Soluções de marketing personalizadas

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

Ideia de solução Solution Idea

Se quiser ver-nos expandir este artigo com mais informações, detalhes de implementação, orientação de preços ou exemplos de código, informe-nos com o Feedback do GitHub!If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

O marketing personalizado é essencial para a fidelização do cliente e para a permanência rentável.Personalized marketing is essential for building customer loyalty and remaining profitable. Chegar aos clientes e fazê-los engatar é mais difícil do que nunca, e as ofertas genéricas são facilmente ignoradas ou ignoradas.Reaching customers and getting them to engage is harder than ever, and generic offers are easily missed or ignored. Os sistemas de marketing atuais não conseguem tirar partido de dados que podem ajudar a resolver este problema.Current marketing systems fail to take advantage of data that can help solve this problem.

Os marketers que usam sistemas inteligentes e analisam quantidades massivas de dados podem oferecer ofertas altamente relevantes e personalizadas a cada utilizador, cortando a confusão e o envolvimento de condução.Marketers using intelligent systems and analyzing massive amounts of data can deliver highly relevant and personalized offers to each user, cutting through the clutter and driving engagement. Por exemplo, os retalhistas podem fornecer ofertas e conteúdos baseados nos interesses e preferências únicos de cada cliente, colocando os produtos à frente das pessoas mais propensos a comprá-los.For example, retailers can provide offers and content based on each customer's unique interests and preferences, putting products in front of the people most likely to buy them.

Ao personalizar as suas ofertas, irá proporcionar uma experiência individualizada para cada cliente atual ou prospetivo, impulsionando o envolvimento e melhorando a conversão do cliente, o valor vitalício e a retenção.By personalizing your offers, you'll deliver an individualized experience for every current or prospective customer, boosting engagement and improving customer conversion, lifetime value, and retention.

ArquiteturaArchitecture

Diagrama de arquitetura Descarregue um SVG desta arquitetura.Architecture Diagram Download an SVG of this architecture.

ComponentesComponents

  • O Event Hubs ingere dados de fluxo de cliques crus a partir de Funções e passa-os para stream Analytics.Event Hubs ingests raw click-stream data from Functions and passes it on to Stream Analytics.
  • Azure Stream Analytics: Stream Analytics agrega cliques em quase tempo real por produto, oferta e utilizador para escrever para Azure Cosmos DB e também arquiva dados de fluxo de cliques crus para Azure Storage.Azure Stream Analytics: Stream Analytics aggregates clicks in near real-time by product, offer, and user to write to Azure Cosmos DB and also archives raw click-stream data to Azure Storage.
  • A Azure Cosmos DB armazena dados agregados de cliques por utilizador, produto e oferta, bem como informações de perfil de utilizador.Azure Cosmos DB stores aggregated data of clicks by user, product, and offer as well as user-profile information.
  • Contas de Armazenamento: Azure Storage armazena dados brutos de fluxo de clique do Stream Analytics.Storage Accounts: Azure Storage stores archived raw click-stream data from Stream Analytics.
  • A Azure Functions recebe dados de clickstream do utilizador a partir do site e lê o histórico de utilizadores existente a partir de Azure Cosmos DB.Azure Functions takes in user clickstream data from website and reads existing user history from Azure Cosmos DB. Estes dados são então executados através do serviço web Machine Learning ou usados juntamente com os dados de arranque a frio em Azure Cache para Redis para obter pontuações de afinidade de produto.These data are then run through the Machine Learning web service or used along with the cold-start data in Azure Cache for Redis to obtain product-affinity scores. As pontuações de afinidade do produto são usadas com a lógica de oferta personalizada para determinar a oferta mais relevante a apresentar ao utilizador.Product-affinity scores are used with the personalized-offer logic to determine the most relevant offer to present to the user.
  • Azure Machine Learning: Machine Learning ajuda-o a projetar, testar, operacionalizar e gerir soluções de análise preditiva na nuvem.Azure Machine Learning: Machine Learning helps you design, test, operationalize, and manage predictive analytics solutions in the cloud.
  • A Azure Cache para Redis armazena pontuações de afinidade de produtos pré-computados para utilizadores sem histórico.Azure Cache for Redis stores pre-computed cold-start product affinity scores for users without history.
  • Power BI Visualiza os dados da atividade do utilizador, bem como as ofertas apresentadas pela leitura em dados da Cosmos DB.Power BI Visualizes user activity data as well as offers presented by reading in data from Cosmos DB.

Passos seguintesNext steps