LimeJourney - ओपन सोर्स ग्राहक एंगेजमेंट प्लेटफ़ॉर्म

• AI-आधारित ओपन सोर्स ग्राहक एंगेजमेंट प्लेटफ़ॉर्म, जो डेटा का उपयोग करके बड़े पैमाने पर personalized user journeys डिज़ाइन करने में मदद करता है
  • Customer.io का ओपन सोर्स विकल्प
• मौजूदा टूल्स की समस्याएँ: उच्च लागत, और पूरे मौजूदा communication stack को बदलने की कठिनाई
• LimeJourney को निम्नलिखित दो सिद्धांतों के आधार पर डिज़ाइन किया गया है:
  • ओपन सोर्स accessibility: डेवलपर्स और छोटे टीमें इसे मुफ़्त में उपयोग कर सकती हैं। अगर managed solution पसंद हो, तो cloud version भी उपलब्ध है
  • मौजूदा integrations का समर्थन (BYOI): मौजूदा टूल्स के साथ integration का समर्थन, पूरे stack को बदलने की आवश्यकता नहीं

प्रमुख फीचर्स

• AI-आधारित insights: ग्राहक को समझने में मदद के लिए AI models का उपयोग
• Visual journey builder: सहज drag-and-drop interface के साथ जटिल user journeys बनाई जा सकती हैं
• Dynamic segmentation: user events या properties के आधार पर segments बनाए जा सकते हैं
  • उदाहरण: "पिछले 30 दिनों में खरीदारी न करने वाले उपयोगकर्ता"
• Integration फीचर्स: मौजूदा टूल्स और services से कनेक्ट किया जा सकता है, data collection से जुड़े integrations लगातार जोड़े जा रहे हैं

LimeJourney का tech stack

• Full-stack monorepo application (TypeScript में लिखा गया)
• प्रमुख तकनीकें:
  • Turbo: monorepo management
  • Next.js: web app development
  • TailwindCSS: styling
  • Express: API development
  • TSOA: API routes और OpenAPI documentation generation
  • PostgreSQL: मुख्य data store
  • Redis: Journey-Trigger mapping management के लिए KV store
  • ClickHouse: बड़े पैमाने के event/entity data management और real-time segmentation
  • Temporal: Visual journey builder में बनाए गए journeys को execute करने के लिए
  • Kafka: केंद्रीय event bus (Upstash पर hosted)

बैकेंड आर्किटेक्चर

मुख्य घटक

• Event streaming backbone (Kafka-आधारित)
  • user और system events की high-speed processing
  • सिस्टम के भीतर modules के बीच asynchronous communication का समर्थन
  • event sourcing के ज़रिए data consistency और replayability प्रदान करता है
• Real-time segmentation engine
  • ClickHouse की high-performance query capabilities का उपयोग
  • user properties और behavior के आधार पर dynamic segments बनाना
  • बड़े पैमाने पर भी तेज़ segment computation संभव
• Journey orchestration
  • Temporal के आधार पर जटिल user journeys का प्रबंधन
  • workflow reliability सुनिश्चित, failure होने पर recovery संभव
  • journey pause, resume और modification का समर्थन
• Entity management
  • user profiles और properties का प्रबंधन
  • entity change events का प्रकाशन
  • पूरे प्लेटफ़ॉर्म में एकीकृत user data उपलब्ध कराना

Data flow और interaction

1. user behavior (जैसे page view, purchase) events उत्पन्न करता है और उन्हें Kafka तक भेजता है
2. events को ClickHouse में store किया जाता है, जिससे बड़े पैमाने पर data analysis संभव होता है
3. segmentation engine नवीनतम events और data के आधार पर real-time user segments को update करता है
4. segmentation में बदलाव या specific events journey orchestration को trigger करते हैं
5. Temporal journeys को manage करता है और निम्नलिखित कार्य करता है:

• user data और event history को query करना
• वर्तमान segmentation state की जाँच
• external actions trigger करना (जैसे email, push notification भेजना)

6. प्रमुख actions या state changes पर नए events उत्पन्न होते हैं और वापस सिस्टम में भेजे जाते हैं

[kandk]

क्या kafka ऐसे बड़े पैमाने के events के लिए उपयुक्त होगा?

[yangeok]

क्या async processing की ज़रूरत होने की वजह से इसका इस्तेमाल किया जाता है, तो क्या यह उपयुक्त नहीं होगा?