Die Tchibo GmbH ist ein international tätiges Handelsunternehmen mit Sitz in Hamburg und über 10.000 Mitarbeitenden weltweit. Gegründet 1949, begann Tchibo als Kaffeeversandhändler und ist heute für sein einzigartiges Geschäftsmodell bekannt: Neben hochwertigen Kaffeespezialitäten bietet Tchibo ein wöchentlich wechselndes Sortiment an Non-Food-Produkten, das von Kleidung über Haushaltsartikel bis zu Elektronik reicht. Mit über 900 Filialen, internationalen Online-Shops und Insel-Shops in Supermärkten ist Tchibo in zahlreichen Ländern vertreten und erzielte 2023 einen Umsatz von 3,2 Milliarden Euro.
Das Projekt auf einen Blick
- Durchführung des ersten erfolgreichen A/B-Tests für Produktempfehlungen in der Tchibo Mobile App seit Jahren
- Signifikante Steigerung der Conversion Rate für Cross-Selling-Produkte in der Mobile App
- Bereitstellung verschiedener Recommendations-Daten über eine zentrale Schnittstelle an unterschiedliche Clients
- Schaffung einer robusten Infrastruktur, die eine kontinuierliche Weiterentwicklung und einen reibungslosen Betrieb gewährleistet
- Erhöhung der Entwicklungsgeschwindigkeit durch eine leistungsfähige Plattform und gut funktionierende Produktteams
Ausgangssituation
Tchibo betreibt bereits seit 1997 digitalen Handel und setzt sich regelmäßig mit der Frage auseinander, wie es für seine Kund*innen optimale Produktempfehlungen generieren kann. Diese Empfehlungen (Recommendations) werden über die Website, die Mobile App des Unternehmens und den hauseigenen Newsletter ausgespielt. Dabei hat Tchibo beobachtet, dass der Umsatzerfolg im Newsletter größer war als in der App.
Um im App-Bereich aufzuschließen, hat Tchibo in der Vergangenheit verschiedene Prototypen (Minimum Viable Products — MVPs) entwickelt und durch A/B-Tests bewertet. Diese berechnen die individuellen Produktempfehlungen je Kund*in und stellen die Recommendations-Daten über eine Schnittstelle bereit.
Einige dieser MVPs konnten erfolgreich getestet werden, was das Interesse verschiedener interner Entwicklerteams an den Daten in der Folge erhöhte. Um diese Nachfrage zu bedienen und einen stabilen Betrieb der Schnittstelle zu gewährleisten, war es nun notwendig, die losgelösten Prototypen „einzufangen“ und in einen zentralen Microservice zu wandeln.
Die Prototypen wurden außerdem auf einer Plattform entwickelt, die in erster Linie der Business-Intelligence-(BI)-Abteilung zur Verfügung steht und nicht für derartige Microservices konzipiert wurde. Ziel des Projekts war es daher, eine Lösung zu skizzieren und umzusetzen, die die Berechnung der Recommendations-Daten in der BI-Plattform belässt und gleichzeitig die Bereitstellung der Daten an der Stelle verortet, an der alle weiteren produktiven Microservices, wie beispielsweise der Product Data Service, bereitgestellt werden.
Lösung
Für die Berechnung der Recommendations wurden zunächst Daten-Pipelines mit unterschiedlichen Ansätzen erstellt, die jede Nacht durchlaufen. Diese umfassenden Datensätze werden daraufhin in unterschiedlichen BigQuery-Tabellen bereitgestellt.
Ein Mirror-Service hat dann die Aufgabe, die Daten zwischen BigQuery und einer für produktive Zwecke geeigneten Datenbank zu synchronisieren. Da der bestehende Service langsam war und sehr unzuverlässig lief, wurde er im Rahmen des Projekts zusammen mit codecentric neu gebaut. Der neue Service wurde in Golang entwickelt, einer von Google entwickelten Sprache, die die Herausforderungen skalierbarer, verteilter Systeme adressiert. Dieser läuft nun deutlich stabiler und benötigt einen Bruchteil der Zeit des alten Service.
Die Schnittstelle wird perspektivisch vom Tchibo Webshop, der Tchibo Mobile App, einigen internen Services und dem Newsletter-Tool verwendet. Hierdurch ist mit sehr vielen Anfragen pro Sekunde zu rechnen, weshalb auch hier auf Golang gesetzt wurde. Die Entwicklung erfolgte auf dem API-First-Ansatz und nach dem Open-API-Standard.
Ergebnis
Am Ende des Projekts steht nicht nur der erste erfolgreiche A/B-Test von Produktempfehlungen für die Tchibo Mobile App seit Jahren, sondern auch eine Recommendation-Engine, die bereit ist, mehrere Millionen personalisierte Empfehlungen auszuspielen. Sobald alle Systeme angebunden sind, können diese auf die neue Engine zugreifen und personalisierte Empfehlungen Conversion-optimiert ausspielen.
Der erfolgreiche Test hat zudem das Interesse verschiedener interner Teams an den Daten geweckt. Für diesen Run ist die Schnittstelle nun robust aufgestellt und kann den internen Anfragen nach Daten standhalten. Durch die leistungsstarke Plattform konnte außerdem die Entwicklungsgeschwindigkeit erhöht werden.
Das Projekt zeigt am Beispiel des Einzelhandels, wie Big-Data-Technologien zur Umsatzsteigerung und Verbesserung der Kundenerfahrung beitragen können. Tchibo verfügt nun über eine fortschrittliche Lösung zur Datenanalyse, die direkten Einfluss auf den Umsatz hat und ihren eigenen Nutzen unmittelbar messbar macht.
Noch Fragen zum Projekt?
Willst Du mehr über das Projekt erfahren? Bist du interessiert an einer ähnlichen Lösung für dein Unternehmen?
Weitere Projekte der codecentric AG
Informiere dich über weitere erfolgreiche Projekte, die wir mit unseren Kunden abgeschlossen haben. Vielleicht findest du hier Anregungen für einen Use Case in deinem Unternehmen.
Gemeinsam bessere Projekte umsetzen.
Wir helfen deinem Unternehmen.
Du stehst vor einer großen IT-Herausforderung? Wir sorgen für eine maßgeschneiderte Unterstützung. Informiere dich jetzt.
Hilf uns, noch besser zu werden.
Wir sind immer auf der Suche nach neuen Talenten. Auch für dich ist die passende Stelle dabei.
Jimmy Nelle