Para melhor atender às necessidades dos clientes, as organizações precisam extrair insights das mídias sociais sobre seus clientes. Este artigo apresenta uma solução para analisar notícias e dados de redes sociais. A solução estende o Azure Social Media Analytics Solution Accelerator, que oferece aos desenvolvedores os recursos necessários para criar e implantar uma plataforma de monitoramento de mídia social no Azure em poucas horas. Essa plataforma recolhe dados das redes sociais e do sítio Web e apresenta os dados num formato que apoia o processo de tomada de decisões empresariais.
Apache®, Apache Spark e o logotipo flame são marcas registradas ou marcas comerciais da Apache Software Foundation nos Estados Unidos e/ou em outros países. Nenhum endosso da Apache Software Foundation está implícito no uso dessas marcas.
Arquitetura
Transfira um ficheiro do Visio desta 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.
As piscinas Spark utilizam os seguintes serviços:
- AI Language, para reconhecimento de entidade nomeada (NER), extração de frases-chave e análise de sentimento
- Azure AI services Translator, para traduzir texto
- Azure Maps, para vincular dados a coordenadas geográficas
Os dados enriquecidos são armazenados no Data Lake.
Um pool SQL sem servidor no Azure Synapse Analytics disponibiliza os dados enriquecidos para o Power BI.
Os painéis do Power BI Desktop fornecem informações sobre os dados.
Como alternativa à etapa anterior, os painéis do Power BI incorporados nos aplicativos Web do Serviço de Aplicativo do Azure fornecem aos usuários de aplicativos Web e móveis informações sobre os dados.
Como alternativa às etapas 5 a 7, os dados enriquecidos são usados para treinar um modelo de aprendizado de máquina personalizado no Azure Machine Learning.
O modelo é implantado em um ponto de extremidade de Machine Learning.
Um ponto de extremidade online gerenciado é usado para inferência on-line 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 integrado que acelera o tempo de obtenção de informações em armazéns de dados 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 SDKs de biblioteca de cliente para criar inteligência cognitiva em aplicativos, mesmo que não tenha habilidades de IA ou ciência de dados. As funcionalidades incluem:
- Reconhecimento de entidade nomeada (NER) para identificar e categorizar pessoas, lugares, organizações e quantidades em texto não estruturado.
- Extração de frases-chave para identificar os principais pontos de discussão em um post ou artigo.
- Análise de sentimento para fornecer informações sobre o sentimento das publicações, detetando conteúdo positivo, negativo, neutro e de sentimento misto.
O Translator ajuda-o a traduzir texto instantaneamente ou em lotes em mais de 100 idiomas. Este serviço utiliza as mais recentes inovações em tradução automática. O Translator suporta uma ampla gama de casos de uso, como tradução para call centers, agentes de conversação multilíngues e comunicação no aplicativo. Para obter os idiomas suportados pelo Translator, consulte Tradução.
O Azure Maps é um conjunto de serviços geoespaciais que o ajudam a incorporar dados baseados na localização em soluções Web e móveis. Você pode usar os dados de localização e mapa para gerar insights, informar decisões baseadas em dados, aumentar a segurança e melhorar a experiência do cliente. Esta solução utiliza o Azure Maps para ligar notícias e publicações a coordenadas geográficas.
O Data Lake é um data lake massivamente escalável 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 para hospedar aplicativos Web, APIs REST e back-ends móveis.
O Machine Learning é um ambiente baseado em nuvem que você pode usar para treinar, implantar, automatizar, gerenciar e rastrear modelos de aprendizado de máquina.
O Power BI é uma coleção de serviços e aplicativos de análise. Você pode usar o Power BI para conectar e exibir fontes de dados não relacionadas.
Alternativas
Você pode simplificar essa solução eliminando o Machine Learning e os modelos personalizados de aprendizado de máquina, como mostra o diagrama a seguir. Para obter mais informações, consulte Implantar este cenário, mais adiante neste artigo.
Transfira um ficheiro do Visio desta arquitetura.
Detalhes do cenário
As campanhas de marketing são mais do que a mensagem que você transmite. Quando e como você transmite essa mensagem é igualmente importante. Sem uma abordagem analítica e orientada para os dados, é muito fácil que uma campanha perca oportunidades ou tenha dificuldade em tornar-se popular. Essas campanhas são muitas vezes baseadas na análise de mídia social, o que tem se tornado cada vez mais importante para empresas e organizações em todo o mundo. A análise de mídia social é uma ferramenta poderosa que você pode usar para receber feedback instantâneo sobre produtos e serviços, melhorar as interações com os clientes para aumentar a satisfação do cliente, acompanhar a concorrência e muito mais. As empresas muitas vezes não têm maneiras eficientes e viáveis de monitorar as conversas nas redes sociais. Como resultado, eles perdem oportunidades de usar esses insights para informar suas estratégias e planos.
A solução deste artigo beneficia um amplo espectro de aplicativos de análise de notícias e mídias sociais. Ao implantar a solução em vez de implantar manualmente seus recursos, você pode reduzir seu tempo de comercialização. Também pode:
- Extraia notícias e posts no Twitter sobre um assunto específico.
- Traduza o texto extraído para o seu idioma preferido.
- Extraia pontos-chave e entidades das notícias e posts.
- Identifique o sentimento sobre o assunto.
Por exemplo, para ver as últimas discussões sobre Satya Nadella, você insere o nome dele em uma consulta. A solução então acessa APIs de notícias e a API do Twitter para fornecer informações sobre ele de toda a web.
Potenciais casos de utilização
Ao extrair informações sobre seus clientes das mídias sociais, você pode melhorar a experiência do cliente, aumentar a satisfação do cliente, ganhar novos leads e evitar a rotatividade de clientes. Estas aplicações de análise de redes sociais dividem-se em três áreas principais:
Medir a saúde da marca:
- Captar as reações dos clientes e o feedback de novos produtos ou serviços nas redes sociais
- Analisar o sentimento nas interações nas redes sociais para um novo produto ou serviço
- Capturar o sentimento sobre uma marca e determinar se a perceção geral é positiva ou negativa
Construir e manter relações com os clientes:
- Identificar rapidamente as preocupações dos clientes
- Ouvir menções de marca não marcadas
Otimizar os investimentos em marketing:
- Extraindo insights das mídias sociais para análise de campanhas
- Fazer otimização de marketing direcionada
- Alcançar um público mais amplo encontrando novos leads e influenciadores
O marketing é parte integrante de todas as organizações. Como resultado, você pode usar esta solução de análise de mídia social para estes casos de uso em vários setores:
- Retail
- Finance
- Manufacturing
- Cuidados de saúde
- Administração Pública
- Energia
- Telecomunicações
- Automóvel
- Sem Fins Lucrativos
- Jogos
- Multimédia e entretenimento
- Viagens, incluindo hospitalidade e restaurantes
- Instalações, incluindo imóveis
- Desporto
Considerações
Essas considerações implementam os pilares do Azure Well-Architected Framework, que é um conjunto de princípios orientadores que podem ser usados para melhorar a qualidade de uma carga de trabalho. Para obter mais informações, consulte Microsoft Azure Well-Architected Framework.
Fiabilidade
A confiabilidade garante que seu aplicativo possa atender aos compromissos que você assume com seus clientes. Para obter mais informações, consulte Visão geral do pilar de confiabilidade.
- Use o Azure Monitor e o Application Insights para monitorar a integridade dos recursos do Azure.
- Analise as seguintes considerações de resiliência antes de implementar esta solução:
- Para obter mais informações sobre resiliência no Azure, consulte Projetar aplicativos confiáveis do Azure.
- Para obter garantias de disponibilidade de vários componentes do Azure, consulte os seguintes contratos de nível de serviço (SLAs):
Segurança
A segurança oferece garantias contra ataques deliberados e o abuso de seus valiosos dados e sistemas. Para obter mais informações, consulte Visão geral do pilar de segurança.
Otimização de custos
A otimização de custos consiste em procurar formas de reduzir despesas desnecessárias e melhorar a eficiência operacional. Para obter mais informações, consulte Visão geral do pilar de otimização de custos.
Para estimar o custo dessa solução, use a calculadora de preços do Azure.
Excelência operacional
A excelência operacional abrange os processos operacionais que implantam um aplicativo e o mantêm em execução na produção. Para obter mais informações, consulte Visão geral do pilar de excelência operacional.
Eficiência de desempenho
Eficiência de desempenho é a capacidade da sua carga de trabalho para dimensionar para satisfazer as exigências que os utilizadores lhe colocam de forma eficiente. Para obter mais informações, consulte Visão geral do pilar de eficiência de desempenho.
- Para obter informações sobre o dimensionamento do pool do Spark e os tamanhos dos nós, consulte Configurações do pool do Apache Spark no Azure Synapse Analytics.
- Você pode dimensionar pipelines de treinamento do Machine Learning para cima e para baixo com base no tamanho dos dados e em outros parâmetros de configuração.
- Pools SQL sem servidor estão disponíveis sob demanda. Eles não exigem escalar para cima, para baixo, para dentro ou para fora.
- O Azure Synapse Analytics suporta o Apache Spark 3.1.2, que oferece melhorias significativas de desempenho em relação aos seus antecessores.
Implementar este cenário
Para implantar essa solução e executar um cenário de análise de mídia social de exemplo, consulte o guia de implantação em Introdução. Esse guia ajuda você a configurar os recursos do Social Media Analytics Solution Accelerator , que o diagrama de arquitetura em Alternativas mostra. 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 ter acesso a uma assinatura do Azure.
- Uma compreensão básica do Azure Synapse Analytics, dos serviços de IA do Azure, do Azure Maps e do Power BI é útil, mas não necessária.
- É necessária uma conta API de notícias.
- É necessária uma conta de desenvolvedor do Twitter com acesso elevado aos recursos da API do Twitter.
Contribuidores
Este artigo é mantido pela Microsoft. Foi originalmente escrito pelo seguinte colaborador.
Autor principal:
- Christina Skarpathiotaki - Brasil | Arquiteto especializado em soluções em nuvem de IA
Próximos passos
- O que é o Azure Synapse Analytics?
- Documentação do Azure Machine Learning
- O que são serviços de IA do Azure?
- Documentação da linguagem AI
- O que é o Azure AI services Translator?
- What is Azure Maps? (O que é o Azure Maps?)
- O que é Power BI?
- Tutorial: Análise de sentimento com serviços de IA do Azure no Azure Synapse Analytics
- Tutorial: Análise de Texto com serviços de IA do Azure