パーソナライズされたマーケティングソリューションを凖リアルタイムで作成

Cache for Redis
Cosmos DB
Event Hubs
関数
Machine Learning
ストレージ アカウント
Stream Analytics
Power BI

ソリューションのアイデア

この記事にさらに多くの情報 (想定されるユース ケース、代替サービス、実装に関する考慮事項、価格ガイダンスなど) の掲載をご希望の方は、GitHub のフィードバックでお知らせください。

パーソナライズされたマーケティングは、顧客のロイヤルティを構築して、収益性を維持するために不可欠です。 顧客に届けて関心を引くことは、これまで以上に難しくなっており、汎用的なオファーは簡単に見過ごされたり無視されたりします。 現在のマーケティング システムでは、この問題の解決に役立つデータを活用できていません。

インテリジェント システムを使用して大量データを分析するマーケターであれば、パーソナライズされた関連性の高いオファーを各ユーザーに配信し、雑多な状況をうまく切り抜けてエンゲージメントを促進することができます。 たとえば、小売業者は、それぞれの顧客に固有の興味、好み、製品アフィニティに基づいてオファーやコンテンツを提供し、その製品を購入する可能性が最も高い顧客に製品を提示することができます。

オファーをパーソナライズすることにより、現在または将来のすべての顧客に個人に合わせたエクスペリエンスを提供して、エンゲージメントを強化すると共に、顧客コンバージョン、ライフタイム バリュー、リテンションを向上させることができます。 このソリューションでは、Azure FunctionsAzure Machine LearningAzure Stream Analytics を使用して、オファーをパーソナライズするソリューションを作成する方法について説明します。

アーキテクチャ

アーキテクチャ図: 機械学習と凖リアルタイムの分析を使用してオファーをパーソナライズする。 このアーキテクチャの SVG をダウンロードします。

Components

  • Event Hubs では、生のクリックストリーム データを Azure Functions から取り込み、それを Stream Analytics に渡します。
  • Azure Stream Analytics では、製品、オファー、ユーザーごとに、凖リアルタイムでクリックを集計します。 Azure Cosmos DB に書き込み、生のクリックストリーム データを Azure Storage にアーカイブします。
  • Azure Cosmos DB では、ユーザー、製品ごとにクリックの集計データを格納し、ユーザー プロファイル情報を提供します。
  • Azure Storage には、Stream Analytics からアーカイブされた未加工のクリックストリーム データが格納されます。
  • Azure Functions では、Web サイトからユーザーのクリックストリーム データを受け取り、Azure Cosmos DB から既存のユーザー履歴を読み取ります。 これらのデータはその後、Machine Learning Web サービスによって処理されるか、あるいは、製品アフィニティ スコアを取得するために、Azure Cache for Redis 内のコールドスタート データと共に使用されます。 製品アフィニティ スコアは、ユーザーに提示する最も関連性の高いオファーを決定するために、オファーのパーソナライズ ロジックで使用されます。
  • Azure Machine Learning は、クラウド内で予測分析ソリューションを設計、テスト、運用、管理するのに役立ちます。
  • Azure Cache for Redis では、履歴なしでユーザー向けに計算済みのコールドスタート製品アフィニティ スコアが保存されます。
  • Power BI により、Cosmos DB からのデータを読み取ることで得られるユーザー アクティビティ データとオファーを視覚化できるようになります。

次のステップ

次に挙げる Azure アーキテクチャ センターの他の記事を参照してください。

次の製品ドキュメントを参照してください。

次の Microsoft Learn パスをお試しください。