Individuální nabídky

Event Hubs
Functions
Machine Learning
Storage
Stream Analytics

Nápady na řešení

Tento článek představuje řešení. Pokud chcete, abychom rozšířili obsah o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo cenové pokyny, dejte nám vědět tím, že nám poskytnete zpětnou vazbu na GitHubu.

Toto řešení vytváří inteligentní marketingové systémy, které poskytují obsah přizpůsobený zákazníkům pomocí modelů strojového učení, které analyzují data z více zdrojů. Mezi klíčové technologie, které se používají, patří inteligentní doporučení a Personalizace Azure.

Architektura

Diagram architektury znázorňující, jak jsou přizpůsobené nabídky generovány začleněním zobrazení produktů a nabídekStáhněte si SVG této architektury.

Tok dat

  1. Aplikace funkcí Azure zachycuje nezpracovanou aktivitu uživatele (například kliknutí na produkt a nabídku) a nabídky, které jsou pro uživatele na webu provedeny. Aktivita se odesílá do centra událostí Azure. V oblastech, kde není aktivita uživatele dostupná, je simulovaná aktivita uživatele uložena v Azure Cache for Redis.
  2. Azure Stream Analytics analyzuje data, aby poskytovala analýzy vstupního datového proudu téměř v reálném čase z instance Azure Event Hubs.
  3. Agregovaná data se odesílají do služby Azure Cosmos DB for NoSQL.
  4. Power BI slouží k vyhledání přehledů o agregovaných datech.
  5. Nezpracovaná data se odesílají do Azure Data Lake Storage.
  6. Inteligentní doporučení používají nezpracovaná data z Azure Data Lake Storage a poskytují doporučení pro Azure Personalizace.
  7. Služba Personalizace slouží k hlavním kontextovým a přizpůsobeným produktům a nabídkám.
  8. Simulovaná data aktivit uživatelů jsou poskytována službě Personalizace, aby poskytovala přizpůsobené produkty a nabídky.
  9. Výsledky jsou k dispozici ve webové aplikaci, ke které uživatel přistupuje.
  10. Zpětná vazba uživatele se zaznamenává na základě reakce uživatele na zobrazené nabídky a produkty. Skóre odměny je poskytováno službě Personalizace, aby se v průběhu času lépe provádělo.
  11. Opětovné vytrénování inteligentních doporučení může vést k lepším doporučením. Tento proces lze provést také pomocí obnovovaných dat z Azure Data Lake Storage.

Komponenty

  • Event Hubs je plně spravovaná platforma streamování. V tomto řešení služba Event Hubs shromažďuje data o spotřebě v reálném čase.
  • Stream Analytics nabízí bezserverové zpracování datových proudů v reálném čase. Tato služba poskytuje způsob, jak spouštět dotazy v cloudu a na hraničních zařízeních. V tomto řešení Stream Analytics agreguje streamovaná data a zpřístupní je pro vizualizaci a aktualizace.
  • Azure Cosmos DB je globálně distribuovaná databáze s více modely. S Azure Cosmos DB můžou vaše řešení elasticky škálovat propustnost a úložiště napříč libovolným počtem geografických oblastí. Azure Cosmos DB for NoSQL ukládá data ve formátu dokumentu a je jedním z několika databázových rozhraní API, která azure Cosmos DB nabízí. V implementaci tohoto řešení se DocumentDB použil k ukládání informací o zákazníkovi, produktu a nabídce, ale můžete také použít Azure Cosmos DB for NoSQL. Další informace najdete v tématu Vážení zákazníci DocumentDB, vítejte ve službě Azure Cosmos DB!.
  • Úložiště je řešení cloudového úložiště, které zahrnuje objekt, soubor, disk, frontu a úložiště tabulek. Služby zahrnují hybridní řešení úložiště a nástroje pro přenos, sdílení a zálohování dat. Toto řešení používá službu Storage ke správě front, které simulují interakci uživatelů.
  • Functions je bezserverová výpočetní platforma, kterou můžete použít k vytváření aplikací. Pomocí služby Functions můžete k integraci služeb použít triggery a vazby. Toto řešení používá functions ke koordinaci simulace uživatelů. Funkce jsou také základní komponentou, která generuje přizpůsobené nabídky.
  • Machine Learning je cloudové prostředí, které můžete použít k trénování, nasazování, automatizaci, správě a sledování modelů strojového učení. Machine Learning zde používá předvolby jednotlivých uživatelů a historii produktů k poskytování skóre přidružení uživatele k produktu.
  • Azure Cache for Redis poskytuje úložiště dat v paměti založené na softwaru Redis. Azure Cache for Redis poskytuje opensourcové funkce Redis jako plně spravovanou nabídku. V tomto řešení Azure Cache for Redis poskytuje předem vypočítané spřažení produktů pro zákazníky bez dostupné historie uživatelů.
  • Power BI je služba obchodní analýzy, která poskytuje interaktivní vizualizace a funkce business intelligence. Jeho snadno použitelné rozhraní umožňuje vytvářet vlastní sestavy a řídicí panely. Toto řešení používá Power BI k zobrazení aktivity v reálném čase v systému. Power BI například používá data ze služby Azure Cosmos DB for NoSQL k zobrazení reakce zákazníků na různé nabídky.
  • Data Lake Storage je škálovatelné úložiště, které obsahuje velké množství dat v nativním nezpracovaném formátu dat.

