Cómo Ibotta Usa Databricks Vector Search y AI/BI para Personalizar Ofertas de Cashback y Reducir la Latencia a Escala
Ibotta, la plataforma digital de recompensas de EE.UU. que conecta a millones de compradores con ofertas de cashback de marcas en canales de supermercado y retail, consolidó su infraestructura de recompensas en Databricks Data Intelligence Platform. Usando Databricks Vector Search para la coincidencia semántica de ofertas, AI/BI para analítica de autoservicio, Unity Catalog para la gobernanza y Lakeflow Jobs para la orquestación de pipelines, Ibotta mejoró la relevancia de las ofertas, aumentó el engagement de los compradores, redujo la latencia de las recomendaciones y simplificó las operaciones eliminando el uso fragmentado de herramientas en sus equipos de datos y ML.
Impacto
Increased
Mejora en relevancia de ofertas
Increased
Engagement de compradores
Reduced
Latencia de recomendaciones
Faster
Velocidad del ciclo de desarrollo
Desafío
La coincidencia de ofertas de cashback de Ibotta requería una comprensión semántica rápida y precisa de la intención del comprador a escala, pero el uso fragmentado de herramientas en los equipos de datos y ML ralentizaba los ciclos de desarrollo, creaba brechas de gobernanza y dificultaba la optimización del pipeline de recomendaciones de extremo a extremo.
Solución
Ibotta consolidó su infraestructura de recompensas en Databricks Data Intelligence Platform, desplegando Vector Search para la coincidencia semántica de ofertas, Unity Catalog para el linaje gobernado de datos y modelos, Lakeflow Jobs para la orquestación de pipelines y AI/BI para la analítica de autoservicio — unificando las operaciones de datos y ML para una iteración más rápida y mayor relevancia de las ofertas.
Herramientas y tecnologías
Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.
Historia completa
El producto principal de Ibotta es conectar a los compradores con ofertas de cashback relevantes de marcas — un desafío de personalización que requiere una comprensión semántica rápida y precisa de la intención del comprador y los atributos de las ofertas. Con millones de compradores y miles de ofertas de marcas, la calidad del algoritmo de coincidencia determina directamente el engagement, la conversión y el valor entregado a ambos lados del marketplace.
Antes de consolidarse en Databricks, los equipos de datos y ML de Ibotta operaban con herramientas fragmentadas — sistemas separados para el procesamiento de datos, ingeniería de características, entrenamiento de modelos y servicio. Esta fragmentación ralentizaba los ciclos de desarrollo, creaba brechas de gobernanza y dificultaba que analistas e ingenieros colaboraran en una comprensión compartida de los datos de la plataforma.
Ibotta estandarizó en Databricks Data Intelligence Platform, centralizando todas las operaciones de datos y ML bajo Unity Catalog para la gobernanza y el seguimiento de linaje. El equipo desplegó Vector Search para la coincidencia por similitud semántica en inventarios de ofertas — permitiendo al motor de recomendaciones hacer coincidir a los compradores con ofertas relevantes basándose en señales de intención en lugar de reglas de categorías rígidas. Lakeflow Jobs proporciona la gestión orquestada de pipelines para los flujos de trabajo de entrenamiento y servicio de ML. AI/BI democratiza la analítica, permitiendo a los equipos de negocio consultar los datos de rendimiento de la plataforma sin necesitar soporte de ingeniería.
La plataforma consolidada entregó mejoras medibles en el pipeline de coincidencia de ofertas: mayor relevancia de las ofertas mediante mejor coincidencia semántica, mayor engagement de los compradores con recomendaciones personalizadas, menor latencia en el path de servicio de recomendaciones y ciclos de desarrollo más rápidos para ingenieros y analistas que trabajan desde una base de datos unificada y gobernada.