Guia de exemplos de predição de recomendações de produtos (pré-visualização)
[Este artigo é uma documentação de pré-lançamento e está sujeito a alterações.]
Este guia acompanha-o através de um exemplo de ponto a ponto da predição de recomendações de produtos utilizando dados de amostra. Recomendamos-lhe que esta predição num ambiente novo.
Importante
- Esta é uma caraterística de pré-visualização.
- As funcionalidades de pré-visualização não se destinam à produção e poderão ter funcionalidades restritas. Estas caraterísticas estão disponíveis antes do lançamento oficial, para que os clientes possam ter acesso antecipadamente e enviar comentários.
Cenário
A Contoso é uma empresa que produz máquinas de café, bem como café de alta qualidade. Vendem os produtos através do seu site Contoso Coffee. O objetivo é compreender quais os produtos que devem recomendar aos seus clientes recorrentes. Saber quais os clientes mais propensos a comprar, pode ajudá-los a economizar esforços de marketing, focando-se em itens específicos.
Pré-requisitos
- Pelo menos Permissões do contribuidor no Dynamics 365 Customer Insights - Data.
Tarefa 1 - Ingerir dados
Reveja os artigos sobre a ingestão de dados e ligar a uma origem de dados do Power Query. As seguintes informações pressupõem que está familiarizado com a ingestão de dados em geral.
Ingerir dados de clientes a partir da plataforma eCommerce
Crie uma origem de dados do Power Query com o nome eCommerce e selecione o conetor Texto/CSV.
Introduza o URL para contactos de eCommerce: https://aka.ms/ciadclasscontacts.
Ao editar os dados, selecione Transformar e, em seguida, Utilizar primeira fila como cabeçalho.
Atualizar o tipo de dados para as colunas listadas abaixo:
- DateOfBirth: Data
- CreatedOn: Data/Hora/Zona
No campo Nome no painel da direita, altere o nome da sua origem de dados para eCommerceContacts.
Guardar a origem dos dados.
Ingerir dados de compra online
Acrescentar outro conjunto de dados à mesma origem de dados eCommerce. Escolha novamente o conetor Texto/CSV.
Introduza o URL para dados de compras online https://aka.ms/ciadclassonline.
Ao editar os dados, selecione Transformar e, em seguida, Utilizar primeira fila como cabeçalho.
Atualizar o tipo de dados para as colunas listadas abaixo:
- PurchasedOn: Data/Hora
- TotalPrice: Moeda
No campo Nome no painel lateral, mude o nome da sua origem de dados para eCommercePurchases.
Guardar a origem dos dados.
Ingerir dados de clientes a partir do esquema de fidelidade
Crie uma origem de dados com o nome LoyaltyScheme e selecione o conetor Texto/CSV.
Introduza o URL para clientes fidelizados https://aka.ms/ciadclasscustomerloyalty.
Ao editar os dados, selecione Transformar e, em seguida, Utilizar primeira fila como cabeçalho.
Atualizar o tipo de dados para as colunas listadas abaixo:
- DateOfBirth: Data
- RewardsPoints: Número inteiro
- CreatedOn: Data/Hora
No campo Nome no painel da direita, altere o nome da sua origem de dados para loyCustomers.
Guardar a origem dos dados.
Tarefa 2 - Unificação de dados
Reveja o artigo sobre unificação de dados. As seguintes informações pressupõem que está familiarizado com a unificação de dados em geral.
Depois de ingerir os dados, inicie o processo de unificação de dados para criar um unified customer profile. Para mais informações, consulte Unificação de dados.
Descrever os dados de clientes a unificar
Depois de ingerir os dados, mapear os contactos desde os dados de eCommerce e Fidelidade até aos tipos de dados comuns. Vá para Dados>Unificar.
Selecionar as tabelas que representam o perfil do cliente — eCommerceContacts e loyCustomers.
Selecionar ContactId como a chave primária para eCommerceContacts e LoyaltyID como a chave primária para loyCustomers.
Selecione Seguinte. Ignore os dados duplicados e selecione Seguinte.
Definir regras de correspondência
Escolha eCommerceContacts : eCommerce como a tabela principal e inclua todos os registos.
Escolha loyCustomers : LoyaltyScheme e inclua todos os registos.
Adicionar uma regra:
- Selecione FullName para eCommerceContacts e loyCustomers.
- Selecione Tipo (Telefone, Nome, Endereço, ...) para Normalizar.
- Definir Nível de precisão: Básico e Valor: Elevado.
Adicione uma segunda condição para o endereço de e-mail:
- Selecione E-mail para eCommerceContacts e loyCustomers.
- Deixar em branco Normalizar.
- Definir Nível de precisão: Básico e Valor: Elevado.
- Introduza FullName, E-mail para o nome.
Selecione Concluído.
Selecione Seguinte.
Ver dados unificados
Altere o nome da tabela ContactId para loyCustomers para ContactIdLOYALTY para a diferenciar dos outros IDs ingeridos.
Selecione Seguinte para rever e, em seguida, selecione Criar perfis de cliente.
Tarefa 3 – Criar atividade do histórico de transações
Reveja o artigo sobre atividades do cliente. As seguintes informações pressupõem que está familiarizado com a criação de atividades em geral.
Crie uma atividade com a tabela eCommercePurchases:eCommerce.
Selecione SalesOrderLine para o Tipo de Atividade e PurchaseId para a Chave primária.
Introduza as seguintes informações para a atividade:
- Nome da atividade: eCommercePurchases
- Carimbo de data/hora: PurchasedOn
- EventActivity: TotalPrice
- ID da linha de encomenda: PurchaseId
- Data da encomenda: PurchasedOn
- Montante: TotalPrice
Crie uma relação entre eCommercePurchases:eCommerce e eCommerceContacts:eCommerce com o ContactID como a chave externa para ligar as duas tabelas.
Reveja as alterações e, em seguida, selecione Criar atividades.
Tarefa 4 – Configurar a predição de recomendações de produtos
Com os perfis de clientes unificados em vigor e a atividade criada, execute a predição de recomendações de produtos.
Aceda a Informações>Predições.
No separador Criar, selecione Utilizar modelo no mosaico Recomendações de produtos (pré-visualização).
Selecione Introdução.
Nomeie o modelo Predição do Modelo de Recomendações de Produtos OOB e a tabela de saída OOBProductRecommendationModelPrediction.
Selecione Seguinte.
Definir preferências de modelo:
- Número de produtos: 5 para definir quantos produtos pretende recomendar aos seus clientes.
- Repetir compras esperadas: Sim para incluir produtos comprados anteriormente na recomendação.
- Janela Relembrar:365 dias para definir quão atrás o modelo irá procurar antes de recomendar um produto novamente.
Selecione Seguinte.
No passo Adicionar histórico de compras, selecione Adicionar dados.
Selecione SalesOrderLine e a tabela eCommercePurchases e selecione Seguinte. Os dados obrigatórios são preenchidos automaticamente a partir da atividade. Selecione Guardar e, em seguida, Seguinte.
Ignore os passos Adicionar informações de produtos e Filtros de produtos porque não temos dados de informações de produtos.
No passo Atualizações de dados, selecione Mensal para a agenda do modelo.
Selecione Seguinte.
Depois de rever todos os detalhes, selecione Guardar e Executar.
Tarefa 5 - Rever resultados do modelo e explicações
Deixe o modelo completar a formação e a pontuação dos dados. Reveja as explicações do modelo de recomendações de produtos.
Tarefa 6 – Criar um segmento de produtos muito comprados
A execução do modelo cria uma nova tabela, que é listada em Dados>Tabelas. Pode criar um novo segmento com base na tabela criada pelo modelo.
Na página de resultados, selecione Criar segmento.
Crie uma regra utilizando a tabela OOBProductRecommendationModelPrediction e defina o segmento:
- Campo: ProductID
- Valor: selecione os três principais IDs do produto
Selecione Guardar e Execute o segmento.
Agora, tem um segmento atualizado dinamicamente que identifica os clientes que poderão estar interessados em comprar os cinco produtos mais recomendados. Para obter mais informações, veja Criar e gerir segmentos.
Sugestão
Também pode criar um segmento para um modelo de predição a partir da página Informações>Segmentos selecionando Novo e escolhendo Criar a partir>Informações. Para mais informações, consulte Criar um novo segmento com segmentos rápidos.