Míra, do jaké společnost dokáže shromažďovat data o zdrojích konverze, je proporcionální k její schopnosti efektivně alokovat rozpočet na reklamu / im- plementaci. Měření a optimalizace toku uživatelů na webu je stejně důležité, jelikož může přinést měřitelné zvýšení loajality uživatelů, příjmů a zisku. Stejně tak může odhalit, že mnoho zdánlivě efektivních vylepšení na papíře nemusí ve skutečných situacích fungovat tak dobře. Tato diplomová práce se zaměřuje na vývoj e-commerce platformy zaměřené na sběr a analýzu dat. Data používáme k provádění neustálých, real-time experimentů na plat- formě pomocí algoritmu contextual multi-armed bandits. Vyvíjíme doporučovací systém založený na kolaborativním filtrování a nastavujeme experiment na jeho evaluaci v reál- ných podmínkách. Platforma lze snadno propojit s nástrojem pro business intelligence, aby umožnila prozkoumávání dat a podporu managementu při rozhodování na základě informací na taktické a strategické úrovni. Platforma je vyvíjena s použitím technologie Blazor, což je nová technologie umožňu- jící použití kódu C v prohlížeči díky kompilaci do WebAssembly namísto JavaScriptu. Popisujeme zkušenosti s výhodami a výzvami při používání této...