Оптимизация маркетинговой кампании с помощью SQL ServerCampaign Optimization with SQL Server

Концепция решения Solution Idea

Если вы хотите ознакомиться с этой статьей, дополнительные сведения (сведения о реализации, рекомендации по ценам, примеры кода и т. д.), сообщите нам о отзывах в GitHub!If you'd like to see us expand this article with more information (implementation details, pricing guidance, code examples, etc), let us know with GitHub Feedback!

Это решение демонстрирует, как построить и развернуть модель машинного обучения с помощью SQL Server 2016 со службами R, чтобы рекомендовать действия по максимизации количества потенциальных клиентов, на которых нацелена кампания.This solution demonstrates how to build and deploy a machine learning model with SQL Server 2016 with R Services to recommend actions to maximize the purchase rate of leads targeted by a campaign.

АрхитектураArchitecture

Схема архитектуры . Скачайте SVG этой архитектуры.Architecture Diagram Download an SVG of this architecture.

ОбзорOverview

Когда компания запускает маркетинговую кампанию для привлечения клиентов в новых или существующих продуктах, они часто используют набор бизнес-правил, чтобы выбрать интересы для своей кампании.When a business launches a marketing campaign to interest customers in new or existing product(s), they often use a set of business rules to select leads for their campaign to target. Машинное обучение можно использовать для повышения скорости ответа от этих интересов.Machine learning can be used to help increase the response rate from these leads. В этом решении показано, как использовать модель для прогнозирования действий, которые должны обеспечить максимальную скорость покупки интересов, на которые нацелена кампания.This solution demonstrates how to use a model to predict actions that are expected to maximize the purchase rate of leads targeted by the campaign. Эти прогнозы служат для получения рекомендаций по обновленным кампаниям по вопросам связи (например, по электронной почте, SMS или холодный вызов), а также по вопросам связи (день недели и время суток) целевых интересов.These predictions serve as the basis for recommendations to be used by a renewed campaign on how to contact (for example, e-mail, SMS, or cold call) and when to contact (day of week and time of day) the targeted leads. Представленное здесь решение использует смоделированные данные из страховой отрасли для моделирования ответов интересов в кампанию.The solution presented here uses simulated data from the insurance industry to model responses of the leads to the campaign. Прогностические факторы модели содержат демографические сведения о потенциальных интересах, объеме исторических кампаний и сведения о продукте.The model predictors include demographic details of the leads, historical campaign performance, and product-specific details. Модель прогнозирует вероятность того, что каждый интерес в базе данных выполняет покупку из канала, каждый день недели в различные моменты дня.The model predicts the probability that each lead in the database makes a purchase from a channel, on each day of the week at various times of day. Рекомендации по использованию канала, дня недели и времени суток, которые следует использовать при работе с конечными пользователями, основаны на комбинации канала и времени, которые прогнозирует модель, получат наибольшую вероятность покупки.Recommendations on which channel, day of week and time of day to use when targeting users are based then on the channel and timing combination that the model predicts will have the highest probability a purchase being made.

Решение для оптимизации кампании Microsoft Marketing — это сочетание модели прогнозирования машинного обучения и интерактивного средства визуализации, PowerBI.The Microsoft Marketing Campaign Optimization solution is a combination of a Machine learning prediction model and an interactive visualization tool, PowerBI. Решение используется для увеличения скорости ответа на кампанию путем использования канала для связи (например, электронной почты, SMS или холодного вызова), а также для связи (день недели и время суток) целевых интересов для использования в новой кампании.The solution is used to increase the response rate to a campaign by recommending the channel to contact (for example, e-mail, SMS, or cold call) as well as when to contact (day of week and time of day) targeted leads for use in a new campaign. Решение использует смоделированные данные, которые можно легко настроить для использования данных вашей организации, чтобы смоделировать ответ от кампании по приобретению.The solution uses simulated data, which can easily be configured to use your own organization's data, to model the acquisition campaign response. Модель использует такие прогностические факторы, как демографические данные, производительность исторических кампаний и сведения о продукте.The model uses predictors such as demographics, historical campaign performance and product details. Решение прогнозирует вероятность преобразования интереса из каждого канала в различные моменты дня и дней недели для каждого интереса в базе данных.The solution predicts the probability of a lead conversion from each channel, at various times of the day and days of the week, for every lead in the database. Окончательная рекомендация для каждого интереса выбирается на основе сочетания канала, дня недели и времени суток с наибольшей вероятностью преобразования.The final recommendation for targeting each lead is decided based upon the combination of channel, day of week and time of day with the highest probability of conversion. Решение было смоделировано после стандартизованного процесса обработки и анализа данных, в котором подготовка данных, обучение модели и оценка можно легко выполнить с помощью анализу данных и визуального представления и сопоставления с ключевыми показателями эффективности с помощью Power BI визуализации.The solution has been modeled after a standardized data science process, where the data preparation, model training and evaluation can be easily done by a data scientist and the insights visualized and correlated to KPIs by marketing via Power BI visualization.

Перспектива Business ManagerBusiness Manager Perspective

Этот шаблон решения использует (моделируется) исторические данные для прогнозирования того, как и когда следует связываться с интересами для кампании.This solution template uses (simulated) historical data to predict how and when to contact leads for your campaign. Рекомендации включают в себя лучший канал для связи с интересом (в нашем примере это электронная почта, SMS или холодный вызов), лучший день недели и лучшее время дня, когда нужно сделать контакт.The recommendations include the best channel to contact a lead (in our example, email, SMS, or cold call), the best day of the week and the best time of day in which to make the contact.

