Société Générale

Энтерпрайз-платформа для персонализированной выдачи финансовых предложений в режиме реального времени

Платформа рекламы Société Générale

Система позволяет формировать индивидуальные кредитные и финансовые офферы на основе пользовательских данных и поведенческой аналитики — полностью внутри инфраструктуры банка, без участия сторонних рекламных сетей.

Задача

Клиенту требовалось объединить несколько разрозненных API рекламных сервисов и кредитных предложений в единую платформу, которая:

  • поддерживает таргетинг на уровне каждого клиента
  • работает в режиме реального времени под высокой нагрузкой
  • обеспечивает строгий контроль данных и соблюдение банковских требований
  • полностью исключает внешние рекламные сети (privacy & compliance)

При этом система должна была стать инструментом для маркетинга и риск-аналитики одновременно.

Наш подход

1 — Модульная backend-платформа

Мы разработали платформу, в которой объединены:

  • профили клиентов
  • модели кредитного скоринга в реальном времени
  • кампании и правила персонализации

Все взаимодействие происходит через внутренние API, что обеспечивает безопасность, масштабируемость и предсказуемость откликов системы.

2 — Надёжная DevOps-инфраструктура

  • CI/CD пайплайн на Jenkins автоматизировал тестирование и релизы
  • Сервисы были контейнеризированы в Docker и развернуты в Kubernetes
  • Оркестрация обеспечила безотказную работу во время пиковых рекламных кампаний

3 — Поведенческая аналитика и ML-сигналы

Мы внедрили сбор поведенческих данных: клики, конверсии, просмотры предложений, параметры вовлеченности. Эти данные передавались в ML-модели, которые определяли динамическое размещение объявлений и оптимальные комбинации офферов.

Результаты

  • Полностью автоматизированная персонализированная выдача рекламных предложений для миллионов клиентов
  • Время подготовки кампаний сокращено с нескольких дней до минут
  • Данные из трёх разрозненных систем объединены в один наблюдаемый backend
  • Созданы дашборды для мониторинга конверсий, охвата и производительности
  • Значительное повышение эффективности кампаний благодаря ML-ориентированной персонализации

Технический стек

Backend: Java 11 · Spring

Database: Oracle

Infrastructure: Docker · Kubernetes

CI/CD: Jenkins

Duration: 12 месяцев

Team: 5 инженеров

Почему это важно

Этот проект укрепил нашу компетенцию в областях: real-time персонализации, оркестрации сложных API, высоконагруженных систем для маркетинга и финансов. Сегодня эти принципы используются нами при создании: CRM-систем нового поколения, платформ маркетинговой автоматизации, персонализированных рекомендаций, динамических продуктовых воронок — когда молодым компаниям нужна интеллектуальная архитектура уровня enterprise, но с гибкостью и скоростью стартапа.

Кейсы

Société Générale: персонализация финансовых предложений в реальном времени | H-Studio