Retail Recommender Solution Accelerator를 사용하여 소매 환경 개선

아티클
04/27/2023

소매 분야에서 디지털 채널은 고객 참여를 개선하는 원동력으로 빠르게 정착했습니다. 소매업체는 제품 라인에 대한 업데이트를 공유하면서 가치 제안을 전달하는 방식을 재구상하도록 압박을 받고 있습니다. 고객이 원하는 것을 더 잘 이해하기 위해 구매 소비자의 관점으로 관점을 옮기도록 강제되고 있습니다. 소매업체는 쇼핑객과 제품 간의 연결을 강화하는 새로운 방법을 모색하고 있습니다. 즉 연결률을 높이고 쇼핑 장바구니의 제품 이외의 가산적 가치를 창출하는 것입니다.

쇼핑객 앞에는 다양한 제품이 전시되기 때문에 현장 쇼핑은 일반적으로 충동 구매로 이어집니다. 충동 구매는 일반적으로 온라인 쇼핑 환경에서 발생하지 않습니다. 쇼핑객은 특정 제품을 찾고 바구니에 추가하고 구매를 진행합니다.

Retail Recommender Solution Accelerator는 소매업체가 쇼핑객에게 관심을 가질 만한 관련 제품을 강조하여 표시할 수 있도록 도와줍니다. 개인화된 온라인 쇼핑 환경을 만드는 것이 목적입니다. Retail Recommender Solution Accelerator는 AI 및 고급 데이터 분석 클라우드 기술을 사용하여 쇼핑객에게 다음과 같은 방식으로 관련 콘텐츠 및 제품을 제공합니다.

쇼핑객이 구매 기록에 따라 개인화된 선택 항목을 사용자에게 표시하는 소매점 온라인 광고 페이지를 방문합니다.
쇼핑객이 장바구니에 항목을 추가하면 사이트에서 이러한 항목으로 구매하려는 제품에 따라 더 많은 추천 사항을 제공합니다.
쇼핑객이 소매업체 사이트를 돌아다니면서 이 사이트는 쇼핑객이 보는 내용에 따라 새로운 추천 사항을 제공합니다.

Retail Recommender Solution Accelerator

Retail Recommender Solution Accelerator는 Azure Synapse 내에서 분석 기능을 활용하여 쇼핑객의 과거 구매 및 검색 습관을 평가하여 개인화된 제품 추천으로 맞춤형 검색 환경을 제공하는 배포 준비된 코드입니다.

소매 부문에서 고객 기대치를 초과하는 것은 비즈니스를 개선하는 데 가장 중요한 레버입니다. 심층 인사이트를 통해 조직의 수익을 창출하고 잔류 기간을 늘릴 수 있습니다. 기계 학습은 운영 결정이 비즈니스 결과에 미치는 영향을 평가하는 데 도움이 됩니다.

데이터를 연결하고 고객이 구매하는 방법을 이해합니다.

혁신을 잠금 해제하고 조직에서 데이터 사일로를 제거합니다. 통합 데이터 전략으로 개선되고 사용자 지정된 옴니채널 고객 환경을 제공하여 반복적인 고객을 확보합니다. 조직에서 워크플로를 자동화하고, 향후 판매를 계획하고, 위험을 사전에 관리할 수 있는 모든 거시 경제 영향, 금융 거래 및 공급 외에도 고객 정보 및 판매 데이터에 대한 종합적인 관점을 확보할 수 있습니다.

인프라에 신속하게 구현할 수 있는 배포 준비된 코드**를 사용하여 기존 비즈니스 성장을 가속화하고 고객의 데이터 캡처, 시각화 및 활용을 최적화해야 하는 과제를 극복합니다.

Retail Recommender Solution Accelerator 개요

고객에게 의미 있는 제품 추천 사항으로 고객에게 보상
공급망 전체에서 엔드 투 엔드 분석 추진
더 나은 매장 및 온라인 환경 빌드
보다 심층적인 인사이트와 더욱 개인화된 고객 환경 사용
충성 고객에게 기계 학습을 사용하여 의미있는 개인화 추천 사항 만들기

Data complexity and siloed decision-making

실시간 개인화로 고객 환경 변환

Retail Recommender Solution Accelerator는 고객이 보는 것을 다른 사용자가 실시간으로 보유하고 있는 데이터와 연결하여 추천 사항을 제공하는 기계 학습 및 필터링 모델을 사용합니다. 예를 들어 다른 고객이 휴대폰과 헤드셋을 봤다면 휴대폰을 보는 사람의 경우 헤드셋도 볼 가능성이 더 높습니다. 특정 고객 보기가 추천 사항이 되는 것입니다. 그러면 시스템은 유사한 데이터의 행렬을 생성하여 향후 추천 사항을 알려줍니다.

Retail Recommender Solution Accelerator 모델은 다음과 같습니다.

Retail Recommender Solution Accelerator model

조직에 대한 실시간 쇼핑 추천 사항은 어떻게 작동하나요?

고객은 구매 내역에 따라 개인화된 항목을 볼 수 있습니다.
고객이 사용자를 선택하거나 전환합니다.
방문 페이지를 새로 고치면 고객은 구매 기록에 따라 개인화된 항목을 실시간으로 보게 됩니다.
고객은 제품 세부 정보 페이지를 입력하고 구매 및 검색 기록에 따라 추천된 제품을 보게 됩니다.
고객은 장바구니에 항목을 넣고 장바구니에 넣은 항목에 따라 추가 추천 사항을 보게 됩니다.
고객은 방문 페이지로 돌아와 추천되는 추가 제품을 보게 됩니다.

Retail Recommender Solution Accelerator details

Retail Recommender Solution Accelerator MVP 시작

종합적인 Azure Analytics Platform을 기반으로 소매 추천 솔루션을 신속하게 빌드하는 데 필요한 리소스를 사용하여 Retail Recommender Solution Accelerator를 시작합니다.

개인화 MVP 만들기

리소스 배포. 컨테이너로 사용할 수 있는 리소스 그룹을 만들어 Azure에 리소스 배포를 시작합니다.
‘데이터 준비’ Azure Machine Learning 개발 환경을 구성합니다. Notebook VM은 호환성이 뛰어나고 미리 구성된 방법으로 빠르게 시작하고 실행할 수 있습니다.
사용자 지정 스크립트를 사용하여 데이터 학습. 스크립팅 프로세스는 일련의 Jupyter Notebook에 요약되어 있습니다. 순차적으로 검토하여 Azure Machine Learning을 사용하여 학습, 채점 및 예측 수행을 진행합니다.

데모 데이터를 사용하여 하루 이내에 또는 사용자 지정 데이터 및 준비 세션을 사용하여 2-5주 이내에 MVP를 만듭니다.

다음은 Azure Data Lake Storage Gen2(엔터프라이즈 규모 데이터 레이크), Azure Synapse, Azure Synapse Analytics, Azure AI Search, Azure Machine Learning Service, Azure API Management 및 Azure Machine Learning Services를 통한 작업의 개략적인 다이어그램입니다.

Azure 및 분석 플랫폼 필수 구성 요소

Azure, Azure Cosmos DB, Azure Machine Learning 및 Azure Kubernetes에 대한 실무 지식입니다.

Tractor Supply Company의 이야기를 모두 읽어 보세요.

자세한 내용:

배포 가이드를 포함한 포괄적인 기술 지침은 Retail Recommender Solution Accelerator GitHub 페이지를 참조하세요.

미국 최대의 농촌 라이프스타일 소매업체인 Tractor Supply Company는 회사의 전자 상거래 웹 사이트 및 엔터프라이즈 분석 플랫폼에 대한 기술 아키텍처 및 현대화를 지원하기 위해 Microsoft를 전략적 클라우드 공급자로 선정했습니다. Tractor Supply Company 고객 이야기를 모두 읽어 보세요.

Starbucks는 보강 학습 기술을 사용하여 회사의 모바일 앱을 사용하는 고객에게 개인화 환경을 제공하고 있습니다. 이 기계 학습의 학습 방법은 외부 피드백에 따라 복잡하고 예측할 수 없는 환경에서 의사 결정을 내리는 방법을 학습했습니다. Starbucks 고객 이야기를 모두 읽어보세요.

다음 단계

Azure DevOps 템플릿을 사용하여 사용자 고유의 환경에 배포합니다. Retail Recommender Azure DevOps 템플릿에 포함된 다음 단계를 따릅니다.

생성기에 로그인합니다.
클라우드 채택 프레임워크로 이동합니다.
Retail Recommender Azure DevOps 템플릿을 선택합니다.
Azure DevOps 환경에 배포합니다.

다음 문서는 클라우드 채택 경험에서 성공하는 데 도움이 됩니다.

Share via