Beispielanleitung für Produktempfehlungsvorhersage (Vorschau)
[Dieser Artikel ist Teil der Dokumentation zur Vorabversion und kann geändert werden.]
Diese Anleitung führt Sie durch ein End-to-End-Beispiel für die Vorhersage von Produktempfehlungen mithilfe von Beispieldaten. Wir empfehlen, dass Sie diese Vorhersage in einer neuen Umgebung ausprobieren.
Wichtig
- Dies ist eine Vorschauversion.
- Funktionen in der Vorschauversion sind nicht für den produktiven Einsatz gedacht und können eine eingeschränkte Funktionalität aufweisen. Diese Funktionen stehen vor der offiziellen Veröffentlichung zur Verfügung, damit Kunden frühzeitig Zugriff erhalten und Feedback geben können.
Szenario
Contoso ist ein Unternehmen, das hochwertige Kaffees und Kaffeemaschinen herstellt. Es verkauft die Produkte über die Contoso Coffee-Website. Ihr Ziel ist es zu verstehen, welche Produkte sie ihren wiederkehrenden Kunden empfehlen sollten. Das Wissen darüber, was Kunden wahrscheinlich eher kaufen, kann ihnen helfen, Marketingbemühungen zu sparen, indem sie sich auf bestimmte Elemente konzentrieren.
Anforderungen
- Mindestens Berechtigungen für Mitwirkende in Dynamics 365 Customer Insights - Data
Aufgabe 1 - Datenerfassung
Lesen Sie die Artikel zu Datenerfassung und zur Verbindung mit einer Power Query-Datenquelle. Bei den folgenden Informationen wird davon ausgegangen, dass Sie mit der Datenerfassung im Allgemeinen vertraut sind.
Datenerfassung von Kundendaten aus der eCommerce-Plattform
Erstellen Sie eine Power Query-Datenquelle mit dem Namen E-Commerce und wählen Sie den Text/CSV-Konnektor aus.
Geben Sie die URL für eCommerce-Kontakte ein: https://aka.ms/ciadclasscontacts
Wählen Sie beim Bearbeiten der Daten Transformieren und dann Erste Zeile als Kopfzeile verwenden.
Aktualisieren Sie den Datentyp für die unten aufgeführten Spalten:
- DateOfBirth: Datum
- CreatedOn: Datum/Uhrzeit/Zone
Benennen Sie im Feld Name im rechten Fensterbereich Ihre Datenquelle in eCommerceContacts um.
Speichern Sie die Datenquelle.
Datenerfassung von Online-Kaufdaten
Fügen Sie einen weiteren Datensatz zur gleichen eCommerce Datenquelle hinzu. Wählen Sie erneut den Text/CSV Konnektor.
Geben Sie die URL für Online-Einkaufsdaten https://aka.ms/ciadclassonline ein.
Wählen Sie beim Bearbeiten der Daten Transformieren und dann Erste Zeile als Kopfzeile verwenden.
Aktualisieren Sie den Datentyp für die unten aufgeführten Spalten:
- Gekauft am: Datum/Uhrzeit
- GesamtPreis: Währung
Benennen Sie im Feld Name im rechten Seitenbereich Ihre Datenquelle in eCommercePurchases um.
Speichern Sie die Datenquelle.
Kundendaten aus dem Treueschema einlesen
Erstellen Sie eine Datenquelle mit dem Namen LoyaltyScheme und wählen Sie den Text/CSV-Connector.
Geben Sie die URL für treue Kunden ein: https://aka.ms/ciadclasscustomerloyalty.
Wählen Sie beim Bearbeiten der Daten Transformieren und dann Erste Zeile als Kopfzeile verwenden.
Aktualisieren Sie den Datentyp für die unten aufgeführten Spalten:
- DateOfBirth: Datum
- RewardsPoints: Ganze Zahl
- CreatedOn: Datum/Uhrzeit
Benennen Sie im Feld Name im rechten Fensterbereich Ihre Datenquelle in loyCustomers um.
Speichern Sie die Datenquelle.
Aufgabe 2 - Daten vereinheitlichen
Lesen Sie den Artikel zur Datenvereinheitlichung. Bei den folgenden Informationen wird davon ausgegangen, dass Sie mit der Datenvereinheitlichung im Allgemeinen vertraut sind.
Beginnen Sie nach der Aufnahme der Daten mit dem Datenvereinheitlichungsprozess, um ein Unified customer profile zu erstellen. Weitere Informationen finden Sie unter Datenvereinheitlichung.
Beschreiben der zu vereinheitlichenden Kundendaten
Nach der Datenerfassung ordnen Sie die Kontakte aus den eCommerce- und Loyalty-Daten den gemeinsamen Datentypen zu. Gehen Sie zu Daten>Vereinheitlichen.
Wählen Sie die Tabellen, die das Kundenprofil darstellen – eCommerceContacts und loyCustomers.
Wählen Sie KontaktId als Primärschlüssel für eCommerceKontakte und LoyaltyID als Primärschlüssel für loyCustomers.
Wählen Sie Weiter. Überspringen Sie doppelte Datensätze überspringen und wählen Sie Weiter.
Abgleichsregeln definieren
Wählen Sie eCommerceContacts: eCommerce als primäre Tabelle und schließen Sie alle Datensätze ein.
Wählen Sie loyCustomers : LoyaltyScheme, und nehmen Sie alle Datensätze auf.
Fügen Sie eine Regel hinzu:
- Wählen Sie FullName sowohl für eCommerceContacts als auch für loyCustomers.
