Pour répondre au mieux aux besoins des clients, les organisations doivent extraire des informations des médias sociaux sur leurs clients. Cet article présente une solution permettant d’analyser les actualités et les données des médias sociaux. La solution étend l’’accélérateur de solution Azure Social Media Analytics, ce qui donne aux développeurs les ressources nécessaires pour créer et déployer une plateforme d’analyse des médias sociaux sur Azure en quelques heures. Cette plateforme collecte les données des réseaux sociaux et des sites web et présente les données dans un format qui prend en charge le processus de prise de décision métier.
Apache®, Apache Spark et le logo représentant une flamme sont soit des marques déposées, soit des marques commerciales d’Apache Software Foundation aux États-Unis et/ou dans d’autres pays. L’utilisation de ces marques n’implique aucune approbation de l’Apache Software Foundation.
Architecture
Téléchargez un fichier Visio de cette architecture.
Dataflow
Les pipelines Azure Synapse Analytics ingère des données externes et stockent ces données dans Azure Data Lake. Un pipeline ingère les données des API d’actualités. L’autre pipeline ingère des données à partir de l’API Twitter.
Les pools Apache Spark dans Azure Synapse Analytics sont utilisés pour traiter et enrichir les données.
Les pools Spark utilisent les services suivants :
- AI Language, pour la reconnaissance d’entité nommée (NER), l'extraction de phrases clés et l'analyse des sentiments
- Azure AI services Translator, pour traduire du texte
- Azure Maps, pour lier des données à des coordonnées géographiques
Les données enrichies sont stockées dans Data Lake.
Un pool SQL serverless dans Azure Synapse Analytics rend les données enrichies disponibles pour Power BI.
Power BI Desktop tableaux de bord fournissent des insights sur les données.
En guise d’alternative à l’étape précédente, les tableaux de bord Power BI incorporés dans Azure App Service applications web fournissent aux utilisateurs d’applications web et mobiles des insights sur les données.
En guise d’alternative aux étapes 5 à 7, les données enrichies sont utilisées pour entraîner un modèle Machine Learning personnalisé dans Azure Machine Learning.
Le modèle est déployé sur un point de terminaison Machine Learning.
Un point de terminaison en ligne géré est utilisé pour l’inférence en temps réel en ligne, par exemple, sur une application mobile (A). Vous pouvez également utiliser un point de terminaison de traitement de lot pour l’inférence de modèle hors connexion (B).
Composants
Azure Synapse Analytics est un service d’analytique intégré qui accélère la génération d’insights dans les entrepôts de données et les systèmes de Big Data.
Azure AI Language se compose de services basés sur le cloud qui fournissent des fonctionnalités d’IA. Vous pouvez utiliser les API REST et les Kits de développement logiciel (SDK) de bibliothèque de client afin de créer de l’intelligence cognitive dans des applications même si vous n’avez pas de compétences en IA ou en science des données. Voici quelques fonctionnalités :
- Reconnaissance d’entité nommée (NER) pour identifier et catégoriser des personnes, des lieux, des organisations et des quantités dans du texte non structuré.
- Extraction d’expressions clés pour identifier les points de conversation clés dans une publication ou un article.
- Analyse des sentiments pour fournir un aperçu du sentiment des publications en détectant le contenu positif, négatif, neutre et mixte.
Translator vous aide à traduire du texte instantanément ou par lots dans plus de 100 langues. Ce service utilise les dernières innovations en matière de traduction automatique. Translator prend en charge un large éventail de cas d’usage, tels que la traduction pour les centres d’appels, les agents conversationnels multilingues et la communication dans l’application. Pour connaître les langues prises en charge par Translator, consultez Traduction.
Azure Maps est une suite de services géospatiaux qui vous aident à incorporer des données basées sur l’emplacement dans des solutions web et mobiles. Vous pouvez utiliser les données de localisation et cartographiques pour générer des informations, éclairer les décisions basées sur les données, renforcer la sécurité et améliorer les expériences des clients. Cette solution utilise Azure Maps pour lier les actualités et les publications aux coordonnées géographiques.
