توقّع خسارة العملاء باستخدام التحليلات في الوقت الحقيقي

يستخدم توقع خسارة العملاء النظام الأساسي للذكاء الاصطناعي من Azure للتنبؤ باحتمالية الخسارة، ويساعد في العثور على أنماط في البيانات الموجودة المرتبطة بمعدل الخسارة المتوقع.

بناء الأنظمة

قم بتنزيل ملف Visio لهذه البنية.

تدفق البيانات

1. استخدم Azure Event Hubs لدفق جميع البيانات المباشرة إلى Azure.

2. معالجة البيانات في الوقت الحقيقي باستخدام Azure Stream Analytics. يمكن لـ Stream Analytics إخراج البيانات بعد معالجتها إلى Azure Synapse. يسمح هذا للعملاء بدمج البيانات الحالية والسابقة لإنشاء لوحات المعلومات والتقارير في Power BI.

3. استيعاب البيانات التاريخية على نطاق واسع في Azure Blob Storage باستخدام Azure Synapse أو أداة استخراج وتحويل وتحميل (ETL) أخرى.

4. استخدم Azure Synapse لدمج البيانات المتدفقة مع البيانات السابقة لإعداد التقارير أو التجريب باستخدام خدمة التعلم الآلي من Microsoft Azure.

5. استخدم التعلم الآلي من Microsoft Azure لإنشاء نماذج للتنبؤ باحتمال الخسارة وتحديد أنماط البيانات لتقديم رؤى ذكية.

6. استخدم Power BI لإنشاء تقارير تشغيلية ولوحات معلومات أعلى Azure Synapse. يمكن استخدام نماذج التعلم الآلي من Microsoft Azure لزيادة تعزيز إعداد التقارير ومساعدة الشركات في عمليات صنع القرار.

المكونات

• مراكز الأحداث من Azure هي خدمة استيعاب أحداث يمكنها معالجة ملايين الأحداث في الثانية. يمكن تحويل البيانات المرسلة إلى مركز الحدث وتخزينها باستخدام أي مزود تحليلات في الوقت الحقيقي.
• Azure Stream Analytics هو محرك تحليلات في الوقت الحقيقي مصمم لتحليل ومعالجة حجم كبير من البيانات المتدفقة بسرعة. يمكن استخدام العلاقات والأنماط المحددة في البيانات لبدء الإجراءات وبدء مهام سير العمل، مثل إنشاء التنبيهات أو تغذية المعلومات إلى أداة إعداد التقارير أو تخزين البيانات المحولة لاستخدامها لاحقًا.
• Azure Blob Storage هي خدمة سحابية لتخزين كميات كبيرة من البيانات غير المنظمة، مثل النصوص والبيانات الثنائية والصوت والمستندات بسهولة أكبر وأكثر فعالية من حيث التكلفة. يسمح Azure Blob Storage لعلماء البيانات بالوصول السريع إلى البيانات للتجريب وبناء نموذج الذكاء الاصطناعي.
• Azure Synapse Analytics هو مستودع بيانات سريع وموثوق به مع تحليلات لا حدود لها تجمع بين تكامل البيانات وتخزين بيانات المؤسسة وتحليلات البيانات الضخمة. فهو يمنحك حرية الاستعلام عن البيانات وفقاً لشروطك، باستخدام موارد بلا خادم أو موارد مخصصة وخدمة البيانات لتلبية احتياجات BI والتعلم الآلي الفورية.
• التعلم الآلي من Microsoft Azure يمكن استخدامه لأي تعلم آلي خاضع للإشراف وغير خاضع للإشراف، سواء كنت تفضل كتابة Python من التعليمات البرمجية R. يمكنك إنشاء نماذج التعلم الآلي وتدريبها وتتبعها في مساحة عمل التعلم الآلي من Azure.
• Power BI هي مجموعة من الأدوات التي تقدم رؤى قوية للمؤسسات. يتصل Power BI بمصادر بيانات مختلفة، ويبسط إعداد البيانات وإنشاء النموذج من مصادر متباينة. يعزز تعاون الفريق عبر المؤسسة لإنتاج تقارير تحليلية، ولوحة معلومات لدعم قرارات الأعمال ونشرها على الويب والأجهزة المحمولة للمستخدمين بغرض استخدامها.

تفاصيل السيناريو

إن الحفاظ على العملاء الحاليين يعد أرخص بخمس مرات من تكلفة الحصول على عملاء جدد. لهذا السبب، غالباً ما يجد المديرون التنفيذيون للتسويق أنفسهم يحاولون تقدير احتمالية خسارة العملاء وإيجاد الإجراءات اللازمة لتقليل معدل الخسارة.

حالات الاستخدام المحتملة

يستخدم هذا الحل التعلم الآلي من Microsoft Azure للتنبؤ باحتمال الخسارة، ويساعد في العثور على أنماط في البيانات الموجودة المرتبطة بمعدل الخسارة المتوقع. باستخدام كل من البيانات السابقة والبيانات القريبة من الوقت الحقيقي، يمكن للمستخدمين إنشاء نماذج تنبؤية لتحليل الخصائص وتحديد التنبؤات للجمهور الحالي. توفر هذه المعلومات للشركات معلومات قابلة للتنفيذ لتحسين استبقاء العملاء وهوامش الربح.

تم تحسين هذا الحل لصناعة البيع بالتجزئة.

نشر هذا السيناريو

لمزيد من التفاصيل حول كيفية إنشاء هذا الحل وتوزيعه، تفضل بزيارة دليل الحل في GitHub.

يتمثل الهدف من هذا الدليل في إظهار مسارات البيانات التنبؤية لتجار التجزئة للتنبؤ بخسارة العملاء. يمكن لتجار التجزئة استخدام هذه التنبؤات لمنع خسارة العملاء باستخدام معرفتهم بالمجال واستراتيجيات التسويق المناسبة لمعالجة العملاء المعرضين للخطر. يوضح الدليل أيضاً كيف يمكن إعادة تدريب نماذج خسارة العملاء لاستخدام المزيد من البيانات عند توفرها.

المزايا الداخلية

يتم تنفيذ الحل الشامل في السحابة، باستخدام Microsoft Azure. يتكون الحل من العديد من مكونات Azure، بما في ذلك استيعاب البيانات وتخزين البيانات وحركة البيانات والتحليلات المتقدمة والتصور. يتم تنفيذ التحليلات المتقدمة باستخدام التعلم الآلي من Microsoft Azure، حيث يمكنك استخدام لغة Python أو R لبناء نماذج علوم البيانات. أو يمكنك إعادة استخدام المكتبات الداخلية أو المكتبات التابعة لجهة خارجية. مع استيعاب البيانات، يمكن للحل إجراء تنبؤات استناداً إلى البيانات المنقولة إلى Azure من بيئة محلية.

لوحة معلومات الحل

تعرض اللقطة أدناه مثالاً للوحة معلومات Power BI التي تعطي رؤى حول معدلات الخسارة المتوقعة عبر قاعدة العملاء.

الخطوات التالية

• نبذة عن مراكز أحداث Azure
• مرحبا بك في Azure Stream Analytics
• ما المقصود بـ Azure Synapse Analytics؟
• مقدمة حول Azure Storage Blob
• ماذا يُقصد بالتعلم الآلي من Azure؟
• ما هو Power BI؟

الموارد ذات الصلة

إرشادات البنية:

• الذكاء الاصطناعي (AI)
• مقارنة منتجات وتقنيات التعلم الآلي من Microsoft