- Wählen Sie Typ (Telefon, Name, Adresse ...) für Normalisieren.
- Setzen Sie Präzisionsstufe: Basis und Wert: Hoch.
Fügen Sie eine zweite Bedingung für die E-Mail-Adresse hinzu:
- Wählen Sie E-Mail sowohl für eCommerceContacts als auch für loyCustomers.
- Lassen Sie Normalisieren leer.
- Setzen Sie Präzisionsstufe: Basis und Wert: Hoch.
- Geben Sie für den Namen FullName, Email ein.
Wählen Sie Fertig aus.
Wählen Sie Weiter.
Vereinheitlichte Daten anzeigen
Benennen Sie die ContactId für die Tabelle loyCustomers in ContactIdLOYALTY um, um sie von den anderen aufgenommenen IDs zu unterscheiden.
Wählen Sie Weiter, um zu prüfen, und wählen Sie dann Kundenprofile erstellen.
Aufgabe 3: Transaktionsverlaufsaktivität erstellen
Lesen Sie den Artikel zu Kundenaktivitäten. Bei den folgenden Informationen wird davon ausgegangen, dass Sie mit der Erstellung von Aktivitäten im Allgemeinen vertraut sind.
Erstellen Sie eine Aktivität mit der Tabelle eCommercePurchases:eCommerce.
Wählen Sie SalesOrderLine für den Aktivitätstyp und PurchaseId für den Primärschlüssel aus.
Geben Sie die folgenden Informationen für die Aktivität ein:
- Aktivitätsname: eCommercePurchases
- Zeitstempel: PurchasedOn
- Ereignisaktivität: TotalPrice
- Auftragspositions-ID: PurchaseId
- Bestelldatum: PurchasedOn
- Betrag: TotalPrice
Erstellen Sie eine Beziehung zwischen eCommercePurchases:eCommerce und eCommerceContacts:eCommerce mit ContactID als Fremdschlüssel, um die beiden Tabellen zu verbinden.
Überprüfen Sie Ihre Änderungen, und wählen Sie dann Aktivitäten erstellen aus.
Aufgabe 4 – Konfigurieren Sie die Produktempfehlungsvorhersage
Mit den vereinheitlichten Kundenprofilen und der erstellten Aktivität können wir jetzt die Produktempfehlungsvorhersage ausführen.
Gehen Sie zu Erkenntnisse>Vorhersagen.
Wählen Sie in der Registerkarte ErstellenModell verwenden auf der Kachel Produktempfehlungen (Vorschauversion) aus.
Wählen Sie Erste Schritte aus.
Nennen Sie das Modell OOB-Produktempfehlungsmodell-Vorhersage und die Ausgabetabelle OOBProductRecommendationModelPrediction.
Wählen Sie Weiter.
Modelleinstellungen definieren:
- Anzahl der Produkte: 5, um festzulegen, wie viele Produkte Sie Ihren Kunden empfehlen möchten.
- Wiederholungskäufe erwartet: Ja, um bereits gekaufte Produkte in die Empfehlung aufzunehmen.
- Fenster für Vergangenheitsdaten:365 Tage, um festzulegen, wie weit das Modell zurückblickt, bevor es ein Produkt erneut empfiehlt.
Wählen Sie Weiter aus.
Wählen Sie im Schritt Kaufverlauf hinzufügenDaten hinzufügen aus.
Wählen Sie SalesOrderLine und die Tabelle eCommercePurchases und dann Weiter aus. Die erforderlichen Daten werden automatisch aus der Aktivität entnommen. Wählen Sie Speichern und dann Weiter.
Überspringen Sie die Schritte Produktinformationen hinzufügen und Produktfilter, da wir keine Produktinformationsdaten haben.
Wählen Sie in dem Schritt Datenupdates für den Modellzeitplan Monatlich aus.
Wählen Sie Weiter aus.
Nachdem Sie alle Details überprüft haben, wählen Sie Speichern und Ausführen.
Aufgabe 5 - Überprüfung der Modellergebnisse und Erklärungen
Lassen Sie das Modell das Training und das Scoring der Daten abschließen. Gehen Sie die Erklärungen zum Produktempfehlungsmodell durch.
Aufgabe 6 – Erstellen Sie ein Segment mit häufig gekauften Produkten
Beim Ausführen des Modells wird eine neue Tabelle erstellt, die unter Daten>Tabellen aufgeführt ist. Sie können ein neues Segment basierend auf der vom Modell erstellten Tabelle erstellen.
Wählen Sie auf der Ergebnisseite Segment erstellen aus.
Erstellen Sie eine Regel mit der Tabelle OOBProductRecommendationModelPrediction und definieren Sie das Segment:
- Feld: ProductID
- Wert: Wählen Sie die drei wichtigsten Produkt-IDs aus
Wählen Sie Speichern aus und dann Ausführen für das Segment.
Sie haben jetzt ein Segment, das dynamisch aktualisiert wird und die Kunden identifiziert, die daran interessiert sein könnten, die fünf am meisten empfohlenen Produkte zu kaufen. Weitere Informationen finden Sie unter Erstellen und Verwalten von Segmenten.
Tipp
Sie können auch ein Segment für ein Vorhersagemodell aus der Seite Erkenntnisse>Segmente erstellen, indem Sie Neu und dann Erstellen aus>Erkenntnisse auswählen. Weitere Informationen finden Sie unter Ein neues Segment mit Schnellsegmenten erstellen.