Concevoir une infrastructure de Big Data
pour la Data Science

 

keywords: ecommerce, Big Query, Hadoop, DoubleClick, Data collection, Data exploration, Data Impact

Le Challenge

MercadoLibre (littéralement “marché libre” en espagnol) a été fondée en 1999 en Argentine et opère actuellement dans 16 pays. MeLi est le site de commerce électronique le plus populaire d’Amérique latine en termes de nombre de visiteurs (plus de 200 millions d’utilisateurs enregistrés au troisième trimestre de 2018).

MeLi est un acteur particulièrement sophistiqué dans le digital et s’efforce toujours d’offrir la meilleure expérience non seulement à ses clients, mais également à ses équipes d’analystes, afin que la technologie ne soit pas un obstacle mais une opportunité.

Le défi était ici d’attribuer les conversions aux bons canaux, afin de répartir efficacement le budget à travers tous les départements du MELI, avec l’idée d’optimiser les dépenses de médias et de marketing.

 

L’approche choisie par DBi

Les trois défis majeurs de ce projet étaient de:

1.créer une infrastructure de données permettant d’explorer à 360° la data de Mercado Libre et de calculer le retour sur investissement versus le coût d’acquisition par canal ;

2.développer et tester avec MeLi un processus d’attribution innovant et juste ;

3.se placer dans un cadre agile, en utilisant plusieurs itérations (sprints) pour apporter des améliorations rapides et incrémentales (sur la granularité des données, les sources de contenu à intégrer, etc.)

 

  • Nouvelles sessions 60% 60%
  • Nouvelles transactions 49% 49%
  • Economies en Medias (au travers d’une meilleure allocation médias) 8% 8%
  • Augmentation des revenus des paid channels 65% 65%

Des résultats très concluants

Dans un contexte de marché de “winner-takes-it-all” en Amérique Latine, le nombre d’utilisateurs et de sessions étaient des indicateurs-clés de performance. En utilisant la nouvelle infrastructure, MELI a pu expérimenter:

  • 61% de sessions supplémentaires
  • 49% de transactions supplémentaires
  • 8% d’économies sur les achats médias (grâce à une meilleure allocation du budget médias)
  • Une augmentation de 65% des revenus des paid channels

Cela a été possible grâce à la conception de:

  1. une infrastructure Big Data (Big Query, Double Click, Hadoop, …)
  2. un processus d’attribution basé sur divers algorithmes (Reconstruction de la voie de navigation, Chemin d’accès aux coalitions, …)
  3. la mise en place de rapports / data visualisations adaptées.