Para atender melhor às necessidades dos clientes, as organizações precisam extrair informações das mídias sociais sobre seus clientes. Este artigo apresenta uma solução para analisar notícias e dados de mídia social. A solução estende o Acelerador de Solução de Análise de Mídia Social do Azure, que fornece aos desenvolvedores os recursos necessários para criar e implantar uma plataforma de monitoramento de mídia social no Azure em poucas horas. Essa plataforma coleta dados de mídia social e de site e apresenta os dados em um formato que dá suporte ao processo de tomada de decisão de negócios.
Apache®, Apache Spark e o logotipo da chama são marcas registradas ou marcas comerciais da Apache Software Foundation nos Estados Unidos e/ou em outros países/regiões. O uso desta marca não implica aprovação por parte da Apache Software Foundation.
Arquitetura
Baixe um Arquivo Visio dessa arquitetura.
Fluxo de dados
Os pipelines do Azure Synapse Analytics ingerem dados externos e armazenam esses dados no Azure Data Lake. Um pipeline ingere dados de APIs de notícias. O outro pipeline ingere dados da API do Twitter.
Os Pools do Apache Spark no Azure Synapse Analytics são usados para processar e enriquecer os dados.
Os Pools do Spark usam os seguintes serviços:
- Linguagem de IA, para reconhecimento de entidade nomeada (NER), extração de frases-chave e análise de sentimento
- Tradutor dos Serviços de IA do Azure, para traduzir texto
- Azure Mapas, para vincular dados a coordenadas geográficas
Os dados enriquecidos são armazenados no Data Lake.
Um pool de SQL sem servidor no Azure Synapse Analytics disponibiliza os dados enriquecidos para o Power BI.
Os painéis do Power BI Desktop fornecem insights sobre os dados.
Como alternativa à etapa anterior, os painéis do Power BI inseridos nos aplicativos Web do Serviço de Aplicativo do Azure fornecem aos usuários de aplicativos web e móveis insights sobre os dados.
Como alternativa às etapas 5 a 7, os dados enriquecidos são usados para treinar um modelo de machine learning personalizado no Azure Machine Learning.
O modelo é implantado em um ponto de extremidade do Machine Learning.
Um ponto de extremidade online gerenciado é usado para inferência online em tempo real, por exemplo, em um aplicativo móvel (A). Como alternativa, um ponto de extremidade em lote é usado para inferência de modelo offline (B).
Componentes
O Azure Synapse Analytics é um serviço de análise integrada que acelera o tempo de descoberta de insights entre data warehouses e sistemas de Big Data.
A Linguagem de IA do Azure consiste em serviços baseados em nuvem que fornecem funcionalidade de IA. Você pode usar as APIs REST e os SDKs da biblioteca de clientes para criar inteligência cognitiva em aplicativos, mesmo se você não tiver habilidades de IA ou de ciência de dados. Os recursos incluem:
- Reconhecimento de entidade nomeado (NER) para identificar e categorizar pessoas, locais, organizações e quantidades em texto não estruturado.
- Extração de frase-chave para identificar os principais pontos de discussão em uma postagem ou em um artigo.
- Análise de sentimento para fornecer insights sobre o sentimento das postagens detectando conteúdo positivo, negativo, neutro e de sentimento misto.
O Tradutor ajuda você a traduzir texto instantaneamente ou em lotes em mais de 100 idiomas. Esse serviço usa as inovações mais recentes na tradução automática. O Tradutor dá suporte a uma ampla variedade de casos de uso, como tradução para call centers, agentes de conversação multilíngue e comunicação no aplicativo. Para os idiomas compatíveis com o Tradutor, confira Tradução.
O Azure Mapas é um conjunto de serviços geoespaciais que ajudam você a incorporar dados baseados em localização em soluções Web e móveis. Você pode usar o local e mapear dados para gerar insights, informar decisões controladas por dados, aprimorar a segurança e melhorar as experiências do cliente. Essa solução usa o Azure Mapas para vincular notícias e postagens a coordenadas geográficas.
O Data Lake é um data lake massivamente escalonável para cargas de trabalho de análise de alto desempenho.
O Serviço de Aplicativo fornece uma estrutura para criar, implantar e dimensionar aplicativos Web. O recurso Aplicativos Web é um serviço de hospedagem de aplicativos Web, APIs REST e back-ends móveis.
O Azure Machine Learning é um ambiente baseado em nuvem que permite treinar, implantar, automatizar, gerenciar e acompanhar modelos de machine learning.
O Power BI é uma coleção de serviços e aplicativos de análise. É possível usar o Power BI para se conectar e exibir fontes de dados não relacionadas.
Alternativas
Você pode simplificar essa solução eliminando o Machine Learning e os modelos de machine learning personalizados, como mostra o diagrama a seguir. Para obter mais informações, confira Implantar esse cenário, mais adiante neste artigo.
Baixe um Arquivo Visio dessa arquitetura.
Detalhes do cenário
Campanhas de marketing são mais do que a mensagem que você passa. Quando e como você passa essa mensagem é tão importante quanto a mensagem em si. Sem uma abordagem analítica orientada aos dados, as campanhas podem facilmente perder oportunidades ou ter dificuldade para ganhar força. Aquelas campanhas de marketing são frequentemente baseadas na análise das mídias sociais, que se tornaram cada vez mais importantes para empresas e organizações em todo o mundo. A análise das mídias sociais é uma ferramenta poderosa que você pode usar para receber comentários instantâneos sobre produtos e serviços, melhorar as interações com os clientes para aumentar a satisfação deles, acompanhar a concorrência e muito mais. Muitas vezes, as empresas não têm maneiras eficientes e viáveis de monitorar conversas nas redes sociais. Como resultado, elas perdem oportunidades de usar esses insights para fundamentar suas estratégias e planos.
A solução deste artigo beneficia um amplo espectro de aplicativos de análise de notícias e de mídia social. Implantando a solução em vez de implantar manualmente seus recursos, você pode reduzir seu tempo no mercado. Também é possível:
- Extraia notícias e postagens no Twitter sobre um assunto específico.
- Traduza o texto extraído para seu idioma preferido.
- Extraia pontos-chave e entidades das notícias e postagens.
- Identifique o sentimento sobre o assunto.
Por exemplo, para ver as discussões mais recentes sobre Satya Nadella, insira o nome dele em uma consulta. Em seguida, a solução acessa APIs de notícias e a API do Twitter para fornecer informações sobre ele em toda a Web.
Possíveis casos de uso
Extraindo informações sobre seus clientes usando as mídias sociais, poderá aprimorar as experiências do cliente, aumentar a satisfação do cliente, obter novos clientes potenciais e evitar a rotatividade de clientes. Esses aplicativos de análise de mídia social se enquadram em três áreas principais:
Medindo a integridade da marca:
- Capturando reações e comentários do cliente sobre novos produtos ou serviços nas mídias sociais
- Analisando o sentimento nas interações de mídia social sobre um novo produto ou serviço
- Capturando o sentimento sobre uma marca e determinando se a percepção geral é positiva ou negativa
Criando e mantendo relacionamentos com o cliente:
- Identificando rapidamente as preocupações do cliente
- Escutando menções a marcas não registradas
Otimizando os investimentos de marketing:
- Extraindo insights das mídias sociais para análise de campanha
- Fazendo otimização de marketing direcionada
- Alcançando um público mais amplo encontrando novos clientes potenciais e influenciadores
O marketing é parte integrante de todas as organizações. Como resultado, você pode usar essa solução de análise de mídia social para esses casos de uso em vários setores:
- Retail
- Finance
- Produção
- Serviços de saúde
- Governo
- Energia
- Telecomunicações
- Automotivo
- Sem fins lucrativos
- Jogos
- Mídia e entretenimento
- Viagens, incluindo hospitalidade e restaurantes
- Instalações, incluindo imóveis
- Esportes
Considerações
Estas considerações implementam os pilares do Azure Well-Architected Framework, que é um conjunto de princípios de orientação que podem ser usados para aprimorar a qualidade de uma carga de trabalho. Para obter mais informações, confira Microsoft Azure Well-Architected Framework.
Confiabilidade
A confiabilidade garante que seu aplicativo possa cumprir os compromissos que você assume com seus clientes. Para obter mais informações, confira Visão geral do pilar de confiabilidade.
- Use o Azure Monitor e o Application Insights para monitorar a integridade dos recursos do Azure.
- Examine as seguintes considerações de resiliência antes de implementar esta solução:
- Para obter mais informações sobre resiliência no Azure, confira Design de aplicativos confiáveis do Azure.
- Para obter garantias de disponibilidade de vários componentes do Azure, confira os seguintes contratos de nível de serviço (SLAs):
Segurança
A segurança fornece garantias contra ataques deliberados e o abuso de seus dados e sistemas valiosos. Para saber mais, confira Visão geral do pilar de segurança.
Otimização de custo
A otimização de custos é a análise de maneiras de reduzir as despesas desnecessárias e melhorar a eficiência operacional. Para obter mais informações, confira Visão geral do pilar de otimização de custo.
Para estimar o custo da implantação, consulte a Calculadora de Preços do Azure.
Excelência operacional
A excelência operacional abrange os processos de operações que implantam um aplicativo e o mantêm em execução na produção. Para obter mais informações, confira Visão geral do pilar de excelência operacional.
Eficiência de desempenho
A eficiência do desempenho é a capacidade de dimensionar sua carga de trabalho para atender às demandas colocadas por usuários de maneira eficiente. Para saber mais, confira Visão geral do pilar de eficiência de desempenho.
- Para obter informações sobre dimensionamento de Pool do Spark e tamanhos de nó, confira as Configurações do Pool do Apache Spark no Azure Synapse Analytics.
- Você pode escalar os pipelines de treinamento do Machine Learning vertical ou horizontalmente com base no tamanho dos dados e em outros parâmetros de configuração.
- Os pools de SQL sem servidor estão disponíveis sob demanda. Eles não exigem escalar vertical ou horizontalmente.
- O Azure Synapse Analytics dá suporte ao Apache Spark 3.1.2, que oferece melhorias significativas de desempenho em relação aos seus antecessores.
Implantar este cenário
Para implantar essa solução e executar um cenário de análise de mídia social de exemplo, confira o guia de implantação em Introdução. Esse guia ajuda você a configurar os recursos do Acelerador de Solução de Análise de Mídia Social, que mostra o diagrama de arquitetura em Alternativas. A implantação não inclui os seguintes componentes: Machine Learning, os pontos de extremidade gerenciados e o aplicativo Web do Serviço de Aplicativo.
Pré-requisitos
- Para usar o acelerador de solução, você precisa de acesso a uma assinatura do Azure.
- Uma compreensão básica do Azure Synapse Analytics, Serviços de IA do Azure, Azure Mapas e Power BI é útil, mas não é necessária.
- Uma conta de API de notícias é necessária.
- É necessário uma conta de desenvolvedor do Twitter com acesso elevado aos recursos da API do Twitter.
Colaboradores
Esse artigo é mantido pela Microsoft. Ele foi escrito originalmente pelos colaboradores a seguir.
Autor principal:
- Christina Skarpathiotaki | Arquiteto de soluções em nuvem especializado em IA
Próximas etapas
- O que é o Azure Synapse Analytics?
- Documentação do Azure Machine Learning
- O que são os serviços de IA do Azure?
- Documentação da linguagem de IA
- O que é o Tradutor dos Serviços de IA do Azure?
- O que é o Azure Mapas?
- O que é o Power BI?
- Tutorial: Análise de sentimento com os serviços de IA do Azure no Azure Synapse Analytics
- Tutorial: Análise de Texto com os serviços de IA do Azure