SDK clients
4 plateformes
- alimente
- Kafkavalider
Toutes les études de cas
Analytique produitExpérimentationPersonnalisation6 mois
Masters
Quatre outils d'analytique donnaient des chiffres différents. Il n'y a plus qu'un seul jeu de chiffres, et tout le monde s'y fie.
CTR des offres
6,4 %
Offres classées avec contrôles d'expérimentation
Avant
4,5 %
Règles statiques, même offre pour tous
En clair
De quoi il s'agit.
Pas de jargon dans cette section. Le compte rendu technique se trouve plus bas.
Ce qui n'allait pas
L'entreprise fonctionnait sur quatre plateformes qui comptaient chacune les utilisateurs à leur façon : deux tableaux de bord pouvaient diverger d'un cinquième sans que personne ne sache lequel avait raison. Les décisions produit se discutaient au lieu de se mesurer.
Ce que nous avons construit
Nous avons convenu d'une définition unique pour chaque chiffre important, avec le produit, la croissance et la finance réunis, reconstruit le reporting sur ces définitions et ajouté les contrôles nécessaires pour tester correctement les changements.
Ce qui a changé
Un seul jeu de chiffres partagé, neuf tests en parallèle au lieu de deux, et les débats d'attribution retirés de l'ordre du jour des réunions. La part des personnes qui cliquent sur une offre est passée de 4,5 % à 6,4 %.
Architecture
Comment l'ensemble s'articule.
Faites défiler les étapes. Tout ce qui est marqué comme ajouté est un composant qui n'existait pas avant ce projet.
Kafka
contrats
- reçoit de
- SDK clientsvalider
- alimente
- ClickHouse
ClickHouse
brut + marts
- reçoit de
- Kafka
- alimente
- Métriques dbt
Métriques dbt
gouvernées
- reçoit de
- ClickHouse
- alimente
- LightGBMfeatures
LightGBM
classement des offres
- reçoit de
- Métriques dbtfeatures
- alimente
- Expériencesservir
Expériences
uplift + biais
- reçoit de
- LightGBMservir
SDK clients
4 plateformes
- alimente
- Kafkavalider
Kafka
contrats
- reçoit de
- SDK clientsvalider
- alimente
- ClickHouse
ClickHouse
brut + marts
- reçoit de
- Kafka
- alimente
- Métriques dbt
Métriques dbt
gouvernées
Nous avons ajouté ceci- reçoit de
- ClickHouse
- alimente
- LightGBMfeatures
LightGBM
classement des offres
Nous avons ajouté ceci- reçoit de
- Métriques dbtfeatures
- alimente
- Expériencesservir
Expériences
uplift + biais
Nous avons ajouté ceci- reçoit de
- LightGBMservir
Le compte rendu
Comment il serait construit.
Jeu de données, approche, métriques cibles et stack. Écrit pour la personne qui devra le relire.
Analytique produitExpérimentationPersonnalisation6 mois
Masters
Analytique et personnalisation unifiées, pour que les équipes mènent des expériences fiables et avancent plus vite.
Problème
Quatre plateformes émettaient des schémas d'événements incompatibles, si bien que personne ne s'accordait sur ce qu'était un utilisateur retenu. Les décisions produit se prenaient sur des tableaux de bord qui divergeaient jusqu'à 20 %.
Jeu de données
- lignes
- 412 M d'événements
- features
- 86
- sources
- iOS, Android, Web, CRM
- fenêtre
- 24 mois
Approche
- 01Défini une taxonomie d'événements unique avec des contrats de tracking imposés en CI
- 02Acheminé toutes les sources en streaming vers un seul entrepôt, avec réconciliation des identités
- 03Construit des vues de cohortes et de rétention sur une couche de métriques gouvernée
- 04Déployé un modèle de classement des offres derrière un framework d'expérimentation
Métriques
- 0,87
- AUC du classement +0,11
- 6,4 %
- CTR des offres +1,9 pp
- <1 %
- dérive des métriques entre équipes
- 340 ms
- p95 des requêtes -2,1 s
Preuves
- source
- Architecture de référence
- chiffres
- Illustratif — valeurs typiques pour cette architecture
- mesure
- Non mesuré. Valeurs typiques pour une architecture de référence de ce type, non observées sur un système client.
- référence
- Non disponible pour ce projet
- dernière revue
- 2026-08-25
Impact métier
- Une définition de KPI partagée entre produit, croissance et finance
- Rythme d'expérimentation passé de 2 à 9 tests simultanés
- Les litiges d'attribution ne sont plus un sujet récurrent en réunion
Stack technique
- Python
- ClickHouse
- Apache Kafka
- dbt
- Airflow
- FastAPI
- LightGBM
- Metabase
Suite
Besoin d'un système comme celui-ci ?
Répondez à six questions et nous vous dirons si cette architecture correspond à votre problème — y compris quand ce n'est pas le cas.