パーソナライズされたオファー

Event Hubs
関数
Machine Learning
Storage
Stream Analytics

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。

今日の競争の激しい接続された環境において、現代の企業は汎用的な静的オンライン コンテンツでは生き残ることができなくなりました。 さらに、従来のツールを使用したマーケティング戦略は、多くの場合、コストがかかり、実装が難しく、必要な投資収益率を実現できません。 これらのシステムでは、特定のユーザー向けにパーソナライズされたエクスペリエンスを生み出すために収集されたデータを十分に活用できていないことも少なくありません。

特定のユーザー向けにカスタマイズされたオファーの提示は、顧客ロイヤルティを構築し、収益性を維持するうえで不可欠となっています。 小売 Web サイトでは、顧客は独自の関心事や好みに基づいてオファーやコンテンツを提供するインテリジェントなシステムを求めています。 今日のデジタル マーケティング チームは、ユーザーとのあらゆる種類の対話から生成されたデータを使用して、このインテリジェンスを構築できます。

膨大な量のデータを分析することによって、マーケターは関連性の高いパーソナライズされたオファーを各ユーザーに提供するまたとない機会が得られます。 ただし、信頼性のあるスケーラブルなビッグ データ インフラストラクチャを構築し、ユーザーごとにパーソナライズされた高度な機械学習モデルを開発するのは簡単なことではありません。

Architecture

アーキテクチャ図 このアーキテクチャの SVG をダウンロードしてください。

説明

こちらのトレーニングを受けた SI パートナーから、このソリューションの概念実証、デプロイ、統合の支援を受けて、時間を節約してください。

Cortana Intelligence Suite は、Microsoft Azure を介して高度な分析ツールを提供します。データ インジェスト、データ ストレージ、データ処理、高度な分析の各コンポーネントはすべて、パーソナライズされたオファー ソリューションを構築するための重要な要素です。

コンポーネント

このソリューションでは、複数の Azure サービスを組み合わせることで、強力なメリットを生み出しています。

  • Azure Event Hubs では、リアルタイムの消費データを収集します。
  • Azure Stream Analytics では、ストリーミング データを集計して視覚化できるようにし、顧客のパーソナライズされたオファーの作成に使用されるデータを更新します。
  • Azure CosmosDB SQL API には、顧客、製品、オファーの情報が格納されます。 GitHub 実装では、Azure Document DB が使用されていましたが、これは Azure Cosmos DB SQL API を使用して実現できます。
  • Azure Storage は、ユーザーとの対話をシミュレートするキューの管理に使用されます。
  • Azure Functions は、ユーザー シミュレーションのコーディネーターとして、また、パーソナライズされたオファーを生成するためのソリューションの中心部分として使用されます。
  • Azure Machine Learning は、ユーザー設定と製品履歴を考慮して、ユーザーを製品アフィニティ スコアリングに実装して実行します
  • 使用できるユーザー履歴がない場合。 Azure Cache for Redis は、顧客に対して事前に計算された製品アフィニティを提供するために使用されます。
  • Power BI ダッシュボード では、システムのリアルタイムのアクティビティが視覚化されます。また、CosmosDB SQL API のデータを使用して、さまざまなオファーの動作が視覚化されます。

Data Flow

  1. Azure Function と 2 つの Azure Storage キューを使用して、Web サイトでのユーザー アクティビティがシミュレートされます。
  2. パーソナライズされたオファー機能が Azure Function として実装されます。
    • これは、あらゆるものを結びつけてオファーを生成し、アクティビティを記録する重要な機能です。
    • Azure Cache for Redis と Azure CosmosDB SQL API からデータが読み取られ、Azure Machine Learning から製品アフィニティ スコアが計算されます
    • ユーザーの履歴がない場合は、事前に計算されたアフィニティが Azure Cache for Redis から読み取られます。
  3. 生のユーザー アクティビティ データ (製品やオファーのクリック)、ユーザーに提示されるオファー、(Azure Functions と Azure Machine Learning の) パフォーマンス データが Azure Event Hub に送信されます。
  4. オファーがユーザーに返されます。
    • このシミュレーションでは、これは Azure Storage キューに書き込むことによって行われ、次のユーザー アクションを生成するために Azure Function がこれを取得します。
  5. Azure Stream Analytics によってデータが分析され、Azure Event Hub からの入力ストリームでほぼリアルタイムの分析が提供されます。
    • 集計データは、Azure CosmosDB SQL API に送信されます。
    • 生データが Azure Data Lake Storage に送信されます。

次のステップ