Iniciar una prueba de concepto
Casos de estudio /
Plataforma de participación en redes sociales y medios

/

Groopview, inc.

Plataforma de participación en redes sociales y medios

Groopview: Información social en tiempo real en Amazon AWS Nova

Zero
Service interruption — full feature continuity through cutover
1000s
Agent interactions auto-validated for model parity, no manual QA
Live
Heartbeat agent shipped to production before migration completed
Reserve una llamada de evaluación
Descargar caso práctico
Cliente

Groopview, inc.

Ubicación

Filadelfia, PA

Industria

Plataforma de participación en redes sociales y medios

Servicios y tecnología

Amazon Neptune, Amazon Bedrock (Nova Pro), Amazon RDS, AWS Lambda, Amazon API Gateway, Amazon S3, Amazon CloudWatch, AWS IAM, Amazon Kinesis

Resumen del proyecto

Groopview, una startup de transmisión social, necesitaba convertir millones de interacciones de usuarios en información instantánea y segura para la privacidad. Su pila heredada no podía ofrecer consultas de estilo gráfico ni respuestas en menos de un segundo. Avahi construyó una plataforma de gráficos sociales impulsada por GenAI en AWS que combina Amazon Neptune con el modelo de lenguaje grande (LLM) Nova de Amazon Bedrock. El resultado: respuestas ricas y conversacionales en menos de un segundo, seguridad de datos hermética y una base que se escala a medida que crece la participación.

Acerca del cliente

Groopview, Inc. es una empresa de tecnología de medios con sede en Filadelfia que permite a los aficionados ver deportes y entretenimiento en vivo mientras chatean en tiempo real. El éxito depende de comprender quién está mirando, cómo interactúan y qué contenido impulsa a la comunidad.

El problema

A medida que la audiencia de Groopview se disparó, su base de datos relacional tuvo dificultades para modelar relaciones complejas (amigos, personas influyentes, afinidades) y para responder preguntas como «¿Qué fanáticos de los Lakers en Chicago también siguen el anime?». Los volúmenes de ingesta diarios y las regulaciones de privacidad agravaron el problema:

  • Las latencias de consulta lentas, de varios segundos, ponían en riesgo las funciones en tiempo real.
  • La información de identificación personal (PII) tenía que ser cifrada, pero aún así admitir análisis significativos.
  • Los equipos de marketing y producto carecían de una forma amigable de explorar el gráfico en inglés sencillo. No solucionar estas deficiencias estancaría el crecimiento de usuarios y las oportunidades de monetización.

¿Por qué AWS?

AWS ofreció servicios totalmente administrados diseñados específicamente para las necesidades de Groopview:

  • Amazon Neptune ofrece un almacén de gráficos de alta disponibilidad y tolerancia a fallos que gestiona miles de consultas Gremlin simultáneas.
  • Amazon Bedrock proporciona acceso sin servidor al LLM Nova, eliminando la sobrecarga de alojamiento de modelos al tiempo que cumple con estrictos controles de residencia de datos.
  • Las integraciones nativas con AWS Lambda, RDS y CloudWatch simplificaron el ETL, la orquestación y la monitorización, acelerando una ventana de entrega de seis semanas.

Por qué Groopview eligió Avahi

Como socio de AWS de nivel Premier especializado en IA, Avahi aportó:

  • Profunda experiencia en bases de datos de gráficos, además de experiencia certificada en Bedrock/Nova, lo que garantiza la combinación adecuada de rendimiento y control de costes.
  • Aceleradores probados que reducen a la mitad los plazos típicos de los proyectos de gráficos, lo que se alinea con la fecha límite de mercado de seis semanas de Groopview.
  • Un enfoque de seguridad primero (mapeo hash de PII en Amazon RDS y aplicación de IAM de mínimo privilegio) que infunde confianza al equipo legal de Groopview.

Solución

Avahi implementó una arquitectura de dos rutas (ver diagrama):

1. Ruta de la API de datos

  • API Gateway → Lambda analiza los eventos entrantes, cifra los campos confidenciales, almacena las asignaciones en Amazon RDS y crea nodos/bordes en Amazon Neptune.

2. Ruta de consulta del usuario

  • Los clientes publican preguntas en lenguaje natural en API Gateway. Lambda busca los hashes, invoca a Nova a través de Amazon Bedrock para traducir la pregunta a Gremlin, la ejecuta en Neptune y luego le pide a Nova que resuma el resultado en inglés sencillo antes de devolver la respuesta.
  • Los paneles de Amazon CloudWatch rastrean la latencia, los errores y los patrones de uso; las alarmas notifican a la ingeniería sobre anomalías.

Este diseño sin servidor se escala automáticamente, mantiene los costes predecibles y mantiene una latencia de extremo a extremo inferior a un segundo.

Resultados clave

  • Esquema de gráfico social de grado de producción y clúster de Neptune
  • Canalización ETL en tiempo real (Lambda, Kinesis)
  • API de consulta y resumen en lenguaje natural impulsada por Nova
  • Servicio de mapeo hash de PII en Amazon RDS
  • Pila de observabilidad (métricas y alertas de CloudWatch)
  • Refuerzo de la seguridad: roles de IAM, datos cifrados en reposo/en tránsito
  • Talleres de transferencia de conocimientos y manuales de operaciones

Resultados clave

Impacto del proyecto

Groopview ahora ofrece información personalizada mientras los usuarios aún están en la sesión, lo que alimenta funciones de participación como recomendaciones dinámicas de watch-party y promociones dirigidas. Los equipos internos consultan el gráfico de forma conversacional en lugar de escribir Gremlin, lo que reduce el tiempo de respuesta de los análisis de horas a segundos.

Resultados medidos

  • Latencia de resumen un 50% más rápida: Nova responde en 0,6-1 s frente a 2-4 s con el modelo anterior.
  • Las consultas de gráficos complejos se ejecutan en menos de 1 s para el 99% de las solicitudes.
  • Las actualizaciones diarias automatizadas mantienen el 100% de los perfiles de usuario actualizados sin intervención manual.

Su migración, sin riesgos

¿Va a dejar Azure o está planeando su propia migración de IA empresarial?

Avahi lleva a las empresas desde la idea hasta la producción en AWS en cuestión de semanas, no meses, con una paridad validada y transiciones sin tiempo de inactividad. Permítanos evaluar su proyecto.
Reserve su taller gratuito de IA de activación
Explorar servicios de migración a la nube

Seguir leyendo

Más historias sobre sanidad y migración

Ver todos los casos prácticos

Groopview: Información social en tiempo real en Amazon AWS Nova

Cliente

Groopview, inc.

Ubicación

Filadelfia, PA

Industria

Plataforma de participación en redes sociales y medios

Servicios y tecnología

Amazon Neptune, Amazon Bedrock (Nova Pro), Amazon RDS, AWS Lambda, Amazon API Gateway, Amazon S3, Amazon CloudWatch, AWS IAM, Amazon Kinesis

Resumen del proyecto

Groopview, una startup de transmisión social, necesitaba convertir millones de interacciones de usuarios en información instantánea y segura para la privacidad. Su pila heredada no podía ofrecer consultas de estilo gráfico ni respuestas en menos de un segundo. Avahi construyó una plataforma de gráficos sociales impulsada por GenAI en AWS que combina Amazon Neptune con el modelo de lenguaje grande (LLM) Nova de Amazon Bedrock. El resultado: respuestas ricas y conversacionales en menos de un segundo, seguridad de datos hermética y una base que se escala a medida que crece la participación.

Acerca del cliente

Groopview, Inc. es una empresa de tecnología de medios con sede en Filadelfia que permite a los aficionados ver deportes y entretenimiento en vivo mientras chatean en tiempo real. El éxito depende de comprender quién está mirando, cómo interactúan y qué contenido impulsa a la comunidad.

El problema

A medida que la audiencia de Groopview se disparó, su base de datos relacional tuvo dificultades para modelar relaciones complejas (amigos, personas influyentes, afinidades) y para responder preguntas como «¿Qué fanáticos de los Lakers en Chicago también siguen el anime?». Los volúmenes de ingesta diarios y las regulaciones de privacidad agravaron el problema:

  • Las latencias de consulta lentas, de varios segundos, ponían en riesgo las funciones en tiempo real.
  • La información de identificación personal (PII) tenía que ser cifrada, pero aún así admitir análisis significativos.
  • Los equipos de marketing y producto carecían de una forma amigable de explorar el gráfico en inglés sencillo. No solucionar estas deficiencias estancaría el crecimiento de usuarios y las oportunidades de monetización.

Por qué AWS

AWS ofreció servicios totalmente administrados diseñados específicamente para las necesidades de Groopview:

  • Amazon Neptune ofrece un almacén de gráficos de alta disponibilidad y tolerancia a fallos que gestiona miles de consultas Gremlin simultáneas.
  • Amazon Bedrock proporciona acceso sin servidor al LLM Nova, eliminando la sobrecarga de alojamiento de modelos al tiempo que cumple con estrictos controles de residencia de datos.
  • Las integraciones nativas con AWS Lambda, RDS y CloudWatch simplificaron el ETL, la orquestación y la monitorización, acelerando una ventana de entrega de seis semanas.

Por qué Groopview eligió Avahi

Como socio de AWS de nivel Premier especializado en IA, Avahi aportó:

  • Profunda experiencia en bases de datos de gráficos, además de experiencia certificada en Bedrock/Nova, lo que garantiza la combinación adecuada de rendimiento y control de costes.
  • Aceleradores probados que reducen a la mitad los plazos típicos de los proyectos de gráficos, lo que se alinea con la fecha límite de mercado de seis semanas de Groopview.
  • Un enfoque de seguridad primero (mapeo hash de PII en Amazon RDS y aplicación de IAM de mínimo privilegio) que infunde confianza al equipo legal de Groopview.

Solución

Avahi implementó una arquitectura de dos rutas (ver diagrama):

1. Ruta de la API de datos

  • API Gateway → Lambda analiza los eventos entrantes, cifra los campos confidenciales, almacena las asignaciones en Amazon RDS y crea nodos/bordes en Amazon Neptune.

2. Ruta de consulta del usuario

  • Los clientes publican preguntas en lenguaje natural en API Gateway. Lambda busca los hashes, invoca a Nova a través de Amazon Bedrock para traducir la pregunta a Gremlin, la ejecuta en Neptune y luego le pide a Nova que resuma el resultado en inglés sencillo antes de devolver la respuesta.
  • Los paneles de Amazon CloudWatch rastrean la latencia, los errores y los patrones de uso; las alarmas notifican a la ingeniería sobre anomalías.

Este diseño sin servidor se escala automáticamente, mantiene los costes predecibles y mantiene una latencia de extremo a extremo inferior a un segundo.

Resultados clave

  • Esquema de gráfico social de grado de producción y clúster de Neptune
  • Canalización ETL en tiempo real (Lambda, Kinesis)
  • API de consulta y resumen en lenguaje natural impulsada por Nova
  • Servicio de mapeo hash de PII en Amazon RDS
  • Pila de observabilidad (métricas y alertas de CloudWatch)
  • Refuerzo de la seguridad: roles de IAM, datos cifrados en reposo/en tránsito
  • Talleres de transferencia de conocimientos y manuales de operaciones
Explore nuestros servicios

¿Listo para transformar su negocio con la IA?

Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita