Pomysły dotyczące rozwiązań
Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.
Ta architektura pokazuje, jak utworzyć oferty personalizacji rozwiązań za pomocą usług Azure Functions, Azure Machine Edukacja i Azure Stream Analytics.
Architektura
Pobierz plik programu Visio z tą architekturą.
Przepływ danych
- Usługa Event Hubs pozyskiwa nieprzetworzone dane strumienia kliknięć z usługi Azure Functions i przekazuje je do usługi Stream Analytics.
- Usługa Azure Stream Analytics agreguje kliknięcia niemal w czasie rzeczywistym według produktu, oferty i użytkownika. Zapisuje w usłudze Azure Cosmos DB, a także archiwizuje nieprzetworzone dane strumienia kliknięć w usłudze Azure Storage.
- Usługa Azure Cosmos DB przechowuje zagregowane dane kliknięć według użytkownika, produktu i oferuje informacje o profilu użytkownika.
- Usługa Azure Storage przechowuje zarchiwizowane nieprzetworzone dane strumienia kliknięć z usługi Stream Analytics.
- Usługa Azure Functions pobiera dane strumienia kliknięć użytkownika z witryn internetowych i odczytuje istniejącą historię użytkowników z usługi Azure Cosmos DB. Dane te są następnie przetwarzane przez usługę internetową Machine Learning lub używane razem z danymi zimnego startu w usłudze Azure Cache for Redis w celu uzyskiwania ocen zainteresowania produktami. Oceny zainteresowania produktami są używane wraz z logiką spersonalizowanych ofert w celu określenia najodpowiedniejszej oferty do zaprezentowania użytkownikowi.
- Usługa Azure Machine Edukacja ułatwia projektowanie, testowanie, operacjonalizacja i zarządzanie rozwiązaniami analizy predykcyjnej w chmurze.
- Usługa Azure Cache for Redis przechowuje wstępnie obliczone wyniki koligacji produktu zimnego startu dla użytkowników bez historii.
- Usługa Power BI umożliwia wizualizację danych aktywności użytkownika i ofert prezentowanych przez odczytywanie danych z usługi Azure Cosmos DB.
Elementy
- Event Hubs
- Azure Stream Analytics
- Azure Cosmos DB
- Azure Storage
- Azure Functions
- Azure Machine Learning
- Azure Cache for Redis
- Power BI
Szczegóły scenariusza
Spersonalizowany marketing jest niezbędny, jeśli chcesz zbudować bazę lojalnych klientów i utrzymać zyskowność. Docieranie do klientów i ich angażowanie jest dziś trudniejsze niż kiedykolwiek wcześniej, a oferty ogólne można łatwo pominąć lub zignorować. Bieżące systemy marketingowe nie korzystają z zalet danych, co mogłoby pomóc rozwiązań ten problem.
Pracownicy działów marketingu mogą używać inteligentnych systemów i analizować ogromne ilości danych, aby dostarczać poszczególnym użytkownikom spersonalizowane, odpowiadające im oferty, eliminując zamieszanie i zwiększając zaangażowanie. Na przykład sprzedawcy detaliczni mogą udostępniać oferty i treści na podstawie unikatowych zainteresowań każdego klienta, preferencji i koligacji produktów, umieszczając produkty przed osobami, które najprawdopodobniej je kupią.
Ta architektura pokazuje, jak utworzyć oferty personalizacji rozwiązań za pomocą usług Azure Functions, Azure Machine Edukacja i Azure Stream Analytics.
Potencjalne przypadki użycia
Personalizacja ofert zapewnia indywidualne środowisko dla bieżących i potencjalnych klientów, zwiększenie zaangażowania i poprawę konwersji klientów, wartości okresu istnienia i przechowywania.
To rozwiązanie jest idealne dla branży handlu detalicznego i marketingowego.
Następne kroki
Zapoznaj się z dokumentacją produktu:
- Dowiedz się więcej o usłudze Event Hubs
- Dowiedz się więcej o usłudze Stream Analytics
- Dowiedz się, jak używać usługi Azure Cosmos DB
- Dowiedz się więcej o usłudze Azure Storage
- Dowiedz się, jak tworzyć funkcje
- Dowiedz się więcej o uczeniu maszynowym
- Dowiedz się, jak używać usługi Azure Cache for Redis
- Dowiedz się więcej o usłudze Power BI
Wypróbuj ścieżkę szkoleniową:
- Implementowanie rozwiązania do przesyłania strumieniowego danych za pomocą usługi Azure Streaming Analytics
- Tworzenie modelu Edukacja maszynowego
- Tworzenie aplikacji bezserwerowych za pomocą usługi Azure Functions
Powiązane zasoby
Przeczytaj inne artykuły centrum architektury platformy Azure: