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 solução cria sistemas de marketing inteligentes que fornecem conteúdo personalizado para o cliente usando modelos de aprendizado de máquina que analisam dados de várias fontes. As principais tecnologias utilizadas incluem as Recomendações Inteligentes e o Azure Personalizer.
Arquitetura
Transfira um ficheiro do Visio desta arquitetura.
Fluxo de dados
- Um aplicativo Azure Function captura a atividade bruta do usuário (como cliques em produtos e ofertas) e as ofertas feitas aos usuários no site. A atividade é enviada para os Hubs de Eventos do Azure. Em áreas onde a atividade do usuário não está disponível, a atividade simulada do usuário é armazenada no Cache do Azure para Redis.
- O Azure Stream Analytics analisa os dados para fornecer análises quase em tempo real no fluxo de entrada da instância dos Hubs de Eventos do Azure.
- Os dados agregados são enviados para o Azure Cosmos DB para NoSQL.
- O Power BI é usado para procurar informações sobre os dados agregados.
- Os dados não processados são enviados para o Armazenamento do Azure Data Lake.
- As Recomendações Inteligentes usam os dados brutos do Armazenamento do Azure Data Lake e fornecem recomendações para o Personalizador do Azure.
- O serviço Personalizador serve os melhores produtos e ofertas contextuais e personalizados.
- Dados simulados de atividade do usuário são fornecidos ao serviço Personalizador para fornecer produtos e ofertas personalizados.
- Os resultados são fornecidos no aplicativo Web que o usuário acessa.
- O feedback do usuário é capturado com base na reação do usuário às ofertas e produtos exibidos. A pontuação de recompensa é fornecida ao serviço Personalizador para que ele tenha um melhor desempenho ao longo do tempo
- A reciclagem para Recomendações Inteligentes pode resultar em melhores recomendações. Esse processo também pode ser feito usando dados atualizados do Armazenamento Azure Data Lake.
Componentes
- Os Hubs de Eventos são uma plataforma de streaming totalmente gerenciada. Nesta solução, os Hubs de Eventos recolhem dados de consumo em tempo real.
- O Stream Analytics oferece processamento de fluxo sem servidor em tempo real. Este serviço fornece uma maneira de executar consultas na nuvem e em dispositivos de borda. Nesta solução, o Stream Analytics agrega os dados de streaming e os disponibiliza para visualização e atualizações.
- O Azure Cosmos DB é um banco de dados multimodelo distribuído globalmente. Com o Azure Cosmos DB, suas soluções podem dimensionar elasticamente a taxa de transferência e o armazenamento em qualquer número de regiões geográficas. O Azure Cosmos DB para NoSQL armazena dados em formato de documento e é uma das várias APIs de banco de dados que o Azure Cosmos DB oferece. Na implementação do GitHub dessa solução, o Banco de Dados de Documentos foi usado para armazenar informações sobre o cliente, o produto e a oferta, mas você também pode usar o Azure Cosmos DB para NoSQL. Para obter mais informações, consulte Caros clientes do Banco de Dados de Documentos, bem-vindos ao Azure Cosmos DB!.
- O armazenamento é uma solução de armazenamento em nuvem que inclui armazenamento de objetos, arquivos, discos, filas e tabelas. Os serviços incluem soluções de armazenamento híbrido e ferramentas para transferência, compartilhamento e backup de dados. Essa solução usa o armazenamento para gerenciar as filas que simulam a interação do usuário.
- O Functions é uma plataforma de computação sem servidor que você pode usar para criar aplicativos. Com o Functions, você pode usar gatilhos e associações para integrar serviços. Esta solução utiliza Funções para coordenar a simulação do utilizador. As funções são também o componente central que gera ofertas personalizadas.
- O Machine Learning é um ambiente baseado em nuvem que você pode usar para treinar, implantar, automatizar, gerenciar e rastrear modelos de aprendizado de máquina. Aqui, o Machine Learning usa as preferências de cada usuário e o histórico do produto para fornecer a pontuação de afinidade de usuário para produto.
- O Cache do Azure para Redis fornece um armazenamento de dados na memória baseado no software Redis. O Cache Redis do Azure fornece recursos Redis de código aberto como uma oferta totalmente gerenciada. Nesta solução, o Cache Redis do Azure fornece afinidades de produto pré-computadas para clientes sem histórico de usuário disponível.
- O Power BI é um serviço de análise de negócios que fornece visualizações interativas e recursos de business intelligence. Sua interface fácil de usar possibilita que você crie seus próprios relatórios e painéis. Esta solução utiliza o Power BI para apresentar atividade em tempo real no sistema. Por exemplo, o Power BI usa os dados do Azure Cosmos DB para NoSQL para exibir a resposta do cliente a várias ofertas.
- O Data Lake Storage é um repositório de armazenamento escalável que contém uma grande quantidade de dados no formato nativo e bruto dos dados.
Detalhes da solução
No ambiente altamente competitivo e conectado de hoje, as empresas modernas não podem mais sobreviver com conteúdo on-line genérico e estático. Além disso, as estratégias de marketing que usam ferramentas tradicionais podem ser caras e difíceis de implementar. Como resultado, eles não produzem o retorno desejado sobre o investimento. Esses sistemas muitas vezes não aproveitam ao máximo os dados coletados quando criam uma experiência mais personalizada para os usuários.
Apresentar ofertas personalizadas para cada utilizador tornou-se essencial para fidelizar os clientes e manter-se rentável. Em um site de varejo, os clientes desejam sistemas inteligentes que forneçam ofertas e conteúdo com base em seus interesses e preferências exclusivos. As equipes de marketing digital de hoje podem construir essa inteligência usando os dados gerados a partir de todos os tipos de interações do usuário.
Os profissionais de marketing agora têm a oportunidade de oferecer ofertas altamente relevantes e personalizadas para cada usuário, analisando grandes quantidades de dados. Mas construir uma infraestrutura de big data confiável e escalável não é trivial. E desenvolver modelos sofisticados de machine learning que sejam personalizados para cada usuário também é uma tarefa complexa.
As Recomendações Inteligentes oferecem recursos para gerar os resultados desejados, como recomendações de itens baseadas em interações e metadados do usuário. Ele pode ser usado para promover e personalizar qualquer tipo de conteúdo, como produtos vendáveis, mídia, documentos, ofertas e muito mais.
O Azure Personalizer é um serviço que faz parte dos Serviços Cognitivos do Azure. Ele pode ser usado para determinar qual produto sugerir aos compradores ou para descobrir a posição ideal para um anúncio. O personalizador atua como o ranker adicional de última etapa. Depois que as recomendações são mostradas ao usuário, a reação do usuário é monitorada e relatada como uma pontuação de recompensa de volta ao serviço Personalizador. Esse processo garante que o serviço esteja aprendendo continuamente e melhora a capacidade do Personalizador de selecionar os melhores itens com base nas informações contextuais recebidas.
O Microsoft Azure fornece ferramentas de análise avançadas nas áreas de ingestão de dados, armazenamento de dados, processamento de dados e componentes de análise avançada — todos os elementos essenciais para criar uma solução de oferta personalizada.
Integrador de sistemas
Você pode economizar tempo ao implementar essa solução contratando um integrador de sistemas (SI) treinado. O SI pode ajudá-lo a desenvolver uma prova de conceito e pode ajudar a implantar e integrar a solução.
Potenciais casos de utilização
Esta solução aplica-se à comercialização de bens e serviços com base nos dados dos clientes (produtos visualizados e/ou adquiridos). Tal poderá ser aplicável nos seguintes domínios:
E-commerce - Esta é uma área onde a personalização é amplamente utilizada com o comportamento do cliente e recomendações de produtos.
Retalho - Com base em dados de compra prévia, podem ser fornecidas recomendações e ofertas sobre os produtos.
Telecom - Com base na interação do usuário nesta área, recomendações podem ser fornecidas. Em comparação com outras indústrias, as gamas de produtos e ofertas podem ser limitadas.
Contribuidores
Este artigo é mantido pela Microsoft. Foi originalmente escrito pelos seguintes contribuidores.
Autor principal:
- Mahi Sundararajan - Brasil | Engenheiro de Clientes Sênior
Para ver perfis não públicos do LinkedIn, inicie sessão no LinkedIn.
Próximos passos
- MLOps: Gerenciamento, implantação, linhagem e monitoramento de modelos com o Azure Machine Learning
- Criar uma API de recomendação em tempo real no Azure
- Certificação Microsoft: Certificação Data Scientist Associate
- Criar um modelo de classificação com o designer do Azure Machine Learning, sem necessidade de codificação
- Utilize a aprendizagem automática no Azure Machine Learning e saiba como criar um modelo de aprendizagem automática de arrastar e largar
- Hubs de Eventos do Azure — uma plataforma de streaming de big data e um serviço de ingestão de eventos
- Bem-vindo ao Azure Stream Analytics
- Bem-vindo ao Azure Cosmos DB
- Introdução ao Armazenamento do Azure
- Introdução às Funções do Azure
- O que é o Azure Machine Learning?
- Sobre o Cache Redis do Azure
- Criar relatórios e dashboards no Power BI – documentação
- Introdução ao Azure Data Lake Storage Gen2