Förbättra detaljhandelsupplevelsen med en lösningsaccelerator för detaljhandelsrekommendatorer

I detaljhandelsvärlden har digitala kanaler snabbt blivit drivkraften för att skapa ett förbättrat kundengagemang. Återförsäljare pressas att återskapa hur de kommunicerar värdeförslag och delar uppdateringar på sina produktlinjer. De tvingas att gå mot köpkonsumentens perspektiv – i syfte att bättre förstå vad kunderna letar efter. Återförsäljare söker nya sätt att stärka anslutningen mellan kunder och produkter- öka deras fästhastighet och skapa additivt värde utöver produkterna i kundvagnar.

Shopping på plats leder vanligtvis till impulsköp, eftersom kunderna har en mängd olika produkter som visas före dem. Impulsköp sker vanligtvis inte i online-shoppingupplevelsen. Kunderna letar efter specifika produkter, lägger till i sin korg och fortsätter till kassan.

Lösningsacceleratorn retail recommender hjälper återförsäljare att lyfta fram associerade produkter som kan vara av intresse för en kund. Syftet är att skapa en anpassad online-shoppingupplevelse. Med hjälp av AI och avancerade molntekniker för dataanalys presenterar Lösningsacceleratorn för detaljhandelsrekommendationer kunderna med relevant innehåll och produkter på följande sätt:

• En shoppare besöker en återförsäljare online kommersiell sida, som uppmanar användaren med personliga val, baserat på inköpshistorik.
• När kunden lägger till artiklar i kundvagnen erbjuder webbplatsen fler rekommendationer, baserat på vilka produkter som skulle köpas med dessa artiklar.
• När shopparen rör sig runt återförsäljarens webbplats erbjuder webbplatsen nya rekommendationer baserat på vad shopparen tittar på.

Lösningsaccelerator för detaljhandelsrekommendator

Lösningsacceleratorn för detaljhandelsrekommendatorer är redo att distribuera kod som utnyttjar analysfunktioner i Azure Synapse för att utvärdera kundernas tidigare köp- och surfvanor – vilket ger en skräddarsydd surfupplevelse med anpassade produktrekommendationer.

Att överträffa kundernas förväntningar inom detaljhandeln är den viktigaste hävstången för att förbättra din verksamhet. Djupare insikter kan öka organisationens intäkter och öka kvarhållningen. Maskininlärning hjälper dig att utvärdera hur operativa beslut påverkar affärsresultat.

Anslut dina data och förstå din kund, men de köper

Lås upp innovation – och ta bort datasilor i din organisation. Få återkommande kunder genom att leverera en förbättrad, mer anpassad kundupplevelse för omnichannel med enhetlig datastrategi. Få en helhetsbild av kundinformation och försäljningsdata, förutom makroekonomisk påverkan, finansiella transaktioner och leverans – allt som gör det möjligt för din organisation att automatisera arbetsflöden, planera för framtida försäljning och proaktivt hantera risker.

Påskynda din befintliga affärstillväxt med kod som är redo att distribueras** som du snabbt kan implementera i din infrastruktur – och övervinna utmaningen att optimera insamling, visualisering och användning av dina kunders data.

Översikt över Lösningsacceleratorn för detaljhandelsrekommendator

• Belöna dina lojala kunder med meningsfulla produktrekommendationer
• Köra analys från slutpunkt till slutpunkt i leveranskedjan
• Skapa bättre upplevelser i butik och online
• Aktivera djupare insikter – och en mer anpassad kundupplevelse
• Använd maskininlärning för att ge personliga rekommendationer som är meningsfulla för dina lojalitetskunder

Transformera kundupplevelsen med anpassning i realtid

Lösningsacceleratorn för detaljhandelsrekommendatorer använder maskininlärning och en filtreringsmodell som ansluter det som kunden tittar på med data från vad andra användare har i realtid för att ge en rekommendation. Om andra kunder till exempel visar telefoner och headset och du visar telefoner är det mer troligt att du även visar ett headset – en viss kundvy blir din rekommendation. Systemet skapar sedan en matris med liknande data för att informera dina framtida rekommendationer.

Så här ser lösningsacceleratorn för detaljhandelsrekommendatorer ut:

Hur fungerar rekommendationen för shopping i realtid för din organisation?

• Kunden landar på sidan, ser anpassade objekt baserat på deras inköpshistorik.
• Kunden väljer eller växlar användaren.
• Landningssidan uppdateras, kunden ser anpassade objekt i realtid baserat på deras inköpshistorik.
• Kunden anger produktinformationssidan, ser föreslagna produkter baserat på inköps- och webbhistorik.
• Kunden placerar artiklar i kundvagnen, ser ytterligare rekommendationer baserat på objekt som de har lagt i kundvagnen.
• Kunden återgår till landningssidan och ser rekommenderade tilläggsprodukter.

Kom igång med MVP för lösningsacceleratorn retail recommender

Starta Lösningsacceleratorn för detaljhandelsrekommendatorer med de resurser som behövs för att snabbt skapa en lösning för detaljhandelsrekommendatorer baserat på den omfattande Azure Analytics-plattformen.

Skapa en anpassad MVP

• Distribuera resurser. Skapa en resursgrupp som du kan använda som container för att börja distribuera resurserna till Azure.

• Förbered data. Konfigurera utvecklingsmiljön för Azure Machine Learning. Den virtuella notebook-datorn är ett mycket kompatibelt, förkonfigurerat sätt att komma igång snabbt.

• Träna data med anpassade skript. Skriptprocessen beskrivs i en serie Jupyter Notebooks. Granska dem sekventiellt för att gå igenom träning, bedömning och förutsägelser med hjälp av Azure Machine Learning.

Skapa din MVP på mindre än en dag med demodata eller om 2–5 veckor med dina anpassade data och en förberedelsesession.

Här är ett diagram över åtgärder på hög nivå via Azure Data Lake Storage Gen2 (datasjö i företagsskala), Azure Synapse, Azure Synapse Analytics, Azure AI Search, Azure Machine Learning Service, Azure API Management och Azure Machine Learning-tjänster.

Krav för Azure- och analysplattform

Arbetskunskaper om Azure, Azure Cosmos DB, Azure Machine Learning och Azure Kubernetes.

Läs hela traktorförsörjningsföretagets berättelse.

Mer information:

• Azure Synapse Analytics
• Azure Kubernetes Service
• Azure Machine Learning
• Learn-moduler för Azure Synapse
• Lär dig moduler för Azure Kubernetes
• Utbildningsväg för datavetare

Omfattande teknisk vägledning, inklusive en distributionsguide, finns på gitHub-sidan Lösningsaccelerator för återförsäljare.

Tractor Supply Company, den största lantliga livsstilsåterförsäljaren i USA, valde Microsoft som sin strategiska molnleverantör för att stödja teknikarkitektur och modernisering för företagets e-handelswebbplats och företagsanalysplattform. Läs hela kundberättelsen för Tractor Supply Company.

Starbucks har använt förstärkningslärningsteknik för att ge en personlig upplevelse för kunder som använder företagets mobilapp. Den här maskininlärningsträningsmetoden lär sig att fatta beslut i komplexa, oförutsägbara miljöer baserat på extern feedback. Läs hela Starbucks-kundberättelsen.

Nästa steg

Använd Azure DevOps-mallen för att distribuera i din egen miljö. Följ stegen i Azure DevOps-mallen Retail Recommender:

1. Logga in på generatorn.
2. Gå till Cloud Adoption Framework.
3. Retail Recommender Välj Azure DevOps-mallen.
4. Distribuera till din Azure DevOps-miljö.

Följande artiklar hjälper dig att lyckas med molnimplementeringsresan.

• Styrning i detaljhandeln
• Hantering inom detaljhandeln