Uzorak vodiča za predviđanje preporuka proizvoda (pretpregled)

  • Članak

[Ovaj je članak iz dokumentacije predizdanja i podložan je promjenama.]

Ovaj vodič vodi vas kroz cjelovit primjer preporuke proizvoda predviđanje pomoću oglednih podataka. Preporučujemo da isprobate ovu predviđanje u novom okruženju.

Važno

  • To je značajka pretpregleda.
  • Značajke pretpregleda nisu namijenjene u proizvodne svrhe i mogu imati ograničene funkcije. Te su značajke dostupne prije službenog izdavanja da bi se klijentima omogućio prijevremeni pristup i slanje povratnih informacija.

Scenarij

Contoso je tvrtka koja proizvodi visokokvalitetne aparate za kavu i kavu. Proizvode prodaju putem svoje web stranice Contoso Coffee. Cilj im je razumjeti koje proizvode trebaju preporučiti svojim redovnim klijentima. Znanje o tome što će kupci vjerojatnije kupiti može im pomoći uštedjeti marketinške napore usredotočujući se na određene stavke.

Preduvjeti

Zadatak 1 – Podaci za unos

Pregledajte članke o unosu podataka i povezivanju s a Power Query izvor podataka. Sljedeće informacije pretpostavljaju da ste upoznati s unosom podataka općenito.

Unesite podatke o klijentima s platforme eCommerce

  1. Stvorite Power Query izvor podataka pod nazivom e-trgovina i odaberite poveznik Tekst/CSV .

  2. Unesite URL za kontakte e-trgovine: https://aka.ms/ciadclasscontacts.

  3. Tijekom uređivanja podataka odaberite Pretvorba , a zatim Koristi prvi redak kao zaglavlja.

  4. Ažurirajte vrstu podataka za stupce navedene u nastavku:

    • DatumRođenja: Datum
    • CreatedOn: datum/vrijeme/zona

    Preobrazite datum rođenja u datum.

  5. U polju Naziv u desnom oknu preimenujte svoj izvor podataka u eCommerceContacts.

  6. Spremite pogrešku izvor podataka.

Unesite podatke o internetskoj kupnji

  1. Dodajte još jednu skup podataka istoj e-trgovini izvor podataka. Ponovno odaberite poveznik teksta/CSV-a .

  2. Unesite URL za podatke https://aka.ms/ciadclassonline o internetskim kupnjama.

  3. Tijekom uređivanja podataka odaberite Pretvorba , a zatim Koristi prvi redak kao zaglavlja.

  4. Ažurirajte vrstu podataka za stupce navedene u nastavku:

    • Nabava: datum/vrijeme
    • Ukupna cijena: valuta

  5. U polju Naziv u bočnom oknu preimenujte svoj izvor podataka u eCommercePurchases.

  6. Spremite pogrešku izvor podataka.

Unesite podatke o klijentima iz sheme vjernosti

  1. Stvorite izvor podataka pod nazivom LoyaltyScheme i odaberite poveznik Tekst/CSV .

  2. Unesite URL za vjerne kupce https://aka.ms/ciadclasscustomerloyalty.

  3. Tijekom uređivanja podataka odaberite Pretvorba , a zatim Koristi prvi redak kao zaglavlja.

  4. Ažurirajte vrstu podataka za stupce navedene u nastavku:

    • DatumRođenja: Datum
    • Nagradni bodovi: cijeli broj
    • CreatedOn: datum/vrijeme

  5. U polju Naziv u desnom oknu preimenujte svoj izvor podataka u loyCustomers.

  6. Spremite pogrešku izvor podataka.

Zadatak 2 - Objedinjavanje podataka

Pregledajte članak o objedinjavanju podataka. Sljedeće informacije pretpostavljaju da ste općenito upoznati s objedinjavanjem podataka.

Nakon unosa podataka započnite postupak objedinjavanja podataka kako biste stvorili jedinstveni profil kupca. Dodatne informacije potražite u odjeljku Objedinjavanje podataka.

Opišite podatke o klijentima koje treba objediniti

  1. Nakon unosa podataka, mapirajte kontakte iz e-trgovine i podataka o vjernosti u uobičajene vrste podataka. Idite na Objedinjavanje> podataka.

  2. Odaberite tablice koje predstavljaju korisnički profil – eCommerceContacts i loyCustomers.

    objedinite izvore podataka o e-trgovini i vjernosti.

  3. Odaberite ContactId kao primarni ključ za eCommerceContacts i LoyaltyID kao primarni ključ zaloyCustomers.

  4. Odaberite Dalje. Preskočite duplicirane zapise i odaberite Dalje.

Definiranje pravila podudaranja

  1. Odaberite eCommerceContacts: eCommerce kao primarnu tablicu i uključite sve zapise.

  2. Odaberite loyCustomers: LoyaltyScheme i uključite sve zapise.

  3. Dodaj pravilo:

    • Odaberite FullName i za eCommerceContacts i za loyCustomers.
    • Odaberite vrstu (telefon, ime, adresa, ...) za normalizaciju.
    • Postavi razinu preciznosti:Osnovno i Vrijednost :Visoka.

  4. Dodajte drugi uvjet za adresu e-pošte:

    • Odaberite E-pošta za eCommerceContacts i loyCustomers.
    • Ostavite praznim polje Normaliziraj.
    • Postavi razinu preciznosti:Osnovno i Vrijednost :Visoka.
    • Unesite Puno ime, E-pošta za naziv.

    objedinite pravilo podudaranja za naziv i e-poštu.

  5. Odaberite Gotovo.

  6. Odaberite Dalje.

Prikaz objedinjenih podataka

  1. Preimenujte tablicu ContactId za loyCustomers u ContactIdLOYALTY da biste je razlikovali od ostalih unesenih ID-ova.

  2. Odaberite Dalje da biste pregledali, a zatim Stvori profile klijenata.

Zadatak 3 – stvaranje aktivnosti povijesti transakcija

Pregledajte članak o aktivnostima kupaca. Sljedeće informacije pretpostavljaju da ste upoznati s općenito stvaranjem aktivnosti.

  1. Stvorite aktivnost pomoću tablice eCommercePurchases:eCommerce .

  2. Odaberite SalesOrderLine za vrstu aktivnosti i ID nabave zaprimarni ključ.

  3. Unesite sljedeće podatke za aktivnost:

    • Naziv aktivnosti: eCommercePurchases
    • Vremenska oznaka: KupljenoNa
    • EventActivity: TotalPrice
    • ID retka naloga: ID nabave
    • Datum naloga: Nabavana
    • Iznos: Ukupna cijena

  4. Stvorite odnos između eCommercePurchases:eCommerce i eCommerceContacts:eCommerce s ID-om kontakta kao vanjskim ključem za povezivanje dviju tablica.

  5. Pregledajte promjene, a zatim odaberite Stvori aktivnosti.

Zadatak 4 - Konfiguracija predviđanja preporuka proizvoda

S jedinstvenim profilima kupaca i stvorenom aktivnošću pokrenite preporuku proizvoda predviđanje.

  1. Idite na Predviđanja uvida>.

  2. Na kartici Stvaranje na pločici Preporuke proizvoda (pretpregled) odaberite Koristi model .

  3. Odaberite Početak rada.

  4. Imenujte model OOB Model preporuke proizvoda predviđanje i izlaznu tablicu OOBProductRecommendationModelPrediction.

  5. Odaberite Dalje.

  6. Definirajte preference modela:

    • Broj proizvoda:5 da biste definirali koliko proizvoda želite preporučiti svojim kupcima.
    • Očekivane ponovljene kupnje: Da da biste u preporuku uključili prethodno kupljene proizvode.
    • Pogledajte unatrag prozor:365 dana da biste definirali koliko će se model osvrnuti prije nego što ponovno preporučite proizvod.

    Postavke modela za model preporuke proizvoda.

  7. Odaberite Dalje.

  8. U koraku Dodavanje povijesti kupnji odaberite Dodaj podatke.

  9. Odaberite SalesOrderLine i tablicu eCommercePurchases, a zatim Dalje. Potrebni podaci automatski se popunjavaju iz aktivnosti. Odaberite Spremi, a zatim Dalje.

  10. Preskočite korake Dodavanje informacija o proizvodu i Filtri proizvoda jer nemamo podatke o proizvodu.

  11. U koraku Ažuriranja podataka odaberite Mjesečno za raspored modela.

  12. Odaberite Dalje.

  13. Nakon pregleda svih detalja odaberite Spremi i pokreni.

Zadatak 5 – Pregled rezultata modela i objašnjenja

Neka model dovrši obuku i bodovanje podataka. Pregledajte objašnjenja modela preporuka proizvoda.

Zadatak 6 - Stvaranje segmenta najčešće kupljenih proizvoda

Pokretanjem modela stvara se nova tablica koja je navedena u tablicama> podataka. Možete kreirati novi segment na temelju tablice koju je kreirao model.

  1. Na stranici s rezultatima odaberite Kreiraj segment.

  2. Stvorite pravilo pomoću tablice OOBProductRecommendationModelPrediction i definirajte segment:

    • Polje: ID proizvoda
    • Vrijednost: odaberite prva tri ID-a proizvoda

  3. Odaberite Spremi i pokrenite segment.

Sada imate segment koji se dinamički ažurira i identificira kupce koji bi mogli biti zainteresirani za kupnju pet najpreporučljivijih proizvoda. Dodatne informacije potražite u članku Stvaranje segmenata i upravljanje njima.

Savjet

Segment za model predviđanje možete izraditi i sa stranice Segmenti >uvida tako da odaberete Novo i odabereteStvori iz>uvida. Dodatne informacije potražite u članku Stvaranje novog segmenta s brzim segmentima.

Sljedeći koraci