Criar soluções de marketing personalizadas quase em tempo real

Cache para Redis
Cosmos DB
Hubs de Eventos
Funções
Machine Learning
Contas de Armazenamento
Stream Analytics
Power BI

Ideia da solução

se você quiser nos ver, expanda este artigo com mais informações, como casos de uso em potencial, serviços alternativos, considerações sobre implementação ou diretrizes de preços, fale conosco com GitHub comentários!

O marketing personalizado é essencial para a criação da fidelidade do cliente e a rentabilidade restante. Alcançar os clientes e fazer com que eles se envolvam é mais difícil do que nunca, e ofertas genéricas são facilmente ignoradas ou ignoradas. Os sistemas de marketing atuais não aproveitam os dados que podem ajudar a resolver esse problema.

Os profissionais de mercado que usam sistemas inteligentes e analisam grandes quantidades de dados podem fornecer ofertas altamente relevantes e personalizadas para cada usuário, reduzindo a confusão e impulsionando o envolvimento. Por exemplo, os varejistas podem fornecer ofertas e conteúdo com base nos interesses, preferências e afinidade de produto exclusivos de cada cliente, colocando os produtos na frente das pessoas com maior probabilidade de comprá-los.

Personalizando suas ofertas, você fornecerá uma experiência individualizada para clientes atuais e potenciais, aumentando o envolvimento e melhorando a conversão do cliente, o valor de tempo de vida e a retenção. Essa solução mostra como você pode criar uma solução personalizando ofertas com Azure Functions, Azure Machine Learninge Azure Stream Analytics.

Arquitetura

Diagrama de arquitetura: personalizar ofertas com aprendizado de máquina e análise quase em tempo real. Baixe um SVG dessa arquitetura.

Componentes

  • Os Hubs de Eventos ingerem dados brutos de fluxo de Azure Functions e os transmitem para Stream Analytics.
  • Azure Stream Analytics agrega cliques quase em tempo real por produto, oferta e usuário. Grava no banco de dados Cosmos Azure e também arquiva dados brutos de fluxo de clique no Azure Armazenamento.
  • O Azure Cosmos DB armazena dados agregados de cliques por usuário, produto e oferece informações de perfil do usuário.
  • O Azure Armazenamento armazena dados de fluxo de clique brutos arquivados de Stream Analytics.
  • Azure Functions recebe dados clickstream do usuário de sites e lê o histórico de usuários existente do banco de dados Cosmos Azure. Esses dados são executados por meio do Machine Learning Web ou usados juntamente com os dados de início frio no Cache do Azure para Redis para obter pontuações de afinidade de produto. As pontuações de afinidade de produto são usadas com a lógica de oferta personalizada para determinar a oferta mais relevante para apresentar ao usuário.
  • Azure Machine Learning ajuda você a projetar, testar, operacionalizar e gerenciar soluções de análise preditiva na nuvem.
  • Cache do Azure para Redis armazena pontuações pré-computadas de afinidade de produto a frio para usuários sem histórico.
  • Power BI permite a visualização de dados de atividade do usuário e ofertas apresentadas pela leitura de dados do Cosmos DB.

Próximas etapas

Leia outros Centro de Arquitetura do Azure artigos:

Confira a documentação do produto:

Experimente um Microsoft Learn: