Architecture des Recommandations intelligentes

Recommandations intelligentes est un logiciel sans tête hyper-extensible et évolutif Microsoft Azure service facile à intégrer et à utiliser avec une intégration sans code.

Flux de service

Recommandations intelligentes a deux points d’intégration :

  • Lecture des données client sur le back-end à l’aide de Microsoft Azure Data Lake Storage
  • Expérience de service frontale qui présente les résultats des recommandations côté client via des points de terminaison HTTPS sécurisés

Toutes les données pertinentes pour le Machine Learning des Recommandations intelligentes, telles que le catalogue d’articles, les disponibilités et autres métadonnées et interactions (transactions), sont structurées dans le système de fichiers Data Lake Storage et partagées de manière sécurisée.

De l’autre côté du service, l’application cliente appelle l’API des recommandations intelligentes pour obtenir le contenu personnalisé ou recommandé.

Pour plus d’informations sur Data Lake Storage, accédez à Introduction à Azure Data Lake Storage Gen2.

Présentation conceptuelle de l’architecture des recommandations intelligentes.

Important

Le service Recommandations intelligentes ne stocke pas et ne traite pas les données client en dehors de la région dans laquelle vous déployez l’instance de service.

Étape 1 : Apportez vos propres données

Recommandations intelligentes n’a pas de licence prérequise. Notre solution conforme garantit que toutes les données de l’entreprise restent dans une zone géographique définie pour le client. Vous pouvez le connecter au compte Data Lake Storage de votre entreprise.

Type de données Description
Catalog Informations générales sur les éléments, le contenu et d’autres services génériques recommandés par Recommandations intelligentes.
Interactions utilisateur Interactions entre les utilisateurs et les articles dont les modèles Recommandations intelligentes apprennent et utilisent pour prédire les interactions futures. Les exemples d’interactions utilisateur incluent les flux de clics, les achats, les téléchargements, les J’aime et les vues.

Étape 2 : Exécutez le service AI-ML

Une fois que les données sont structurées et partagées et que l’instance de service Recommandations intelligentes est lancée, le processus de "préparation" commence. Les données sont traitées et modélisées en fonction des besoins et des scénarios de l’entreprise. Vous pouvez surveiller la progression en examinant les journaux de sortie pour vous assurer que tout se passe bien.

Avec une architecture extensible, les entreprises ont le pouvoir d’introduire plus de logique métier et de gérer plusieurs instances de modèles de recommandations. Ces instances multiples sont utiles pour l’expérimentation ou pour créer des cas d’utilisation avec différents signaux.

Étape 3 : Appelez les API pour utiliser les résultats n’importe où

Notre solution s’intègre bien sur les plateformes omnicanales, en utilisant une API de recommandations simple pour créer des expériences extensibles et personnalisables.

Cette solution fournit un filtrage en temps réel et un classement actualisé des résultats des éléments et la personnalisation de n’importe quelle liste.

Pour des exemples, allez à Exemples de scénarios pris en charge. Pour plus d’informations sur l’API, rendez-vous sur API Recommandations intelligentes.

Essayez gratuitement

Vous pouvez essayer gratuitement Recommendations intelligentes pendant trois mois avec un seul modèle et un seul compte RPS. Pour plus d’informations, consultez le Guide de démarrage rapide.

Voir aussi

Déployer des recommandations intelligentes
Utiliser des contrats de données pour partager des données
API de recommandations intelligentes