Podrobnosti o řešení

V dnešním vysoce konkurenčním a propojeném prostředí už moderní firmy nemohou přežít na obecném statickém online obsahu. Marketingové strategie, které používají tradiční nástroje, mohou být navíc nákladné a obtížně implementovány. V důsledku toho nevygenerují požadovanou návratnost investic. Tyto systémy často nemůžou plně využívat shromážděné data, když vytvářejí osobnější prostředí pro uživatele.

Prezentace nabídek, které jsou přizpůsobené pro každého uživatele, se staly zásadní pro budování věrnosti zákazníků a zbývající ziskové. Na maloobchodním webu si zákazníci přejí inteligentní systémy, které poskytují nabídky a obsah na základě svých jedinečných zájmů a preferencí. Dnešní digitální marketingové týmy mohou tuto inteligenci sestavit pomocí dat generovaných ze všech typů interakcí uživatelů.

Obchodníci teď mají příležitost dodávat vysoce relevantní a personalizované nabídky každému uživateli analýzou obrovského množství dat. Vytvoření spolehlivé a škálovatelné infrastruktury velkých objemů dat ale není triviální. A vývoj sofistikovaných modelů strojového učení, které jsou přizpůsobené pro každého uživatele, je také složitý podnik.

Inteligentní doporučení nabízí možnosti pro řízení požadovaných výsledků, jako jsou doporučení pro položky založená na interakcích uživatelů a metadatech. Dá se použít k propagaci a přizpůsobení libovolného typu obsahu, jako jsou prodejné produkty, média, dokumenty, nabídky a další.

Azure Personalizace je služba, která je součástí služeb Azure Cognitive Services. Dá se použít k určení produktu, který chcete navrhnout pro nakupující, nebo zjistit optimální pozici pro reklamu. Personalizace funguje jako další poslední krok ranker. Jakmile se uživateli zobrazí doporučení, bude reakce uživatele monitorována a hlášena jako skóre odměny zpět do služby Personalizace. Tento proces zajišťuje, že se služba neustále učí a vylepšuje schopnost Personalizace vybrat nejlepší položky na základě přijatých kontextových informací.

Microsoft Azure poskytuje pokročilé analytické nástroje v oblastech příjmu dat, úložiště dat, zpracování dat a pokročilých analytických komponent – všechny základní prvky pro vytvoření individuálního řešení nabídky.

Systémový integrátor

Když toto řešení implementujete, můžete ušetřit čas tím, že najímáte natrénovaný integrátor systému (SI). Si vám může pomoct s vývojem testování konceptu a může vám pomoct s nasazením a integrací řešení.

Potenciální případy použití

Toto řešení se vztahuje na marketing zboží a služeb na základě zákaznických údajů (produktů zobrazených nebo zakoupených). To se může použít v následujících oblastech:

  • Elektronické obchodování – jedná se o oblast, ve které se personalizace běžně používá s chováním zákazníků a doporučeními k produktům.

  • Maloobchodní prodej – na základě údajů o předchozím nákupu je možné poskytovat doporučení a nabídky na produktech.

  • Telecom – Na základě interakce uživatelů v této oblasti je možné poskytnout doporučení. V porovnání s jinými odvětvími může být sortiment produktů a nabídek omezený.

Přispěvatelé

Tento článek spravuje Microsoft. Původně ji napsali následující přispěvatelé.

Hlavní autor:

Pokud chcete zobrazit neveřejné profily LinkedIn, přihlaste se na LinkedIn.

Další kroky