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
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
- Hubs de Eventos
- Azure Stream Analytics
- BD do Cosmos para o Azure
- Armazenamento do Azure
- Funções do Azure
- Azure Machine Learning
- Cache do Azure para Redis
- Power BI
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:
- Saiba mais sobre Hubs de Eventos
- Saiba mais sobre o Stream Analytics
- Saiba como usar o Azure Cosmos DB
- Saiba mais sobre o Armazenamento do Azure
- Saiba como criar funções
- Saiba mais sobre o aprendizado de máquina
- Saiba como usar o Cache Redis do Azure
- Saiba mais sobre o Power BI
Experimente um percurso de aprendizagem:
- Implementar uma solução de streaming de dados com o Azure Streaming Analytics
- Crie um modelo de Machine Learning
- Criar aplicativos sem servidor com o Azure Functions
Recursos relacionados
Leia outros artigos do Centro de Arquitetura do Azure: