This page was machine-translated from English. Report issues.

Wie man einen Online-Casino-Slot-Popularity-Tracker und ein Analyse-Dashboard erstellt

Ein System zum Scrapen und Analysieren von beliebten Slot-Spielen, die auf Online-Casino-Homepages vorgestellt werden, zur Verfolgung ihrer Beliebtheit im Laufe der Zeit und zur Bereitstellung eines Dashboards mit Slot-Metadaten und Analysen.

Create your own plan

Learn2Vibe AI

Online

AI

What do you want to build?

Einfache Zusammenfassung

Dieses Projekt zielt darauf ab, ein System zum Scrapen von Online-Casino-Homepages zu entwickeln, um über die Zeit beliebte Slot-Spiele zu verfolgen, mit einem Dashboard zur Anzeige von Slot-Metadaten und Beliebtheitstrends.

Produktanforderungsdokument (PRD)

Ziele:

  • Scrapen von Online-Casino-Homepages, um beliebte Slot-Spielnamen zu extrahieren
  • Verfolgung der Slot-Beliebtheit über Hunderte von Casinos im Laufe der Zeit
  • Bereitstellung eines Dashboards mit Slot-Metadaten und Beliebtheitsanalysen

Zielgruppe:

  • Analysten der Online-Casino-Branche
  • Slot-Spiel-Entwickler
  • Casino-Betreiber

Schlüsselmerkmale:

  1. Tägliches Scrapen von Online-Casino-Homepages
  2. Extraktion und Normalisierung von Slot-Namen
  3. Anreicherung von Slot-Metadaten
  4. Verfolgung und Bewertung der Beliebtheit
  5. Analyse-Dashboard
  6. Speicherung und Analyse historischer Daten (mindestens 1 Jahr)

Benutzerflüsse

  1. Datenerfassung:

    • Das System scrapat täglich Casino-Homepages
    • Extrahiert Slot-Namen und Ränge
    • Normalisiert Slot-Namen
    • Reichert Metadaten an
    • Speichert in der Datenbank
  2. Dashboard-Nutzung:

    • Der Benutzer greift auf das Dashboard zu
    • Betrachtet aktuelle beliebte Slots über Casinos hinweg
    • Erforscht historische Beliebtheitstrends
    • Analysiert Slot-Metadaten in Bezug auf die Beliebtheit
  3. Datenanalyse:

    • Der Benutzer fragt historische Daten ab
    • Vergleicht die Slot-Beliebtheit über Casinos hinweg
    • Identifiziert Trends über die Zeit (bis zu 1 Jahr)
    • Untersucht den Zusammenhang zwischen Metadaten und Beliebtheit

Technische Spezifikationen

  • Frontend: React mit TypeScript
  • Backend: Supabase
  • Scraping: Vorhandene API, die gerenderte HTML zurückgibt
  • Datenbank: Supabase (PostgreSQL)
  • Entwicklungsplattform: bolt.new

Datenbankschema

  1. Slots-Tabelle:

    • id (Primärschlüssel)
    • normalisierter_name
    • logo_url
    • rtp
    • software_provider
    • veröffentlichungsdatum
  2. Casinos-Tabelle:

    • id (Primärschlüssel)
    • name
    • url
  3. Tägliche_Scrape_Ergebnisse-Tabelle:

    • id (Primärschlüssel)
    • datum
    • casino_id (Fremdschlüssel zu Casinos)
    • slot_id (Fremdschlüssel zu Slots)
    • rang
    • roher_slot_name
  4. Slot_Name_Aliase-Tabelle:

    • id (Primärschlüssel)
    • slot_id (Fremdschlüssel zu Slots)
    • alias

Dateistruktur

/src /components Dashboard.tsx SlotList.tsx PopularityChart.tsx MetadataDisplay.tsx /pages Home.tsx Analysis.tsx /utils scraper.ts nameNormalizer.ts dataEnricher.ts /types SlotTypes.ts CasinoTypes.ts /services api.ts database.ts /hooks useSlotData.ts useCasinoData.ts App.tsx index.tsx /public index.html assets/ /scripts dailyScrape.ts dataUpload.ts

Implementierungsplan

  1. Projektaufbau mit bolt.new, React, TypeScript und Supabase
  2. Entwurf und Implementierung des Datenbankschemas in Supabase
  3. Entwicklung der Scraping-Logik und Integration mit der vorhandenen API
  4. Implementierung des Slot-Namen-Normalisierungsalgorithmus
  5. Erstellung des Daten-Anreicherungsprozesses für Slot-Metadaten
  6. Entwicklung des täglichen Scraping- und Datenspeicherungsskripts
  7. Erstellung von React-Komponenten für die Dashboard-Benutzeroberfläche
  8. Implementierung des Datenabrufs und des Zustandsmanagements in React
  9. Erstellung von Visualisierungen für Beliebtheitstrends
  10. Entwicklung von Analysesuchvorgängen für historische Daten
  11. Implementierung der Benutzeroberfläche zum Erforschen und Analysieren von Daten
  12. Einrichtung eines automatisierten täglichen Scraping-Prozesses
  13. Durchführung gründlicher Tests und Fehlerbehebung
  14. Bereitstellung der Anwendung
  15. Einrichtung von Überwachungs- und Wartungsprozessen

Designbegründung

Das Datenbankschema ist so konzipiert, dass die täglichen Scraping-Ergebnisse effizient gespeichert und abgefragt werden können, während gleichzeitig historische Daten für mindestens ein Jahr aufbewahrt werden. Die Trennung von Slots, Casinos und täglichen Scrape-Ergebnissen ermöglicht flexible Abfragen und Analysen von Beliebtheitstrends über die Zeit. Die Tabelle der Slot-Namen-Aliase erleichtert die Namensanpassung und löst die Herausforderung, leicht unterschiedliche Namen für denselben Slot über Casinos hinweg abzugleichen. Die Speicherung der Rangfolge in den täglichen Scrape-Ergebnissen ermöglicht eine genauere Bewertung der Beliebtheit, wie in der Diskussion gefordert.