Som teknisk direktør og Leder for Engineering ved Flipkart, Ravi Garikipati er mannen som er ansvarlig for å sørge for at selskapets apper og nettsteder opphold cutting edge, og også holde fungerer under de store trafikktopper av de store salgene som er vanlig kost for e-handel i India. For noen måneder siden, Flipkart annonsert et partnerskap med Microsoft, der den ville bruke Azure for sin cloud behov. I det siste selv, Flipkart har snakket om hvordan det har bygget ut sin egen cloud infrastruktur og industri-observatører hadde spekulert i at e-handel gigantiske kunne tilby cloud-tjenester langs linjene av Amazon AWS. Garikipati slår ned idé, men forklarer at Flipkart fortsetter å investere i fou og utvikling av sin egen cloud infrastruktur.
“Vi fortsette å bo investert i vår egen private sky, som er bygget karakteristisk for vår egen private kravene, sier Garikipati. “Azure kan være nyttig for pigger under salg hendelser, og også for våre ad hoc-data og analytiske behov.”
“Vi vil også bruke det for ytelse og pålitelighet trenger før et salg hendelse, hvor vi kan spin off-forekomster i Azure,” legger han til, og sier, “og over tid ser vi også å sette opp og bruke Azure-cloud i en hybrid modalitet, hvor noen av våre tjenester vil også finnes i Azure sky”.
Garikipati forklarer at kunstig intelligens (AI) og maskinlæring (ML) er viktige komponenter av teknologien som blir brukt av Flipkart å levere funksjonene på nettstedet, og å levere produkter til kunder.
“Vi har stor tro på at krigen [i e-commerce] er mer rundt hvor godt du kan utnytte data eiendeler i organisasjonen,” forklarer Garikipati. “Vi har eksistert i 10 år og har en stor mengde data. Vi har gjort betydelige investeringer i våre data plattform, [vår] data forskere jobber tett med den forretningsmessige siden for å løse en rekke ulike problemer.”
Dette gjelder i en rekke forskjellige måter, forklarer han. “I discovery-det er i stor grad rundt tilpasning, være i stand til å komme opp med en modell som er optimalisert med bedre konvertering, og i stor grad skape mer engasjement i form av click through rate, sier Garikipati. “Vi bruker også vår maskin læring modellen til å boble opp aktuelle anbefalinger.”
“Vi har også ML installert i katalogen, med titalls millioner av oppføringer på vår plattform, og for å være i stand til å sortere i se på hver oppføring i form av fullstendighet og bilder, og alle attributtene blir i stedet, dette er noe vi bruker mye av ML for å løse problemet fordi det er ikke holdbart å kaste folk på problemet,” legger han til.
I stedet, Flipkart bruker datamaskinen visjon om å se på bildene som blir satt opp på stedet, og avgjøre om de er egnet. På samme tid, den er også i stand til å bruke denne teknologien for å hente ut metadata fra bilder, som kan brukes for å oppnå bedre søk og anbefalinger.
“Det finnes en haug av andre områder, som for eksempel svindel-gjenkjenning i avkastning, og lekkasjer i supply chain,” Garikipati forklarer. “Flipkart butikker selger millioner av unike elementer gjennom sin oppfyllelse sentre, og disse elementene trenger å bli plukket opp fra lager og selger steder og ende opp hos kunden.”
“Hvordan gjør vi faktisk plukke varer, pakke varer, og sende dem på forskjellige noder, som er gjort gjennom planner som ser på frekvens og planlegging av hver aktivitet,” legger han til. “Det er en form for optimering funksjon, og den begrensningen er kunden lovet forsendelsesdato. Vi har å maksimere ressursutnyttelse og redusere kostnadene. Vi bygger en proprietær algoritme som bruker en distribuert modell for å løse dette.”
Støtte for salg
Salget er nå et vanlig forekomst på e-handel nettsteder, snarere enn big one-off arrangementer. Likevel, Garikipati forteller Gadgets 360, når det er et salg finner sted, antall brukere på nettsteder og apper som er et par størrelsesordener høyere enn den daglige aktive brukere som Flipkart ser.
“Vanligvis bruker vi et par uker brenne midnatt olje-bare for å teste,” sier Garikipati. “I vår stabelen vi har nær 1 000 odd-tjenester, og vår er et SOA [Service-Orientert Arkitektur] drevet arkitektur, hvor alle disse tjenestene arbeid av hverandre, så vi må jobbe på den for å sørge for at alt som kan håndtere belastningen.”
“Vi jobber tett med næringslivet lag, og lære om den flyter i programmet i forhold til hva folk vil være med, og da kan vi bygge for stress for det,” legger han til. “Så vi er nødt til å simulere den samme belastningen egenskaper, på vår app, desktop, eller m-området, og vi vil uunngåelig komme over noen svakheter som vårt team kan da jobbe på.”
Med det økende tempoet i salget, har teamet til å jobbe for å få den “røde linjen” (bortenfor som ting begynner å svikte) høyere, og Garikipatti forklart at det er “alt vi kan for å holde den røde linjen hvor det er”. Dette betyr at det neste salget går lettere, la han til.