Data Lake est un lac de données massivement évolutif et hautement sécurisé pour les charges de travail analytiques à haute performance.
Le service App Service fournit une infrastructure pour la génération, le déploiement et la mise à l’échelle d’applications web. La fonctionnalité Web Apps est un service HTTP pour l’hébergement d’applications web, d’API REST et de back-ends mobiles.
Machine Learning est un environnement basé sur le cloud qui vous permet d’effectuer l’apprentissage, le déploiement, l’automatisation, la gestion et le suivi des modèles Machine Learning.
Power BI est une collection de services et d’applications d’analyse. Vous pouvez utiliser Power BI pour connecter et visualiser des sources de données non liées.
Autres solutions
Vous pouvez simplifier cette solution en éliminant Machine Learning et les modèles Machine Learning personnalisés, comme le montre le diagramme suivant. Pour plus d’informations, consultez Déployer ce scénario, plus loin dans cet article.
Téléchargez un fichier Visio de cette architecture.
Détails du scénario
Les campagnes marketing ne se limitent pas au message que vous délivrez. Le moment et la manière dont vous délivrez ce message sont tout aussi importants. À défaut d’approche analytique pilotée par les données, les campagnes peuvent facilement manquer des opportunités ou avoir du mal à gagner du terrain. Les campagnes marketing sont souvent basées sur l’analyse des réseaux sociaux, qui est devenue de plus en plus importante pour les entreprises et les organisations du monde entier. L’analyse des réseaux sociaux est un puissant outil que vous pouvez utiliser pour recevoir des commentaires instantanés sur les produits et services, améliorer les interactions avec les clients afin d’augmenter la satisfaction des clients, suivre la concurrence, etc. Les entreprises manquent souvent de moyens efficaces et viables pour surveiller les conversations sur les réseaux sociaux. Dès lors, elles ratent des occasions d’utiliser ces insights pour étayer leurs stratégies et leurs plans.
La solution de cet article offre un large éventail d’applications d’analyse des médias sociaux et des actualités. En déployant la solution au lieu de déployer manuellement ses ressources, vous pouvez réduire votre temps de marché. Vous pouvez également :
- Extrayez des actualités et des publications Twitter sur un sujet spécifique.
- Traduisez le texte extrait dans votre langue préférée.
- Extrayez les points clés et les entités des actualités et publications.
- Identifiez le sentiment sur le sujet.
Par exemple, pour voir les dernières discussions sur Satya Nadella, vous entrez son nom dans une requête. La solution accède ensuite aux API d’actualités et à l’API Twitter pour fournir des informations sur lui à partir du web.
Cas d’usage potentiels
En procédant à l’extraction des informations sur vos clients à partir des réseaux sociaux, vous pouvez améliorer l’expérience client, accroître la satisfaction des clients, obtenir de nouveaux prospects et prévenir l’attrition clients. Ces applications d’analytise des réseaux sociaux se répartissent en trois grands domaines :
Mesure de l’intégrité de la marque :
- Capture des réactions et commentaires des clients pour les nouveaux produits ou services sur les réseaux sociaux
- Analyse des sentiments sur les interactions des réseaux sociaux pour un nouveau produit ou service.
- Capture le sentiment sur une marque et déterminer si la perception globale est positive ou négative
Établissement et maintien des relations avec les clients :
- Identification rapide des préoccupations des clients
- Écoute des mentions de marques non balisées
Optimisation des investissements marketing :
- Extraction d’insights à partir de réseaux sociaux pour l’analyse des campagnes
- Optimisation du marketing ciblée
- Atteindre un public plus large en recherchant de nouveaux prospects et influenceurs
Le marketing fait partie intégrante de chaque organisation. Par conséquent, vous pouvez utiliser cette solution d’analyse des médias sociaux pour ces cas d’utilisation dans différentes industries :
- Commerce
- Finance
- Industrie
- Santé
- Administration
- Énergie
- Télécommunications
- Automobile
- Association sans but lucratif
- Jeux
- Média et divertissement
- Voyage, y compris l’accueil et les restaurants
- Installations, y compris l’immobilier
- Sports
Considérations
Ces considérations implémentent les piliers d’Azure Well-Architected Framework qui est un ensemble de principes directeurs qui permettent d’améliorer la qualité d’une charge de travail. Pour plus d’informations, consultez Microsoft Azure Well-Architected Framework.
Fiabilité
La fiabilité permet de s’assurer que votre application tient vos engagements auprès de vos clients. Pour plus d’informations, consultez la page Vue d’ensemble du pilier de fiabilité.
- Utilisez Azure Monitor et Application Insights pour superviser l’intégrité des ressources Azure.
- Passez en revue les considérations de résilience suivantes avant d’implémenter cette solution :
- Pour plus d’informations sur la résilience dans Azure, consultez Conception d’applications Azure fiables.
- Pour connaître les garanties de disponibilité de différents composants Azure, consultez les contrats de niveau de service (SLA) suivants :
Sécurité
La sécurité fournit des garanties contre les attaques délibérées, et contre l’utilisation abusive de vos données et systèmes importants. Pour plus d’informations, consultez Vue d’ensemble du pilier Sécurité.
Optimisation des coûts
L’optimisation des coûts consiste à examiner les moyens de réduire les dépenses inutiles et d’améliorer l’efficacité opérationnelle. Pour plus d’informations, consultez Vue d’ensemble du pilier d’optimisation des coûts.
Pour estimer le coût de cette solution, utilisez la Calculatrice de prix Azure.
Excellence opérationnelle
L’excellence opérationnelle couvre les processus d’exploitation qui déploient une application et maintiennent son fonctionnement en production. Pour plus d’informations, consultez Vue d’ensemble du pilier Excellence opérationnelle.
Efficacité des performances
L’efficacité des performances est la capacité de votre charge de travail à s’adapter à la demande des utilisateurs de façon efficace. Pour plus d’informations, consultez Vue d’ensemble du pilier d’efficacité des performances.
- Pour plus d’informations sur la mise à l’échelle des pools Spark et des tailles de nœuds, consultez Configurations des pools Apache Spark dans Azure Synapse Analytics.
- Vous pouvez effectuer automatiquement un scale-up ou un scale-down des pipelines de formation Azure Machine Learning en fonction de la taille des données et d’autres paramètres de configuration.
- Les pools SQL serverless sont disponibles à la demande. Ils ne nécessitent pas une mise à l’échelle vers le haut, le bas, l’intérieur ou l’extérieur.
- Azure Synapse Analytics prend en charge Apache Spark 3.1.2, ce qui offre des améliorations significatives des performances par rapport à ses prédécesseurs.
Déployer ce scénario
Pour déployer cette solution et exécuter un exemple de scénario d’analyse des réseaux sociaux, consultez le guide de déploiement dans Prise en main. Ce guide vous aide à configurer les ressources de l’Accélérateur de solution Analyse des réseaux sociaux, que le diagramme d’architecture dans Alternatives montre. Le déploiement n’inclut pas les composants suivants : Machine Learning, points de terminaison managés et application web App Service.
Prérequis
- Pour utiliser l’accélérateur de solution, vous devez accéder à un abonnement Azure.
- Une compréhension de base d’Azure Synapse Analytics, Azure AI services, Azure Maps et Power BI est utile, mais pas nécessaire.
- Un compte d’API d’actualités est requis.
- Un compte de développeur Twitter disposant d’un accès élevé aux fonctionnalités de l’API Twitter est requis.
Contributeurs
Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.
Auteur principal :
- Christina Skarpathiotaki | Architecte solutions cloud spécialisée dans l’IA
Étapes suivantes
- Présentation d’Azure Synapse Analytics
- Documentation Azure Machine Learning
- Que sont les services Azure AI services ?
- Documentation sur AI Language
- Qu’est-ce que Azure AI services Translator ?
- Qu’est-ce qu’Azure Maps ?
- Qu’est-ce que Power BI ?
- Tutoriel : analyse des sentiments avec Azure AI services dans Azure Synapse Analytics
- Tutoriel : Analyse de texte avec Azure AI services