Architektur der Intelligent Recommendations
Intelligent Recommendations ist ein hyper-extensibler und skalierbarer headless Microsoft Azure Service, der einfach zu Onboarding und Nutzung mit Null-Code-Integration zu starten ist.
Service Flow
Intelligent Recommendations verfügt über zwei Integrationspunkte:
- Lesen von Kundendaten im Backend mit Microsoft Azure Data Lake Storage
- Front-End-Serving-Erlebnis, das die Ergebnisse der Empfehlungen über sichere HTTPS-Endpunkte auf der Client-Seite präsentiert
Alle relevanten Daten für das Machine-Learning von Intelligent Recommendations, wie z.B. der Element-Katalog, Verfügbarkeiten und andere Metadaten und Interaktionen (Transaktionen), werden im Dateisystem von Data Lake Storage strukturiert und auf sichere Weise geteilt.
Auf der anderen Seite des Dienstes ruft die Client App die Intelligent Recommendations API auf, um die personalisierten oder empfohlenen Inhalte zu erhalten.
Weitere Informationen über Data Lake Storage finden Sie unter Einführung in Azure Data Lake Storage Gen2.
Wichtig
Intelligent Recommendations speichern oder verarbeiten keine Kundendaten außerhalb der Region, in der Sie die Service-Instanz bereitstellen.
Schritt 1: Bringen Sie Ihre eigenen Daten mit
Für Intelligent Recommendations ist keine Lizenz erforderlich. Unsere konforme Lösung stellt sicher, dass alle Daten der Firma innerhalb eines definierten Kunden-Geos bleiben. Sie können es mit dem Data Lake Storage-Konto Ihrer Firma verbinden.
| Datentyp | Beschreibung des Dataflows |
|---|---|
| Catalog | Allgemeine Informationen über Elemente, Inhalte und andere generische Dienste, die Intelligent Recommendations empfehlen. |
| Interaktionen des Benutzers | Interaktionen zwischen Benutzern und Elementen, aus denen Modelle für Intelligent Recommendations lernen und die sie zur Vorhersage zukünftiger Interaktionen verwenden. Beispiele für Benutzerinteraktionen: Click Streams, Käufe, Downloads, Likes und Views. |
Schritt 2: Ausführen des AI-ML Dienstes
Nachdem die Daten strukturiert und freigegeben wurden und die Instanz des Dienstes Intelligent Recommendations initiiert wurde, beginnt der „Kochprozess“. Die Daten werden entsprechend den geschäftlichen Anforderungen und Szenarien verarbeitet und modelliert. Sie können den Fortschritt überwachen, indem Sie die Ausgabeprotokolle untersuchen, um sicherzustellen, dass alles reibungslos ausgeführt wird.
Mit einer erweiterbaren Architektur haben Unternehmen die Möglichkeit, mehr Geschäftslogik einzuführen und mehrere Instanzen von Empfehlungsmodellen zu verwalten. Diese mehreren Instanzen sind nützlich für Experimente oder zum Erstellen von Anwendungsfällen mit verschiedenen Signalen.
Schritt 3: APIs aufrufen, um Ergebnisse überall zu verwenden
Unsere Lösung lässt sich gut in Omnichannel-Plattformen integrieren und erstellt mithilfe einer einfachen Empfehlungs-API erweiterbare, anpassbare Erlebnisse.
Diese Lösung ermöglicht die Filterung in Echtzeit und eine aktualisierte Reihenfolge der Elemente und die Personalisierung jeder Liste.
Beispiele finden Sie unter Beispiel für unterstützte Szenarien. Informationen zur API finden Sie unter Intelligent Recommendations API.
Kostenlos testen
Sie können Intelligent Recommendations drei Monate lang kostenlos mit einem Modell und einem RPS-Konto testen. Weitere Informationen finden Sie in der Schnellstartanleitung.
Siehe auch
Intelligent Recommendations bereitstellenDatenverträge zur gemeinsamen Nutzung von Daten verwendenIntelligent Recommendations API