Vytváření přizpůsobených marketingových řešení téměř v reálném čase

Cosmos DB
Event Hubs
Functions
Machine Learning
Stream Analytics

Nápady na řešení

Tento článek je nápadem na řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět prostřednictvím zpětné vazby na GitHubu.

Tato architektura ukazuje, jak můžete vytvořit řešení pro přizpůsobení nabídek pomocí Azure Functions, Azure Machine Learning a Azure Stream Analytics.

Architektura

Diagram architektury: Přizpůsobení nabídek pomocí strojového učení a analýzy téměř v reálném čase

Přístup k diagramu Visia online prostřednictvím Microsoft 365 Mějte na paměti, že pro přístup k tomuto diagramu musíte mít licenci Visia. Nebo si stáhněte soubor SVG této architektury.

Tok dat

  • Služba Event Hubs ingestuje nezpracovaná data streamující kliknutí z Azure Functions a předává je do Stream Analytics.
  • Azure Stream Analytics agreguje kliknutí téměř v reálném čase podle produktů, nabídek a uživatelů. Zapisuje do služby Azure Cosmos DB a také archivuje nezpracovaná data streamu kliknutím do služby Azure Storage.
  • Azure Cosmos DB ukládá agregovaná data kliknutí podle uživatelů a produktů a nabízí informace o profilu uživatele.
  • Azure Storage ukládá archivovaná nezpracovaná data streamovaná kliknutím ze Stream Analytics.
  • Azure Functions přebírá data o uživatelích z webů a čte existující historii uživatelů ze služby Azure Cosmos DB. Tato data se pak spouštějí prostřednictvím webové služby Machine Learning nebo se použijí společně s daty o studeném spuštění v Azure Cache for Redis k získání skóre spřažení produktů. Skóre spřažení produktů se používají spolu s logikou přizpůsobených nabídek k určení nejrelevantní nabídky, která se má uživateli předložit.
  • Azure Machine Learning pomáhá navrhovat, testovat, zprovozňovat a spravovat řešení prediktivní analýzy v cloudu.
  • Azure Cache for Redis ukládá předem vypočítaná skóre spřažení produktů se studeným startem pro uživatele bez historie.
  • Power BI umožňuje vizualizaci dat aktivit uživatelů a nabídek prezentovaných čtením dat ze služby Azure Cosmos DB.

Komponenty

Podrobnosti scénáře

Personalizovaný marketing je nezbytný pro budování loajality zákazníků a zbývající ziskové aktivity. Oslovování zákazníků a jejich zapojení je obtížnější než kdy dřív a obecné nabídky se snadno přehlédnou nebo ignorují. Aktuální marketingové systémy nevyužívají data, která můžou pomoct tento problém vyřešit.

Obchodníci, kteří používají inteligentní systémy a analyzují obrovské objemy dat, můžou každému uživateli poskytovat vysoce relevantní a přizpůsobené nabídky, které překážejí nepřehlednostem a podporují zapojení. Prodejci můžou například poskytovat nabídky a obsah na základě jedinečných zájmů, preferencí a vztahů k produktům každého zákazníka a umístit produkty před lidi, kteří je s největší pravděpodobností kupují.

Tato architektura ukazuje, jak můžete vytvořit řešení pro přizpůsobení nabídek pomocí Azure Functions, Azure Machine Learning a Azure Stream Analytics.

Potenciální případy použití

Přizpůsobením nabídek zajistíte individuální prostředí pro aktuální i potenciální zákazníky, čímž zvýšíte zapojení zákazníků a zlepšíte jejich konverzi, životní hodnotu a udržení.

Toto řešení je ideální pro maloobchod a marketing.

Další kroky

Projděte si dokumentaci k produktu:

Vyzkoušejte studijní program:

Přečtěte si další články o Centru architektury Azure: