Lösningsidéer
Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub-feedback.
Azure-tjänster kan extrahera insikter från sociala medier som du kan använda i marknadsföringskampanjer för stordata.
Arkitektur
Ladda ned en Visio-fil med den här arkitekturen.
Dataflöde
- Azure Synapse Analytics berikar data i dedikerade SQL-pooler med modellen som är registrerad i Azure Machine Learning via en lagrad procedur.
- Azure AI-tjänster berikar data genom att köra attitydanalys, förutsäga övergripande betydelse, extrahera relevant information och tillämpa andra AI-funktioner. Machine Learning används för att utveckla en maskininlärningsmodell och registrera modellen i Machine Learning-registret.
- Azure Data Lake Storage tillhandahåller lagring för maskininlärningsdata och en cache för träning av maskininlärningsmodellen.
- Funktionen Web Apps i Azure App Service används för att skapa och distribuera skalbara affärskritiska webbprogram. Power BI tillhandahåller en interaktiv instrumentpanel med visualiseringar som använder data som lagras i Azure Synapse Analytics för att fatta beslut om förutsägelserna.
Komponenter
Azure Synapse Analytics är en integrerad analystjänst som påskyndar tiden till insikter i informationslager och stordatasystem.
Azure AI-tjänster består av molnbaserade tjänster som tillhandahåller AI-funktioner. REST-API:er och SDK:er för klientbibliotek hjälper dig att bygga in kognitiv intelligens i appar även om du inte har AI- eller datavetenskapskunskaper.
Machine Learning är en molnbaserad miljö som du kan använda för att träna, distribuera, automatisera, hantera och spåra maskininlärningsmodeller.
Data Lake Storage är en massivt skalbar och säker datasjö för arbetsbelastningar med hög prestandaanalys.
App Service tillhandahåller ett ramverk för att skapa, distribuera och skala webbappar. Funktionen Web Apps är en tjänst för att vara värd för webbprogram, REST-API:er och mobila serverdelar.
Power BI är en samling analystjänster och appar. Du kan använda Power BI för att ansluta och visa orelaterade datakällor.
Information om scenario
Marknadsföringskampanjer handlar om mer än det meddelande som du levererar. När och hur du levererar det meddelandet är lika viktigt. Utan ett databaserat analytiskt förhållningssätt kan kampanjer lätt gå miste om affärsmöjligheter och ha svårt att nå fram.
Idag baseras marknadsföringskampanjer ofta på analys av sociala medier, vilket har blivit allt viktigare för företag och organisationer runt om i världen. Analys av sociala medier är ett kraftfullt verktyg som du kan använda för att få omedelbar feedback om produkter och tjänster, förbättra interaktioner med kunder för att öka kundnöjdheten, hålla jämna stund med konkurrensen med mera. Företag saknar ofta effektiva, livskraftiga sätt att övervaka konversationer på sociala medier. Som ett resultat missar de otaliga möjligheter att använda dessa insikter för att informera sina strategier och planer.
Potentiella användningsfall
Om du kan extrahera information om dina kunder från sociala medier kan du förbättra kundupplevelsen, öka kundnöjdheten, få nya leads och förhindra kundomsättning. Dessa tillämpningar av analys av sociala medier faller inom tre huvudområden:
Mäta varumärkeshälsa:
- Fånga kundernas reaktioner och feedback för nya produkter på sociala medier.
- Analysera sentiment på sociala medier interaktioner för en nyligen introducerad produkt.
Skapa och underhålla kundrelationer:
- Identifiera kundproblem snabbt.
- Lyssna på untagged varumärke omnämnanden.
Optimera marknadsföringsinvesteringar:
- Extrahera insikter från sociala medier för kampanjanalys.
Deltagare
Den här artikeln underhålls av Microsoft. Det har ursprungligen skrivits av följande medarbetare.
Huvudförfattare:
- Christina Skarpathiotaki | Arkitekt för AI-molnlösning
Övriga medarbetare:
- Nicholas Moore | Molnarkitektur/Data/Artificiell intelligens
Nästa steg
Läs mer med följande utbildningsvägar:
- Skapa maskininlärningsmodeller
- Skapa AI-lösningar med Azure Machine Learning
- Dataintegrering i stor skala med Azure Data Factory eller Azure Synapse Pipeline
- Attitydanalys med Azure AI-tjänster i Azure Synapse Analytics
- Självstudie: Textanalys med Azure AI-tjänster
Information om lösningskomponenter finns i följande resurser:
- Dokumentation om Azure Machine Learning
- Azure Synapse Analytics-dokumentation
- Dokumentation om Azure AI-tjänster
- Power BI-dokumentation.
- Översikt över App Service
- Träna maskininlärningsmodeller i Azure Synapse Analytics
- Bedömning av maskininlärningsmodeller för dedikerade SQL-pooler i Azure Synapse Analytics
- Maskininlärning med Apache Spark i Azure Synapse Analytics