Partager via

Exemple de guide (version préliminaire) de prédiction de recommandation de produit

  • Article

[Cet article fait partie de la documentation en version préliminaire et peut faire l’objet de modifications.]

Ce guide vous présente un exemple de bout en bout de prédiction de recommandation de produit en utilisant des exemples de données. Nous vous recommandons d’essayer cette prédiction dans un nouvel environnement.

Important

  • Cette fonctionnalité est une fonctionnalité en version préliminaire.
  • Les fonctionnalités préliminaires ne sont pas destinées à une utilisation en production et peuvent être restreintes. Ces fonctionnalités sont disponibles avant une publication officielle afin que les clients puissent y accéder de façon anticipée et fournir des commentaires.

Scénario

Contoso est une entreprise qui produit du café et des machines à café de haute qualité. Ils vendent les produits via leur site web Contoso Coffee. Leur objectif est de comprendre quels produits doivent-ils recommander à leurs clients récurrents. Savoir ce que les clients sont le plus susceptibles d’acheter peut les aider à économiser leurs efforts de marketing en se concentrant sur des éléments spécifiques.

Configuration requise

Tâche 1 : ingérer les données

Consultez les articles à propos de l’ingestion de données et la connexion à une source de données Power Query. Les informations suivantes supposent que vous vous êtes familiarisé avec l’ingestion de données en général.

Ingérer les données client d’une plateforme d’eCommerce

  1. Créez une source de données Power Query nommée eCommerce et sélectionnez le connecteur Texte/CSV.

  2. Entrez l’URL des contacts d’eCommerce : https://aka.ms/ciadclasscontacts.

  3. Lors de la modification des données, sélectionnez Transformer, puis Utiliser la première ligne pour les en-têtes.

  4. Mettez à jour le type de données pour les colonnes répertoriées ci-dessous :

    • DateOfBirth : date
    • CreatedOn : date/heure/fuseau

    Transformez la date de naissance en date.

  5. Dans le champ Nom du volet droit, renommez votre source de données en eCommerceContacts.

  6. Enregistrez la source de données.

Ingérer les données d’achat en ligne

  1. Ajoutez un autre ensemble de données à la même source de données eCommerce. Choisissez à nouveau le connecteur Texte/CSV.

  2. Entrez l’URL des données d’achats en ligne https://aka.ms/ciadclassonline.

  3. Lors de la modification des données, sélectionnez Transformer, puis Utiliser la première ligne pour les en-têtes.

  4. Mettez à jour le type de données pour les colonnes répertoriées ci-dessous :

    • PurchasedOn : date/heure
    • TotalPrice : devise

  5. Dans le champ Nom du volet latéral, renommez votre source de données en eCommercePurchases.

  6. Enregistrez la source de données.

Ingérer les données client du programme de fidélité

  1. Créez une source de données nommée LoyaltyScheme et sélectionnez le connecteur Texte/CSV.

  2. Saisissez l’URL des clients fidèles https://aka.ms/ciadclasscustomerloyalty.

  3. Lors de la modification des données, sélectionnez Transformer, puis Utiliser la première ligne pour les en-têtes.

  4. Mettez à jour le type de données pour les colonnes répertoriées ci-dessous :

    • DateOfBirth : date
    • RewardsPoints : nombre entier
    • CreatedOn : date/heure

  5. Dans le champ Nom du volet droit, renommez votre source de données en loyCustomers.

  6. Enregistrez la source de données.

Tâche 2 : unification des données

Consultez l’article sur l’unification des données. Les informations suivantes supposent que vous vous êtes familiarisé avec l’unification de données en général.

Après avoir ingéré les données, commencez le processus d’unification des données pour créer un profil client unifié. Pour plus d’informations, consultez Unification des données.

Décrire les données client à unifier

  1. Une fois les données ingérées, mappez les contacts des données d’eCommerce et du programme de fidélité aux types de données courants. Accédez à Données>Unifier.

  2. Sélectionnez les tables qui représentent le profil client : eCommerceContacts et loyCustomers.

    Unifiez les sources de données d’eCommerce et du programme de fidélité.

  3. Sélectionnez ContactId comme clé primaire pour eCommerceContacts et LoyaltyID comme clé primaire pour loyCustomers.

  4. Sélectionnez Suivant. Ignorez les enregistrements en double et sélectionnez Suivant.

Définir les règles de mise en correspondance

  1. Choisissez eCommerceContacts : eCommerce comme table principale et incluez tous les enregistrements.

  2. Choisissez loyCustomers : LoyaltyScheme et incluez tous les enregistrements.

  3. Ajoutez une règle :

    • Sélectionnez FullName pour eCommerceContacts et loyCustomers.
    • Sélectionnez Type (Téléphone, Nom, Adresse, ...) pour Normaliser.
    • Définissez le Niveau de précision sur Base et la Valeur sur Élevé.

