Sdílet prostřednictvím

Průvodce ukázkami predikce doporučení produktů (Preview)

  • Článek

[Tento článek představuje předběžnou dokumentaci a může se změnit.]

Tento průvodce vás provede příkladem predikce doporučení produktů od začátku dokonce s využitím ukázkových dat. Doporučujeme vyzkoušet tuto predikci v novém prostředí.

Důležité

  • Toto je funkce Preview.
  • Funkce Preview nejsou určené pro normální používání a mohou mít omezené fungování. Jsou to funkce, které jsou poskytnuté před svým oficiálním vydáním, aby si je zákazníci mohli co nejdříve vyzkoušet a mohli nám napsat své názory.

Situace

Contoso je společnost, která vyrábí vysoce kvalitní kávu a kávovary. Produkty prodávají prostřednictvím svých webových stránek Contoso Coffee. Jejich cílem je pochopit, které produkty by měli doporučit svým vracejícím se zákazníkům. Informovanost, u kterých zákazníků je pravděpodobnější nákup, jim může pomoci ušetřit marketingové úsilí zaměřením na konkrétní položky.

Předpoklady

Úkol 1 – Ingestace dat

Prohlédněte si články o přijímání dat a připojení ke zdroji dat Power Query. Následující informace předpokládají, že jste se seznámili s vkládáním dat obecně.

Ingestace zákaznických dat z platformy eCommerce

  1. Vytvořte zdroj dat Power Query s názvem eCommerce a vyberte konektor Text/CSV.

  2. Zadejte adresu URL pro kontakty eCommerce: https://aka.ms/ciadclasscontacts.

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • DateOfBirth: Datum
    • CreatedOn: Datum/čas/pásmo

    Transformace data narození na datum.

  5. V poli Název v pravém podokně přejmenujte svůj zdroj dat na eCommerceContacts.

  6. Uložte zdroj dat.

Ingestace dat online nákupu

  1. Přidejte další datovou sadu do stejného zdroje dat eCommerce. Znovu vyberte konektor Text/CSV.

  2. Zadejte adresu URL pro data online nákupů https://aka.ms/ciadclassonline.

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • PurchasedOn: Datum/čas
    • TotalPrice: Měna

  5. V poli Název v postranním panelu přejmenujte svůj zdroj dat na eCommercePurchases.

  6. Uložte zdroj dat.

Ingestace zákaznických dat z věrnostního schématu

  1. Vytvořte zdroj dat LoyaltyScheme a vyberte konektor Text/CSV.

  2. Zadejte adresu URL pro věrné zákazníky https://aka.ms/ciadclasscustomerloyalty.

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • DateOfBirth: Datum
    • RewardsPoints: Celé číslo
    • CreatedOn: Datum/čas

  5. V poli Název v pravém podokně přejmenujte svůj zdroj dat na loyCustomers.

  6. Uložte zdroj dat.

Úkol 2 – Sjednocení dat

Projděte článek o sjednocení dat. Následující informace předpokládají, že jste obecně obeznámení se sjednocením dat.

Po zpracování dat zahajte proces sjednocování dat a vytvořte jednotný profil zákazníka. Další informace naleznete v tématu Sjednocení dat.

Popište zákaznická data, která mají být sjednocena

  1. Po ingestaci dat namapujte kontakty z eCommerce a věrnostní data na běžné datové typy. Přejděte na Data>Sjednotit.

  2. Vyberte tabulky, které představují profil zákazníka – eCommerceContacts a loyCustomers.

    Sjednocení zdrojů dat eCommerce a věrnostních bodů.

  3. Vyberte ContactId jako primární klíč pro eCommerceContatcs a LoyaltyID jako primární klíč pro loyCustomers.

  4. Vyberte Další. Přeskočte duplicitní záznamy a vyberte další.

Definování pravidel párování

  1. Zvolte eCommerceContacts: eCommerce jako primární tabulku a zahrňte všechny záznamy.

  2. Vyberte loyCustomers: LoyaltyScheme a zahrňte všechny záznamy.

  3. Přidání pravidla:

    • Vyberte Celé jméno pro eCommerceContacts a loyCustomers.
    • Vyberte Typ (telefon, jméno, adresa, ...) pro Normalizovat.
    • Nastavte Úroveň přesnosti: Základní a Hodnota: Vysoká.

