Editar

Share via

Crie soluções de marketing personalizadas quase em tempo real

Azure Cosmos DB
Azure Event Hubs
Azure Functions
Azure Machine Learning
Azure Stream Analytics

Ideias de soluções

Este artigo é uma ideia de solução. Se você quiser que expandamos o conteúdo com mais informações, como possíveis casos de uso, serviços alternativos, considerações de implementação ou orientação de preços, informe-nos fornecendo feedback do GitHub.

Essa arquitetura mostra como você pode criar uma solução personalizando ofertas com o Azure Functions, o Azure Machine Learning e o Azure Stream Analytics.

Arquitetura

Diagrama de arquitetura: personalização de ofertas com aprendizado de máquina e análise quase em tempo real

Transfira um ficheiro do Visio desta arquitetura.

Fluxo de dados

  • Os Hubs de Eventos ingerem dados brutos de fluxo de cliques do Azure Functions e os transmitem para o Stream Analytics.
  • O Azure Stream Analytics agrega cliques quase em tempo real por produto, oferta e utilizador. Grava no Azure Cosmos DB e também arquiva dados brutos de fluxo de cliques no Armazenamento do Azure.
  • O Azure Cosmos DB armazena dados agregados de cliques por usuário, produto e oferece informações de perfil de usuário.
  • O Armazenamento do Azure armazena dados brutos arquivados do Stream Analytics.
  • O Azure Functions recebe dados de fluxo de cliques do usuário de sites e lê o histórico de usuários existente do Azure Cosmos DB. Estes dados são, em seguida, executados através do serviço Web Machine Learning ou utilizados em conjunto com os dados de arranque a frio na Cache do Azure para Redis, para obter classificações de afinidade de produtos. As classificações de afinidade de produtos são utilizadas com a lógica de oferta personalizada para determinar a oferta mais relevante para apresentar ao utilizador.
  • O Azure Machine Learning ajuda-o a projetar, testar, operacionalizar e gerir soluções de análise preditiva na nuvem.
  • O Cache Redis do Azure armazena pontuações de afinidade de produto de inicialização a frio pré-computadas para usuários sem histórico.
  • O Power BI permite a visualização de dados de atividade do usuário e ofertas apresentadas pela leitura de dados do Azure Cosmos DB.

Componentes

Detalhes do cenário

O marketing personalizado é essencial para criar a fidelização do cliente e permanecer rentável. Chegar aos clientes e conseguir que se envolvam nunca foi tão difícil e as ofertas genéricas são facilmente ignoradas ou perdidas. Os atuais sistemas de marketing não conseguem tirar partido de dados que podem ajudar a resolver este problema.

Os comerciantes que utilizam sistemas inteligentes e analisam enormes quantidades de dados podem fornecer ofertas altamente relevantes e personalizadas a cada utilizador, eliminando o excesso de publicidade e promovendo o envolvimento. Por exemplo, os retalhistas podem fornecer ofertas e conteúdos com base nos interesses, preferências e afinidade de produtos únicos de cada cliente, colocando os produtos à frente das pessoas com maior probabilidade de os comprar.

Essa arquitetura mostra como você pode criar uma solução personalizando ofertas com o Azure Functions, o Azure Machine Learning e o Azure Stream Analytics.

Potenciais casos de utilização

Ao personalizar suas ofertas, você proporcionará uma experiência individualizada para clientes atuais e potenciais, aumentando o envolvimento e melhorando a conversão de clientes, o valor vitalício e a retenção.

Esta solução é ideal para as indústrias de varejo e marketing.

Próximos passos

Consulte a documentação do produto:

Experimente um percurso de aprendizagem:

Leia outros artigos do Centro de Arquitetura do Azure: