Matchmaking Acara dan Analitik Feedback

Pencarian matchmaking yang lebih relevan dan analisis feedback berbasis LLM untuk perusahaan event-tech di Singapura.

+40%
Peningkatan relevansi pencarian dengan collaborative filtering
-25%
Penurunan waktu respons server setelah tuning PostgreSQL
96%
Akurasi klasifikasi sentimen, dievaluasi pada 200 sampel berlabel

Peran: Backend Engineer (freelance, remote)
Periode: Sep 2023 hingga Des 2023
Klien: Jublia
Jenis proyek: Proyek
Ruang di HQ 3D: L3:event-tech-search-backend

Hasil

+40%
Peningkatan relevansi pencarian dengan collaborative filtering
Metode pengukurannya tidak tercatat.
-25%
Penurunan waktu respons server setelah tuning PostgreSQL
96%
Akurasi klasifikasi sentimen, dievaluasi pada 200 sampel berlabel
Berdasarkan evaluation set dengan jumlah sampel kecil.
+50%
Peningkatan kecepatan analisis feedback lewat laporan harian yang diantrekan

Masalah

Untuk matchmaking di pameran dan acara dagang, Jublia membutuhkan hasil pencarian peserta dan peserta pameran yang lebih relevan. Analisis manual feedback NPS, CSAT, dan teks bebas setelah acara memakan terlalu banyak waktu.

Kontribusi

Saya memperbaiki peringkat hasil matchmaking dengan Elasticsearch dan collaborative filtering.
Saya mengoptimalkan query PostgreSQL pada endpoint yang paling lambat.
Saya membangun layanan sentimen dengan LangChain dan OpenAI untuk feedback NPS dan CSAT, lalu mengevaluasinya pada 200 sampel berlabel.
Saya mengantrekan laporan sentimen harian dengan RabbitMQ, menghapus fitur Flask lama, dan menjalankan load test Locust.