  4. Přidejte druhou podmínku pro e-mailovou adresu:

    • Vyberte Email pro eCommerceContacts a loyCustomers.
    • Ponechejte pole Noramlizovat prázdné.
    • Nastavte Úroveň přesnosti: Základní a Hodnota: Vysoká.
    • Jako jméno zadejte FullName, Email.

    Sjednocení pravidla párování pro jméno a e-mail.

  5. Vyberte Hotovo.

  6. Vyberte Další.

Zobrazení sjednocených dat

  1. Přejmenujte ContactId pro tabulku loyCustomers na ContactIdLOYALTY k odlišení od ostatních ingestovaných ID.

  2. Vyberte Další ke kontrole a poté vyberte Vytvořit profily zákazníků.

Úkol 3 – vytvoření aktivity historie transakcí

Přečtěte si článek o aktivitách zákazníka. Následující informace předpokládají, že jste obecně obeznámení s vytvářením aktivit.

  1. Vytvořte aktivitu s tabulkou eCommercePurchases:eCommerce.

  2. Vyberte SalesOrderLine u Typ aktivity a PurchaseId u Primární klíč.

  3. U aktivity zadejte následující informace:

    • Název aktivity: eCommercePurchases
    • TimeStamp: PurchasedOn
    • EventActivity: TotalPrice
    • ID řádku objednávky: PurchaseId
    • Datum objednávky: PurchasedOn
    • Částka: TotalPrice

  4. Vytvořte vztah mezi eCommercePurchases:eCommerce a eCommerceKontakty:eCommerce s ContactID jako cizím klíčem pro spojení dvou tabulek.

  5. Zkontrolujte své změny a poté vyberte Vytvořit aktivity.

Úkol 4 – Konfigurace predikce doporučení produktů

Se zavedenými sjednocenými zákaznickými profily a vytvořenou aktivitou nyní můžeme spustit predikci doporučení produktu.

  1. Přejděte na Přehledy>Predikce.

  2. Na kartě Vytvořit vyberte Použít model na dlaždici Doporučení produktů (Preview).

  3. Vyberte Začínáme.

  4. Pojmenujte model Model predikce doporučení produktů OOB a výstupní tabulku OOBProductRecommendationModelPrediction.

  5. Vyberte Další.

  6. Definování předvoleb modelu:

    • Počet produktů:: 5 k definování, kolik produktů chcete svým zákazníkům doporučit.
    • Očekávají se opakované nákupy: Ano pro zahnutí dříve zakoupených produktů do doporučení.
    • Období pro pohled zpět:365 dní k definování, jak daleko se model ohlédne, než produkt znovu doporučí.

    Předvolby modelu pro model doporučení produktů.

  7. Vyberte Další.

  8. V kroku Přidat historii nákupů vyberte možnost Přidat data.

  9. Vyberte SalesOrderLine a tabulku eCommercePurchases a vyberte Další. Požadované údaje se automaticky doplní z aktivity. Vyberte Uložit a pak Další.

  10. Přeskočte kroky Přidejte informace o produktu a Filtry produktu, protože nemáme informace o produktech.

  11. V kroku Aktualizace dat nastavte pro plán modelu Měsíčně.

  12. Vyberte Další.

  13. Po kontrole všech podrobností vyberte Uložit a spustit.

Úkol 5 – Kontrola výsledků modelu a vysvětlení

Nechte model dokončit cvičení a bodování dat. Prohlédněte si vysvětlení modelu doporučení produktů.

Úkol 6 – Vytvoření segmentu často kupovaných produktů

Spuštěním modelu se vytvoří nová tabulka, která je uvedena na stránce Data>Tabulky. Můžete vytvořit nový segment na základě tabulky vytvořené modelem.

  1. Na stránce s výsledky vyberte Vytvořit segment.

  2. Vytvořte pravidlo s použitím tabulky OOBProductRecommendationModelPrediction a definujte segment:

    • Pole: ProductID
    • Hodnota: Vyberte první tři ID produktů

  3. Vyberte Uložit a Spustit segment.

Nyní máte segment, který se dynamicky aktualizuje a který identifikuje zákazníky, kteří by mohli mít zájem o nákup pět nejvíce doporučovaných produktů. Další informace najdete v tématu o vytváření a správě segmentů.

Tip

Můžete také vytvořit segment pro model predikce na stránce Přehledy>Segmenty výběrem Nový a výběrem Vytvořit z>Přehledy. Další informace viz Vytvoření nového segmentu pomocí rychlých segmentů.

Další kroky