Um Kundenanforderungen optimal zu erfüllen, müssen Organisationen Erkenntnisse über Ihre Kunden aus sozialen Medien extrahieren. In diesem Artikel wird eine Lösung zur Analyse von News- und Social Media-Daten vorgestellt. Die Lösung erweitert den Azure Social Media Analytics Solution Accelerator, der Entwicklern die erforderlichen Ressourcen zum Erstellen und Bereitstellen einer Social Media-Überwachungsplattform in Azure in nur wenigen Stunden bereitstellt. Diese Plattform sammelt Social Media- und Websitedaten und stellt die Daten in einem Format dar, das den Prozess der geschäftlichen Entscheidungsfindung unterstützt.
Apache®, Apache Spark und das Flammenlogo sind entweder eingetragene Marken oder Marken der Apache Software Foundation in den USA und/oder anderen Ländern. Die Verwendung dieser Markierungen impliziert kein Endorsement durch die Apache Software Foundation.
Aufbau
Laden Sie eine Visio-Datei dieser Architektur herunter.
Datenfluss
Azure Synapse Analytics-Pipelines erfassen externe Daten und speichern diese Daten in Azure Data Lake. Eine Pipeline erfasst Daten aus News-APIs. Die andere Pipeline erfasst Daten aus der Twitter-API.
Apache Spark-Pools in Azure Synapse Analytics werden verwendet, um die Daten zu verarbeiten und anzureichern.
Die Spark-Pools verwenden die folgenden Dienste:
- KI Language für die Erkennung benannter Entitäten (Named Entity Recognition, NER), Schlüsselbegriffserkennung und Stimmungsanalyse.
- Azure KI Services-Übersetzer, um Text zu übersetzen.
- Azure Maps, um Daten mit geografischen Koordinaten zu verknüpfen.
Die angereicherten Daten werden in Data Lake gespeichert.
Ein serverloser SQL-Pool in Azure Synapse Analytics macht die angereicherten Daten für Power BI verfügbar.
Power BI Desktop-Dashboards bieten Erkenntnisse über die Daten.
Als Alternative zum vorherigen Schritt bieten Power BI-Dashboards, die in Azure App Service-Web-Apps eingebettet sind, Web- und mobilen App-Benutzern Erkenntnisse über die Daten.
Als Alternative zu den Schritten 5 bis 7 werden die angereicherten Daten verwendet, um ein benutzerdefiniertes Machine Learning-Modell in Azure Machine Learning zu trainieren.
Das Modell wird an einem Machine Learning-Endpunkt bereitgestellt.
Ein verwalteter Onlineendpunkt wird für die Onlinerückschlüsse in Echtzeit verwendet, z. B. in einer mobilen App (A). Alternativ wird ein Batchendpunkt für Offlinemodellrückschlüsse verwendet (B).
Komponenten
Azure Synapse Analytics ist ein integrierter Analysedienst zur schnelleren Gewinnung von Erkenntnissen aus Data Warehouses und Big Data-Systemen.
Azure KI Language besteht aus cloudbasierten Diensten, die KI-Funktionen bereitstellen. Sie können die REST-APIs und Clientbibliotheks-SDKs verwenden, um kognitive Intelligenz in Apps zu integrieren, auch wenn Sie über keine Kenntnisse in den Bereichen der künstlichen Intelligenz oder Data Science verfügen. Folgende Features sind enthalten:
- Erkennung benannter Entitäten (Named Entity Recognition, NER) zum Identifizieren und Kategorisieren von Personen, Orten, Organisationen und Mengen in unstrukturiertem Text.
- Schlüsselbegriffserkennung zum Identifizieren wesentlicher Gesprächspunkte in einem Post oder Artikel.
- Standpunktanalyse, um Erkenntnisse über den Standpunkt von Posts zu liefern, indem Inhalte mit positiven, negativen, neutralen und gemischten Standpunkten erkannt werden.
Translator (Textübersetzung) hilft Ihnen, Text sofort oder in Batches zwischen mehr als 100 Sprachen zu übersetzen. Dieser Dienst verwendet die neuesten Innovationen auf dem Gebiet der maschinellen Übersetzung. Die Textübersetzung unterstützt eine breite Vielzahl von Anwendungsfällen, z. B. Übersetzung für Callcenter, mehrsprachige Konversations-Agents sowie In-App-Kommunikation. Die von der Textübersetzung unterstützten Sprachen finden Sie unter Übersetzung.
Azure Maps ist eine Sammlung räumlicher Geodienste, die Ihnen bei der Integration standortbasierter Daten in Web- und mobile Lösungen helfen. Sie können die Standort- und Kartendaten nutzen, um Erkenntnisse zu gewinnen, datengesteuerte Entscheidungen zu treffen, die Sicherheit zu erhöhen und das Kundenerlebnis zu verbessern. Diese Lösung verwendet Azure Maps, um News und Posts mit geografischen Koordinaten zu verknüpfen.
Data Lake ist ein hochgradig skalierbarer Data Lake für Hochleistungs-Analyseworkloads.
App Service stellt ein Framework zum Erstellen, Bereitstellen und Skalieren von Web-Apps zur Verfügung. Das Web-Apps-Feature ist ein Dienst zum Hosten von Webanwendungen, REST-APIs und mobilen Back-Ends.
Machine Learning ist eine cloudbasierte Umgebung, die Ihnen das Trainieren, Bereitstellen, Automatisieren, Verwalten und Nachverfolgen von Machine Learning-Modellen ermöglicht.
Power BI ist eine Sammlung von Analysediensten und -Apps. Sie können Power BI verwenden, um eine Verbindung mit nicht verknüpften Datenquellen herzustellen und diese anzuzeigen.
Alternativen
Sie können diese Lösung vereinfachen, indem Sie Machine Learning und die benutzerdefinierten Machine Learning-Modelle entfernen, wie das folgende Diagramm zeigt. Weitere Informationen finden Sie weiter unten in diesem Artikel unter Bereitstellen dieses Szenarios.
Laden Sie eine Visio-Datei dieser Architektur herunter.
Szenariodetails
Bei Marketingkampagnen geht es um mehr als die Nachricht, die Sie vermitteln. Wann und wie Sie diese Nachricht übermitteln, ist genauso wichtig. Ohne einen datengesteuerten, analytischen Ansatz kann es leicht geschehen, dass Kampagnen Chancen verpassen oder nur mit Mühe Wirkung erzielen. Diese Kampagnen basieren häufig auf der Analyse sozialer Medien, die für Unternehmen und Organisationen weltweit zunehmend wichtig geworden ist. Die Analyse sozialer Medien ist ein leistungsstarkes Tool, mit dem Sie sofortiges Feedback zu Produkten und Diensten erhalten und Interaktionen mit Kunden verbessern können, um die Kundenzufriedenheit zu erhöhen, den Wettbewerb aufrechtzuerhalten und mehr. Unternehmen fehlen häufig effiziente, praktikable Möglichkeiten, um Unterhaltungen in sozialen Medien zu überwachen. Daher fehlen ihnen Möglichkeiten, diese Erkenntnisse für ihre Strategien und Pläne zu nutzen.
Die Lösung dieses Artikels profitiert von einem breiten Spektrum von Anwendungen zur Analyse von Social Media und News. Durch die Bereitstellung der Lösung anstelle der manuellen Bereitstellung ihrer Ressourcen können Sie Ihre Markteinführungszeit verkürzen. Außerdem können Sie Folgendes durchführen:
- Extrahieren von News und Twitter-Posts zu einem bestimmten Thema.
- Übersetzen des extrahierten Texts in Ihre bevorzugte Sprache.
- Extrahieren der wesentlichen Punkte und Entitäten aus den News und Posts.
- Identifizieren des Standpunkts zu dem Thema.
Um beispielsweise die neuesten Diskussionen über Satya Nadella anzuzeigen, geben Sie seinen Namen in eine Abfrage ein. Die Lösung greift dann auf News-APIs und die Twitter-API zu, um Informationen über ihn von überall aus dem Web bereitzustellen.
Mögliche Anwendungsfälle
Durch das Extrahieren von Informationen über Ihre Kunden aus sozialen Medien können Sie Kundenerfahrungen verbessern, die Kundenzufriedenheit erhöhen, neue Vertriebsleads gewinnen und Kundenabwanderung verhindern. Diese Anwendungen der Analyse sozialer Medien fallen in drei Hauptbereiche:
Messen der Markenintegrität:
- Erfassen von Kundenreaktionen und -feedback zu neuen Produkte und Dienstleistungen in sozialen Medien.
- Analysieren des Standpunkts bei Social Media-Interaktionen für ein neues Produkt oder eine neue Dienstleistung.
- Erfassen des Standpunkts zu einer Marke und Bestimmen, ob die Gesamtwahrnehmung positiv oder negativ ist
Aufbauen und Pflegen von Kundenbeziehungen:
- Schnelles Identifizieren von Kundenanliegen
- Lauschen auf nicht markierte Markenerwähnungen
Optimieren von Marketinginvestitionen:
- Gewinnen von Erkenntnissen aus sozialen Medien für die Kampagnenanalyse
- Durchführen gezielte Marketingoptimierungen
- Erreichen einer breiteren Zielgruppe durch Aufspüren neuer Vertriebsleads und Influencer
Marketing ist ein integraler Bestandteil jeder Organisation. Daher können Sie diese Lösung für die Analyse von Social Media für diese Anwendungsfälle in verschiedenen Branchen verwenden:
- Retail
- Finance
- Fertigung
- Gesundheitswesen
- Regierung
- Energieversorgung
- Telekommunikation
- Automobilindustrie
- Gemeinnützig
- Spiele
- Medien und Unterhaltung
- Reisen, einschließlich Gastgewerbe und Restaurants
- Einrichtungen, einschließlich Immobilien
- Sport
Überlegungen
Diese Überlegungen beruhen auf den Säulen des Azure Well-Architected Frameworks, d. h. einer Reihe von Grundsätzen, mit denen die Qualität von Workloads verbessert werden kann. Weitere Informationen finden Sie unter Microsoft Azure Well-Architected Framework.
Zuverlässigkeit
Zuverlässigkeit stellt sicher, dass Ihre Anwendung Ihre Verpflichtungen gegenüber den Kunden erfüllen kann. Weitere Informationen finden Sie in der Überblick über die Säule „Zuverlässigkeit“.
- Verwenden Sie Azure Monitor und Application Insights, um die Integrität der Azure-Ressourcen zu überwachen.
- Überprüfen Sie die folgenden Resilienzaspekte, bevor Sie diese Lösung implementieren:
- Weitere Informationen zur Resilienz in Azure finden Sie unter Entwerfen zuverlässiger Azure-Anwendungen.
- Informationen zu Verfügbarkeitsgarantien verschiedener Azure-Komponenten finden Sie unter den folgenden Vereinbarungen zum Servicelevel (SLAs):
Sicherheit
Sicherheit bietet Schutz vor vorsätzlichen Angriffen und dem Missbrauch Ihrer wertvollen Daten und Systeme. Weitere Informationen finden Sie unter Übersicht über die Säule „Sicherheit“.
Kostenoptimierung
Bei der Kostenoptimierung geht es um die Suche nach Möglichkeiten, unnötige Ausgaben zu reduzieren und die Betriebseffizienz zu verbessern. Weitere Informationen finden Sie unter Übersicht über die Säule „Kostenoptimierung“.
Verwenden Sie den Azure-Preisrechner, um die Kosten für diese Lösung abzuschätzen.
Optimaler Betrieb
Die Säule „Optimaler Betrieb“ deckt die Betriebsprozesse ab, die für die Bereitstellung einer Anwendung und deren Ausführung in der Produktion sorgen. Weitere Informationen finden Sie unter Übersicht über die Säule „Optimaler Betrieb“.
Effiziente Leistung
Leistungseffizienz ist die Fähigkeit Ihrer Workload, auf effiziente Weise eine den Anforderungen der Benutzer entsprechende Skalierung auszuführen. Weitere Informationen finden Sie unter Übersicht über die Säule „Leistungseffizienz“.
- Informationen zur Skalierung von Spark-Pools und Knotengrößen finden Sie unter Konfigurationen von Apache Spark-Pools in Azure Synapse Analytics.
- Sie können Machine Learning-Trainingspipelines basierend auf der Datengröße und anderen Konfigurationsparametern hoch- und herunterskalieren.
- Serverlose SQL-Pools sind bei Bedarf verfügbar. Sie erfordern kein Hoch-, Herunter-, Ab- oder Aufskalieren.
- Azure Synapse Analytics unterstützt Apache Spark 3.1.2, wodurch erhebliche Leistungsverbesserungen gegenüber den Vorgängern erzeugt werden.
Bereitstellen dieses Szenarios
Um diese Lösung bereitzustellen und ein Beispielszenario für die Analyse sozialer Medien auszuführen, finden Sie Informationen hierzu im Bereitstellungshandbuch unter Erste Schritte. Dieser Leitfaden hilft Ihnen bei der Einrichtung der Ressourcen für Social Media Analytics Solution Accelerator, was das Architekturdiagramm unter Alternativen zeigt. Die Bereitstellung enthält folgende Komponenten nicht: Machine Learning, die verwalteten Endpunkte und die App Service-Web-App.
Voraussetzungen
- Um den Solution Accelerator zu verwenden, benötigen Sie Zugriff auf ein Azure-Abonnement.
- Ein grundlegendes Verständnis von Azure Synapse Analytics, Azure KI Services, Azure Maps und Power BI ist hilfreich, aber nicht erforderlich.
- Ein News-API-Konto ist erforderlich.
- Ein Twitter-Entwicklerkonto mit erhöhtem Zugriff auf Twitter-API-Features ist erforderlich.
Beitragende
Dieser Artikel wird von Microsoft gepflegt. Er wurde ursprünglich von folgenden Mitwirkenden geschrieben.
Hauptautor:
- Christina Skarpathiotaki | AI Specialized Cloud Solution Architect
Nächste Schritte
- Was ist Azure Synapse Analytics?
- Azure Machine Learning-Dokumentation
- Was sind Azure KI Services?
- KI Language
- Was ist der Azure KI Services-Übersetzer?
- Was ist Azure Maps?
- Was ist Power BI?
- Tutorial: Stimmungsanalyse mit Azure KI Services in Azure Synapse Analytics
- Tutorial: Textanalyse mit Azure AI Services