Moteur de Recommandation E-commerce (n8n)
Backend de recommandation en production : n8n + PostgreSQL, 4 modes (tendances/co-achat/personnalisé/réachat), 74 nœuds, API webhook, planificateur quotidien. Aucun serveur personnalisé requis.
Données de commandes e-commerce personnalisées via API REST
Moteur de recommandation à 4 algorithmes avec upsert, planificateur quotidien, API webhook
Moteur de recommandation production entièrement construit avec n8n + PostgreSQL — pas de serveur Python, pas d'infrastructure ML.
4 Algorithmes de Recommandation
| Mode | Algorithme | Cas d'Usage |
|---|---|---|
| Tendances | Produits les plus achetés sur fenêtre glissante 7 jours | Page d'accueil |
| Co-achat | Analyse du panier de marché | "Fréquemment acheté ensemble" |
| Personnalisé | Historique client → top non commandé | Clients récurrents |
| Rachat | Consommables précédemment achetés | E-mails de réapprovisionnement |
Architecture (74 nœuds)
POST /import-orders → valider client → upsert vers PostgreSQL
POST /generate-recs → récupérer commandes → exécuter algorithmes → upsert résultats
GET /get-recs → récupérer par mode + client_id
GET /customer-recs → personnalisé + rachat fusionnés
ScheduleTrigger (quotidien) → purger commandes > 90 jours
Motif SQL Panier de Marché Pour chaque paire de commandes (A,B) achetés par le même client : incrémenter co_purchase_count(A,B). La requête retourne les articles avec le plus grand compte pour le produit courant.
Pourquoi n8n Plutôt que Python ? Les backends de recommandation typiques nécessitent : service de modèle, env Python, monitoring, réentraînement. Celui-ci délivre 4 modes de recommandation avec SQL + webhooks purs, déployable en quelques heures, maintenable sans code.