SQL Server R Services выводит вычислительные данные, позволяя запускать R на том же компьютере, что и база данных.SQL Server R Services brings the compute to the data by allowing R to run on the same computer as the database. Она включает службу базы данных, которая запускает аутсиде'се SQL Server процесс и безопасно взаимодействует с средой выполнения R.It includes a database service that runs outside'the SQL Server process and communicates securely with the R runtime.

Этот пакет решения показывает, как создавать и уточнять данные, обучать модели R и выполнять прогнозы на SQL Server компьютере.This solution packet shows how to create and refine data, train R models, and perform predictions on the SQL Server machine. В таблице окончательных прогнозов в SQL Server содержатся рекомендации по обращению к каждому интересу.The final predictions table in SQL Server provides recommendations for how and when to contact each lead. Затем эти данные выявляются визуально в Power BI.This data is then visualized in Power BI.

Power BI также предоставляет визуальные сводки по эффективности рекомендаций по кампании (показанных здесь с смоделированными данными).Power BI also presents visual summaries of the effectiveness of the campaign recommendations (shown here with simulated data). Вы можете испытать эту панель мониторинга, щелкнув ссылку попробовать сейчас.You can try out this dashboard by clicking the Try it Now link.

На вкладке рекомендации этой панели мониторинга отображаются прогнозируемые рекомендации.The Recommendations tab of this dashboard shows the predicted recommendations. В верхней части находится таблица отдельных интересов для нашего нового развертывания.At the top is a table of individual leads for our new deployment. Сюда входят поля для идентификатора интереса, кампании и продукта, заполненные интересами, к которым применяются бизнес-правила.This includes fields for the lead ID, campaign and product, populated with leads on which our business rules are to be applied. За этим следуют прогнозы модели для интересов, предоставляя оптимальный канал и время для связи с каждым из них, а затем предполагаемые вероятности, которые интересы будут покупать наш продукт с помощью этих рекомендаций.This is followed by the model predictions for the leads, giving the optimal channel and time to contact each one, and then the estimated probabilities that the leads will buy our product using these recommendations. Эти вероятности можно использовать для повышения эффективности кампании за счет ограничения количества интересов, к которым осуществляется обращение, к подмножеству, которое, скорее всего, будет приобретено.These probabilities can be used to increase the efficiency of the campaign by limiting the number of leads contacted to the subset most likely to buy.

Кроме того, на вкладке рекомендации представлены различные сводки рекомендаций и демографические сведения о потенциальных клиентах.Also on the Recommendations tab are various summaries of recommendations and demographic information on the leads.

На вкладке Сводка по кампании на панели мониторинга отображаются сводки исторических данных, использованных для создания прогнозируемых рекомендаций.The Campaign Summary tab of the dashboard shows summaries of the historical data used to create the predicted recommendations. Хотя на этой вкладке также показаны значения дня недели, времени суток и канала, эти значения являются реальными за прошлые наблюдения, не следует путать с рекомендациями, показанными на вкладке рекомендации.While this tab also shows values of Day of Week, Time of Day, and Channel, these values are actual past observations, not to be confused with the recommendations shown on the Recommendations tab.

Перспектива "анализу данных"Data Scientist Perspective

SQL Server R Services выводит вычислительные данные, выполняя R на компьютере, на котором размещена база данных.SQL Server R Services brings the compute to the data by running R on the computer that hosts the database. Она включает службу базы данных, которая работает вне процесса SQL Server и безопасно взаимодействует со средой выполнения R.It includes a database service that runs outside the SQL Server process and communicates securely with the R runtime.

В этом решении описаны шаги по созданию и уточнению данных, обучению моделей R и выполнению оценки на SQL Server компьютере.This solution walks through the steps to create and refine data, train R models, and perform scoring on the SQL Server machine. В окончательной таблице оцененной базы данных в SQL Server приводятся рекомендации по связи с каждым из потенциальных клиентов.The final scored database table in SQL Server gives the recommendations for how and when to contact each lead. Затем эти данные будут визуально представлены в PowerBI, что также содержит сводку по успешности рекомендаций, использованных в новой кампании после ее завершения.This data is then visualized in PowerBI, which also contains a summary of the success of the recommendations used in your new campaign after it has completed. (Смоделированные данные показаны в этом шаблоне для иллюстрации этой функции.)(Simulated data is shown in this template to illustrate the feature.)

Специалисты по обработке и анализу данных, которые проверяют и разрабатывают решения, могут работать с удобством их интегрированной среды разработки R на клиентском компьютере, при этом выполняя вычисление на SQL Server компьютере.Data scientists who are testing and developing solutions can work from the convenience of their R IDE on their client machine, while pushing the compute to the SQL Server machine. Завершенные решения развертываются в SQL Server 2016 путем встраивания вызовов R в хранимые процедуры.The completed solutions are deployed to SQL Server 2016 by embedding calls to R in stored procedures. Эти решения можно дополнительно автоматизировать с помощью SQL Server Integration Services и SQL Server Agent.These solutions can then be further automated with SQL Server Integration Services and SQL Server agent.

Нажмите кнопку "развернуть", чтобы протестировать автоматизацию, и все решение будет доступно в вашей подписке Azure.Click on the Deploy button to test the automation and the entire solution will be made available in your Azure subscription.

ЦеныPricing

Ваша подписка Azure, используемая для развертывания, будет взимать плату за использование служб, используемых в этом решении, приблизительно $1,15 доллара/час для виртуальной машины по умолчанию.Your Azure subscription used for the deployment will incur consumption charges on the services used in this solution, approximately $1.15/hour for the default VM.

Убедитесь, что вы останавливаете экземпляр виртуальной машины, когда не активно используете решение.Please ensure that you stop your VM instance when not actively using the solution. При выполнении виртуальной машины будет взиматься более высокая стоимость.Running the VM will incur higher costs.

Если вы не используете решение, удалите его.Please delete the solution if you are not using it.