  4. Ajoutez une deuxième condition pour l’adresse électronique :

    • Sélectionnez Email pour eCommerceContacts et loyCustomers.
    • Laissez le champ Normaliser vide.
    • Définissez le Niveau de précision sur Base et la Valeur sur Élevé.
    • Entrez FullName, Email pour le nom.

    Unifiez la règle de mise en correspondance pour le nom et l’adresse électronique.

  5. Cliquez sur Terminé.

  6. Sélectionnez Suivant.

Afficher les données unifiées

  1. Remplacez le nom du ContactId pour la table loyCustomers par ContactIdLOYALTY pour le différencier des autres identifiants ingérés.

  2. Sélectionnez Suivant pour vérifier, puis sélectionnez Créer des profils clients.

Tâche 3 : créer une activité d’historique des transactions

Consultez l’article sur les activités client. Les informations suivantes supposent que vous vous êtes familiarisé avec la création d’activités en général.

  1. Créez une activité avec la table eCommercePurchases:eCommerce.

  2. Sélectionnez SalesOrderLine pour le Type d’activité et PurchaseId pour la Clé primaire.

  3. Saisissez les informations suivantes pour l’activité :

    • Nom de l’activité : eCommercePurchases
    • TimeStamp : PurchasedOn
    • EventActivity : TotalPrice
    • ID de ligne de commande : PurchaseId
    • Date de la commande : PurchasedOn
    • Montant : TotalPrice

  4. Créez une relation entre eCommercePurchases:eCommerce et eCommerceContacts:eCommerce avec ContactID comme clé étrangère pour connecter les deux tables.

  5. Vérifiez vos modifications, puis sélectionnez Créer des activités.

Tâche 4 – Configurer la recommandation de produit prédiction

Maintenant que les profils de clients unifiés sont en place et l’activité créée, exécutez la prédiction de recommandation de produit.

  1. Accédez à Informations>Prédictions.

  2. Dans l’onglet Créer, sélectionnez Utiliser le modèle dans Recommandations de produit (version préliminaire).

  3. Cliquez sur Démarrer.

  4. Nommez le modèle Prédiction du modèle de recommandation de produit OOB et la table de sortie OOBProductRecommendationModelPrediction.

  5. Sélectionnez Suivant.

  6. Définissez les préférences du modèle :

    • Nombre de produits : 5 pour définir le nombre de produits que vous souhaitez recommander à vos clients.
    • Achats répétés attendus : Oui pour inclure les produits achetés précédemment dans la recommandation.
    • Fenêtre de consultation : 365 jours pour définir jusqu’où le modèle regardera en arrière avant de recommander à nouveau un produit.

    Préférences de modèle pour le modèle de recommandation de produit.

  7. Cliquez sur Suivant.

  8. À l’étape Ajouter l’historique des achats, sélectionnez Ajouter des données.

  9. Sélectionnez SalesOrderLine et la table eCommercePurchases et sélectionnez Suivant. Les données requises sont automatiquement renseignées à partir de l’activité. Sélectionnez Enregistrer, puis Suivant.

  10. Ignorez les étapes Ajouter des informations sur les produits et Filtres de produits car nous n’avons pas de données sur les informations des produits.

  11. À l’étape Mises à jour des données, sélectionnez Mensuel pour la planification du modèle.

  12. Cliquez sur Suivant.

  13. Une fois tous les détails passés en revue, sélectionnez Enregistrer et exécuter.

Tâche 5 : passer en revue les résultats et les explications du modèle

Laissez le modèle terminer la formation et la notation des données. Passez en revue les explications du modèle de recommandation de produit.

Tâche 6 – Créer un segment de produits très achetés

L’exécution du modèle crée une nouvelle table, qui est répertoriée dans Données>Tables. Vous pouvez créer un nouveau segment basé sur la table créée par le modèle.

  1. Sur la page de résultats, sélectionnez Créer un segment.

  2. Créez une règle en utilisant la table OOBProductRecommendationModelPrediction et définissez le segment :

    • Champ : ProductID
    • Valeur : sélectionnez les trois premiers ID de produit

  3. Sélectionnez Enregistrer et Exécutez le segment.

Vous disposez maintenant d’un segment mis à jour dynamiquement qui identifie les clients susceptibles d’être intéressés par l’achat des cinq produits les plus recommandés. Pour plus d’informations, consultez Créer et gérer les segments.

Astuce

Vous pouvez également créer un segment pour un modèle de prédiction à partir de la page Informations>Segments en sélectionnant Nouveau et en choisissant Créer à partir de>Informations. Pour plus d’informations, consultez Créer un nouveau segment avec des segments rapides.

Étapes suivantes