Изменить

Персонализированные предложения

Центры событий Azure
Функции Azure
Машинное обучение Azure
Хранилище Azure
Azure Stream Analytics

Идеи решения

Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам, предоставив отзыв GitHub.

Это решение создает интеллектуальные маркетинговые системы, которые предоставляют содержимое, адаптированное для клиентов, с помощью моделей машинного обучения, которые анализируют данные из нескольких источников. К ключевым технологиям, используемым, относятся интеллектуальные Рекомендации и Персонализатор Azure.

Архитектура

Architecture diagram that shows how personalized offers are generated by incorporating product and offer views.

Скачайте файл Visio для этой архитектуры.

Поток данных

  1. Приложение-функция Azure фиксирует необработанные действия пользователя (например, щелчки продукта и предложения) и предложения, сделанные пользователям на веб-сайте. Действие отправляется в Центры событий Azure. В областях, в которых действие пользователя недоступно, имитированное действие пользователя хранится в Кэш Azure для Redis.
  2. Azure Stream Analytics анализирует данные, чтобы обеспечить аналитику в режиме реального времени в входном потоке из экземпляра Центры событий Azure.
  3. Агрегированные данные отправляются в Azure Cosmos DB для NoSQL.
  4. Power BI используется для поиска аналитических сведений об агрегированных данных.
  5. Необработанные данные отправляются в хранилище Azure Data Lake.
  6. Интеллектуальная Рекомендации использует необработанные данные из Azure Data Lake служба хранилища и предоставляет рекомендации персонализатору Azure.
  7. Служба Персонализатора обслуживает лучшие контекстные и персонализированные продукты и предложения.
  8. Данные об имитации действий пользователей предоставляются службе Персонализатора для предоставления персонализированных продуктов и предложений.
  9. Результаты предоставляются в веб-приложении, к которому обращается пользователь.
  10. Отзывы пользователей фиксируются на основе реакции пользователя на отображаемые предложения и продукты. Оценка вознаграждения предоставляется службе Персонализатора, чтобы сделать ее лучше с течением времени
  11. Переобучение для интеллектуальной Рекомендации может привести к улучшению рекомендаций. Этот процесс также можно выполнить с помощью обновленных данных из Azure Data Lake служба хранилища.

Компоненты

  • Центры событий — это полностью управляемая платформа потоковой передачи . В этом решении Центры событий собирают данные потребления в режиме реального времени.
  • Stream Analytics предлагает бессерверную обработку потоков в режиме реального времени. Эта служба предоставляет способ выполнения запросов в облаке и на пограничных устройствах. В этом решении Stream Analytics объединяет данные потоковой передачи и делает его доступным для визуализации и обновлений.
  • Azure Cosmos DB — это многомодельная глобально распределенная база данных. Azure Cosmos DB позволяет гибко масштабировать пропускную способность и ресурсы хранилища в любом количестве географических регионов. Azure Cosmos DB для NoSQL хранит данные в формате документа и является одним из нескольких API базы данных, которые предлагает Azure Cosmos DB. В реализации этого решения GitHub DocumentDB использовался для хранения сведений о клиенте, продукте и предложении, но также можно использовать Azure Cosmos DB для NoSQL. Дополнительные сведения см. в статье " Дорогие клиенты DocumentDB", добро пожаловать в Azure Cosmos DB!.
  • служба хранилища — это облачное хранилище, которое включает в себя хранилище объектов, файлов, дисков, очередей и таблиц. К службам относятся решения и средства гибридного хранилища для передачи, совместного использования и резервного копирования данных. Это решение использует служба хранилища для управления очередями, которые имитируют взаимодействие с пользователем.
  • Функции — это бессерверная платформа вычислений, которую можно использовать для создания приложений. С помощью функций можно использовать триггеры и привязки для интеграции служб. Это решение использует Функции для координации имитации пользователей. Функции также являются основным компонентом, который создает персонализированные предложения.
  • Машинное обучение — это облачная среда, которую можно использовать для обучения, развертывания, автоматизации, управления и отслеживания моделей машинного обучения. Здесь Машинное обучение использовать настройки каждого пользователя и журнал продуктов для предоставления оценки сопоставления пользователей к продукту.
  • Кэш Azure для Redis предоставляет хранилище данных в памяти, основанное на программном обеспечении Redis. Кэш Azure для Redis предоставляет возможности Redis с открытым кодом в виде полностью управляемого предложения. В этом решении Кэш Azure для Redis предоставляет предварительно вычисляемые сопоставления продуктов для клиентов без доступной истории пользователей.
  • Power BI — это служба бизнес-аналитики, которая предоставляет интерактивные визуализации и возможности бизнес-аналитики. Его простой интерфейс позволяет создавать собственные отчеты и панели мониторинга. Это решение использует Power BI для отображения действий в режиме реального времени в системе. Например, Power BI использует данные из Azure Cosmos DB для NoSQL для отображения ответа клиента на различные предложения.
  • Data Lake Storage — это масштабируемый репозиторий хранилища, содержащий большой объем данных в собственном необработанном формате.

Описание решения

В современной высококонкурентной и подключенной среде современные предприятия больше не могут выжить на универсальном, статичном онлайн-контенте. Кроме того, маркетинговые стратегии, использующие традиционные инструменты, могут быть дорогостоящими и трудными для реализации. В результате они не производят желаемую отдачу от инвестиций. Эти системы часто не могут воспользоваться полными преимуществами собранных данных при создании более персонализированного интерфейса для пользователей.

Презентация предложений, настроенных для каждого пользователя, стала важной для создания лояльности клиентов и сохранения прибыли. На веб-сайте розничной торговли клиенты хотят интеллектуальных систем, которые предоставляют предложения и содержимое на основе своих уникальных интересов и предпочтений. Сегодняшние группы цифрового маркетинга могут создавать эту аналитику с помощью данных, созданных из всех типов взаимодействия с пользователем.

Теперь у рыночных пользователей есть возможность предоставлять высоко релевантные и персонализированные предложения каждому пользователю, анализируя огромные объемы данных. Но создание надежной и масштабируемой инфраструктуры больших данных не является тривиальной. И разработка сложных моделей машинного обучения, персонализированных для каждого пользователя, также является сложной задачей.

Интеллектуальная Рекомендации предоставляет возможности для обеспечения необходимых результатов, таких как рекомендации по элементам, основанные на взаимодействии пользователей и метаданных. Его можно использовать для повышения и персонализации любого типа контента, например продаваемых продуктов, мультимедиа, документов, предложений и т. д.

Персонализатор Azure — это служба, которая входит в состав Azure Cognitive Services. Его можно использовать для определения того, какой продукт предложить покупателям или выяснить оптимальную позицию для рекламы. Персонализатор выступает в качестве дополнительного рангера последнего шага. После отображения рекомендаций пользователю реакция пользователя отслеживается и сообщается как оценка вознаграждения обратно в службу Персонализатора. Этот процесс гарантирует непрерывное обучение службы и повышает способность Персонализатора выбирать лучшие элементы на основе полученных контекстных сведений.

Microsoft Azure предоставляет расширенные средства аналитики в областях приема данных, хранения данных, обработки данных и компонентов расширенной аналитики — все необходимые элементы для создания персонализированного решения предложения.

Системный интегратор

Вы можете сэкономить время при реализации этого решения, нанимав обученного интегратора системы (SI). Si может помочь вам разработать доказательство концепции и помочь развернуть и интегрировать решение.

Потенциальные варианты использования

Это решение относится к маркетингу товаров и услуг на основе данных клиентов (продукты, просматриваемые и /или приобретенные). Это может быть применимо в следующих областях:

  • Электронная коммерция — это область, в которой персонализация широко используется с поведением клиентов и рекомендациями по продуктам.

  • Розничная торговля — на основе предыдущих данных покупки, рекомендаций и предложений можно предоставлять по продуктам.

  • Telecom — на основе взаимодействия пользователей в этой области можно предоставить рекомендации. По сравнению с другими отраслями, диапазоны продуктов и предложений могут быть ограничены.

Соавторы

Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующими участник.

Автор субъекта:

Чтобы просмотреть недоступные профили LinkedIn, войдите в LinkedIn.

Следующие шаги