Behavior Analytics — AI Customer Insights
Platforma analityczna wykorzystująca AI do analizy zachowań użytkowników na stronach internetowych. Automatycznie identyfikuje wzorce, segmentuje użytkowników i generuje rekomendacje biznesowe. Dane z Google Analytics API, custom event tracking i heatmap.
Data Engineer & AI Developer
Technologie
Co zrobiłem
Pipeline danych z wielu źródeł
Integracja z Google Analytics 4 API, custom event tracking (kliknięcia, scroll depth, czas na sekcji) i formularze kontaktowe. ETL pipeline w Pythonie agregujący dane w PostgreSQL z automatycznym czyszczeniem i normalizacją.
AI-driven segmentacja i wzorce
Klasteryzacja użytkowników na podstawie zachowań (k-means + embeddingi LLM). Agent AI analizuje ścieżki konwersji, identyfikuje drop-off points i generuje hipotezy w naturalnym języku: 'Użytkownicy z mobile porzucają formularz w kroku 2 — za dużo pól.'
Dashboard z rekomendacjami
Interaktywny dashboard w Next.js z wizualizacjami Recharts. Funnel analysis, heatmapy kliknięć, segmenty użytkowników. Kluczowe: panel rekomendacji AI — konkretne sugestie zmian z prognozowanym wpływem na konwersję.
Wyzwanie
Klienci mieli Google Analytics, ale nie wiedzieli co z danymi zrobić. Surowe metryki (bounce rate, session duration) nie mówią CO zmienić. Potrzebowali narzędzia, które zamieni dane w konkretne, actionable rekomendacje.
Rozwiązanie
Pipeline łączący dane behawioralne z wielu źródeł, AI do analizy wzorców i generowania rekomendacji w naturalnym języku. Agent LangChain dostaje kontekst strony (branża, cele, funnel) i analizuje anomalie, trendy i segmenty — wypluwając konkretne sugestie zmian.
Kluczowe decyzje
Python + Pandas do ETL zamiast dedykowanego narzędzia (elastyczność)
LangChain agent z dostępem do bazy — dynamiczne zapytania SQL
Recharts zamiast D3 — szybszy development przy wystarczającej customizacji
PostgreSQL z materialized views do szybkich agregacji
Najfajniejsze jest gdy agent mówi 'użytkownicy z Facebooka spędzają 4x więcej czasu na stronie cennika, ale nigdy nie klikają CTA — przycisk jest poniżej foldu na mobile'. Trzy zdania, a klient od razu wie co zmienić. To jest wartość AI — nie dashboardy z 50 wykresami, tylko odpowiedź na pytanie 'co mam zrobić?'
Kacper Kawczak
Data Engineer & AI Developer
Rezultaty
Klienci wdrażający rekomendacje widzieli średnio 23% wzrost konwersji w ciągu pierwszego miesiąca. Czas analizy skrócony z 2 dni ręcznej pracy analityka do 15 minut automatycznego raportu. Zidentyfikowanie problemów UX, które umykały przy ręcznym przeglądaniu danych.