Retail-GPT: Hyper-individualisierte Angebots-Engine

Retail-GPT ist ein hyper-personalisiertes Angebotsmotor, der Redis als einheitliche AI-Speicherschicht nutzt. Es verwendet Redis für Vektorsuche mit HNSW-Indexierung, semantische Zwischenspeicherung, um die AI-Aufrufkosten um über 60% zu reduzieren, und Redis Streams für Echtzeit-Ereignisverarbeitung. Die Architektur integriert Vektoren, Cache, Merkmale und Sitzungsstatus innerhalb von Redis, ermöglicht eine Latenz von unter 50 ms für personalisierte Angebote. Das Projekt demonstriert Innovationen jenseits einfacher Zwischenspeicherung, indem es AI-basierte, kontextbezogene Angebotsauswahl und Echtzeit-Lernen aus Benutzerinteraktionen ermöglicht. Die Leistungsziele werden erreicht, mit einer medianen Latenz von etwa 35 ms und einer Cache-Trefferquote von etwa 70%. Die Einreichung hebt die Skalierbarkeit und Produktionsreife von Redis Cloud hervor, um reale Herausforderungen der Retail-Personalisierung mit einem klaren ROI anzugehen. Retail-GPT positioniert Redis als das essentielle Gehirn für moderne AI-Anwendungen, insbesondere in der Echtzeit-Personalisierung. Das Demo kann mit einem einzigen Befehl leicht ausgeführt werden, wodurch alle Redis-AI-Fähigkeiten demonstriert werden. Dieses Projekt repräsentiert eine finale Einreichung für den Redis-AI-Challenge 2025.