Modifica

Condividi tramite

Offerte personalizzate

Hub eventi di Azure
Funzioni di Azure
Azure Machine Learning
Archiviazione di Azure
Analisi di flusso di Azure

Idee per le soluzioni

Questo articolo descrive un'idea di soluzione. L'architetto cloud può usare queste linee guida per visualizzare i componenti principali per un'implementazione tipica di questa architettura. Usare questo articolo come punto di partenza per progettare una soluzione ben progettata in linea con i requisiti specifici del carico di lavoro.

Questa soluzione crea sistemi di marketing intelligenti che forniscono contenuti personalizzati per i clienti usando modelli di Machine Learning che analizzano i dati da più origini. Le tecnologie chiave usate includono raccomandazioni intelligenti e Personalizza esperienze di Azure.

Architettura

Diagramma dell'architettura che mostra come vengono generate offerte personalizzate incorporando visualizzazioni di prodotti e offerte.

Scaricare un file di Visio di questa architettura.

Flusso di dati

  1. Un'app Funzioni di Azure acquisisce l'attività utente non elaborata (ad esempio i clic su prodotto e offerta) e le offerte effettuate agli utenti nel sito Web. L'attività viene inviata a Hub eventi di Azure. Nelle aree in cui l'attività utente non è disponibile, l'attività utente simulata viene archiviata in cache di Azure per Redis.
  2. Analisi di flusso di Azure analizza i dati per fornire analisi quasi in tempo reale sul flusso di input dall'istanza di Hub eventi di Azure.
  3. I dati aggregati vengono inviati ad Azure Cosmos DB per NoSQL.
  4. Power BI viene usato per cercare informazioni dettagliate sui dati aggregati.
  5. I dati non elaborati vengono inviati all'archivio di Azure Data Lake.
  6. Raccomandazioni intelligenti usa i dati non elaborati di Azure Data Lake Storage e fornisce raccomandazioni per Personalizza esperienze di Azure.
  7. Il servizio Personalizza esperienze offre i migliori prodotti e offerte contestuali e personalizzati.
  8. I dati di attività utente simulati vengono forniti al servizio Personalizza esperienze per fornire prodotti e offerte personalizzati.
  9. I risultati vengono forniti nell'app Web a cui l'utente accede.
  10. Il feedback degli utenti viene acquisito in base alla reazione dell'utente alle offerte e ai prodotti visualizzati. Il punteggio di ricompensa viene fornito al servizio Personalizza esperienze per migliorare le prestazioni nel tempo
  11. La ripetizione del training per le raccomandazioni intelligenti può comportare raccomandazioni migliori. Questo processo può essere eseguito anche usando i dati aggiornati da Azure Data Lake Storage.

Componenti

  • Hub eventi è una piattaforma di streaming completamente gestita. In questa soluzione Hub eventi raccoglie i dati sull'utilizzo in tempo reale.
  • Analisi di flusso offre l'elaborazione dei flussi serverless in tempo reale. Questo servizio consente di eseguire query nel cloud e nei dispositivi perimetrali. In questa soluzione Analisi di flusso aggrega i dati di streaming e lo rende disponibile per la visualizzazione e gli aggiornamenti.
  • Azure Cosmos DB è un database multimodello distribuito a livello globale. Azure Cosmos DB garantisce alle soluzioni la scalabilità elastica della velocità effettiva e dello spazio di archiviazione in un numero qualsiasi di aree geografiche. Azure Cosmos DB per NoSQL archivia i dati in formato documento ed è una delle diverse API di database offerte da Azure Cosmos DB. Nell'implementazione di GitHub di questa soluzione, DocumentDB è stato usato per archiviare le informazioni sul cliente, sul prodotto e sull'offerta, ma è anche possibile usare Azure Cosmos DB per NoSQL. Per altre informazioni, vedere Cari clienti di DocumentDB, benvenuti in Azure Cosmos DB.For more information, see Dear DocumentDB customers, welcome to Azure Cosmos DB!.
  • Archiviazione è una soluzione di archiviazione cloud che include oggetti, file, disco, coda e archiviazione tabelle. I servizi includono soluzioni di archiviazione ibride e strumenti per il trasferimento, la condivisione e il backup dei dati. Questa soluzione usa Archiviazione per gestire le code che simulano l'interazione dell'utente.
  • Funzioni è una piattaforma di calcolo serverless che è possibile usare per compilare applicazioni. Con Funzioni è possibile usare trigger e associazioni per integrare i servizi. Questa soluzione usa Funzioni per coordinare la simulazione utente. Funzioni è anche il componente principale che genera offerte personalizzate.
  • Machine Learning è un ambiente basato sul cloud che è possibile usare per eseguire il training, distribuire, automatizzare, gestire e tenere traccia dei modelli di Machine Learning. In questo caso, Machine Learning usa le preferenze e la cronologia dei prodotti di ogni utente per fornire l'assegnazione dei punteggi di affinità utente-prodotto.
  • cache di Azure per Redis fornisce un archivio dati in memoria basato sul software Redis. La cache di Azure per Redis fornisce funzionalità Redis open source come offerta completamente gestita. In questa soluzione, cache di Azure per Redis fornisce affinità di prodotto pre-calcolate per i clienti senza cronologia utente disponibile.
  • Power BI è un servizio di analisi aziendale che offre visualizzazioni interattive e funzionalità di business intelligence. La sua interfaccia facile da usare consente di creare report e dashboard personalizzati. Questa soluzione usa Power BI per visualizzare le attività in tempo reale nel sistema. Ad esempio, Power BI usa i dati di Azure Cosmos DB per NoSQL per visualizzare la risposta del cliente a varie offerte.
  • Data Lake Storage è un repository di archiviazione scalabile che contiene una grande quantità di dati nel formato nativo e non elaborato dei dati.

Dettagli della soluzione

Nell'ambiente altamente competitivo e connesso di oggi, le aziende moderne non possono più sopravvivere su contenuti online generici e statici. Inoltre, le strategie di marketing che usano strumenti tradizionali possono essere costose e difficili da implementare. Di conseguenza, non producono il ritorno desiderato sugli investimenti. Questi sistemi spesso non riescono a sfruttare appieno i dati raccolti quando creano un'esperienza più personalizzata per gli utenti.

La presentazione di offerte personalizzate per ogni utente è diventata essenziale per costruire la fedeltà dei clienti e rimanere redditizi. In un sito Web di vendita al dettaglio, i clienti desiderano sistemi intelligenti che forniscono offerte e contenuti in base ai loro interessi e preferenze unici. I team di marketing digitale di oggi possono creare questa intelligenza usando i dati generati da tutti i tipi di interazioni degli utenti.

I marketer ora hanno la possibilità di offrire offerte altamente rilevanti e personalizzate a ogni utente analizzando grandi quantità di dati. Ma la creazione di un'infrastruttura di Big Data affidabile e scalabile non è semplice. Inoltre, lo sviluppo di sofisticati modelli di Machine Learning personalizzati per ogni utente è un'impresa complessa.

Raccomandazioni intelligenti offre funzionalità per ottenere risultati desiderati, ad esempio raccomandazioni sugli elementi basate su interazioni e metadati dell'utente. Può essere usato per promuovere e personalizzare qualsiasi tipo di contenuto, ad esempio prodotti vendibili, supporti, documenti, offerte e altro ancora.

Personalizza esperienze di Azure è un servizio che fa parte dei servizi di intelligenza artificiale di Azure. Può essere utilizzato per determinare quale prodotto suggerire agli acquirenti o per capire la posizione ottimale per un annuncio pubblicitario. Personalizza esperienze funge da strumento di classificazione dell'ultimo passaggio aggiuntivo. Dopo che le raccomandazioni vengono visualizzate all'utente, la reazione dell'utente viene monitorata e segnalata come punteggio di ricompensa al servizio Personalizza esperienze. Questo processo garantisce che il servizio stia imparando continuamente e migliora la capacità di Personalizza esperienze di selezionare gli elementi migliori in base alle informazioni contestuali ricevute.

Microsoft Azure offre strumenti di analisi avanzati nelle aree di inserimento dati, archiviazione dei dati, elaborazione dati e componenti di analisi avanzata, tutti gli elementi essenziali per la creazione di una soluzione offerta personalizzata.

Integratore di sistemi

È possibile risparmiare tempo quando si implementa questa soluzione tramite l'assunzione di un integratore di sistemi con training. L'integratore di sistemi può aiutare a sviluppare un modello di verifica e a facilitare la distribuzione e l'integrazione della soluzione.

Potenziali casi d'uso

Questa soluzione si applica al marketing di beni e servizi in base ai dati dei clienti (prodotti visualizzati o acquistati). Ciò può essere applicabile nelle aree seguenti:

  • E-commerce : si tratta di un'area in cui la personalizzazione è ampiamente usata con il comportamento dei clienti e le raccomandazioni sui prodotti.

  • Vendita al dettaglio : in base ai dati di acquisto precedenti, è possibile fornire raccomandazioni e offerte sui prodotti.

  • Telecomunicazione : in base all'interazione dell'utente in questa area, è possibile fornire raccomandazioni. Rispetto ad altri settori, gli intervalli di prodotti e offerte potrebbero essere limitati.

Collaboratori

Questo articolo viene gestito da Microsoft. Originariamente è stato scritto dai seguenti contributori.

Autore principale:

Per visualizzare i profili LinkedIn non pubblici, accedere a LinkedIn.

Passaggi successivi