Arkitektur i Intelligent Recommendations
Intelligent Recommendations er en meget udvidelig og skalerbar headless Microsoft Azure-tjeneste, der er nem at starte med at bruge uden kode.
Tjenesteflow
Intelligent Recommendations indeholder to integrationspunkter:
- Læse kundedata i bagenden fra backend ved hjælp af Microsoft Azure Data Lake Storage
- En frontend-leveringsoplevelse, der viser resultater af anbefalinger på klientsiden via sikre HTTPS-slutpunkter
Alle relevante data til maskinlæring med Intelligent Recommendations, f.eks. varekatalog, tilgængelige varer og andre metadata og interaktioner (transaktioner), er struktureret i Data Lake Storage-filsystemet og deles på en sikker måde.
På den anden side af tjenesten kalder klientappen API'en med Intelligent Recommendations for at få det personlige eller anbefalede indhold.
Du kan finde flere oplysninger om Data Lake Storage i Introduktion til Azure Data Lake Storage Gen2.
Vigtigt
Intelligent Recommendations gemmer eller behandler ikke kundedata uden for det område, du installerer tjenesteforekomsten i.
Trin 1: Medbring dine egne data
Intelligent Recommendations har ikke nogen licensforudsætninger. Vores kompatible løsning sikrer, at alle virksomhedsdata forbliver inden for et defineret geografisk område for kunden. Du kan forbinde den til din virksomheds Data Lake Storage-konto.
| Datatype | Beskrivelse |
|---|---|
| Katalog | Generelle oplysninger om elementer, indhold og andre generiske tjenester anbefalinger af Intelligent Recommendations. |
| Brugerinteraktioner | Interaktioner mellem brugere og elementer, som modellerne i Intelligent Recommendations lærer af og bruger til at forudsige fremtidige interaktioner. Eksempler på brugerinteraktioner omfatter klikstrømme, køb, downloads, synes godt om og visninger. |
Trin 2: Kør AI-ML-tjenesten
Når dataene er struktureret og delt, og forekomsten af tjenesten Intelligent Recommendations er startet, begynder "behandlingsprocessen". Data behandles og modelleres i overensstemmelse med forretningsbehov og -scenarier. Du kan overvåge status ved at gennemgå outputlogfilerne for at sikre, at alt kører problemfrit.
Med en arkitektur, der kan udvides, har virksomheder mulighed for at introducere mere forretningslogik og administrere flere forekomster af anbefalingsmodeller. Disse mange forekomster kan bruges til eksperimenter eller til oprettelse af brugsscenarier med forskellige signaler.
Trin 3: Kald API'er for at bruge resultater overalt
Vores løsning kan integreres godt på omnikanal-platforme ved hjælp af en API med simple anbefalinger med henblik på at skabe oplevelser, der kan udvides og tilpasses.
Denne løsning indeholder filtrering i realtid og opdateret rækkefølge af elementresultater samt tilpasning af lister.
Du kan gå til Eksempler på understøttede scenarier for at se eksempler. Du kan finde API-oplysninger ved at gå til API'en for Intelligent Recommendations.
Prøv det gratis
Du kan prøve Intelligent Recommendations gratis i tre måneder med en enkelt model eller én RPS-konto. Du kan finde flere oplysninger i vejledningen til hurtig start.
Se også
Installation af Intelligent RecommendationsBrug datakontrakter til at dele dataAPI for Intelligent Recommendations