Neredeyse gerçek zamanlı olarak kişiselleştirilmiş pazarlama çözümleri oluşturun

Cosmos DB
Event Hubs
İşlevler
Machine Learning
Stream Analytics

Çözüm fikri

bizi görmek isterseniz, olası kullanım durumları, alternatif hizmetler, uygulama değerlendirmeleri veya fiyatlandırma kılavuzu gibi daha fazla bilgi için bu makaleyi genişlettikten sonra GitHub geri bildirimdebulunun!

Kişiselleştirilmiş pazarlama, müşteri bağlılık programı ve kalan karanın oluşturulması için gereklidir. Müşterilere ulaşma ve bu uygulamaları devreye alma, her zamankinden daha zor ve genel teklifleriniz kolayca kaçırıldı veya yoksayıldı. Geçerli pazarlama sistemleri, bu sorunu çözmeye yardımcı olabilecek verilerden yararlanamaz.

Akıllı sistemleri kullanan pazarlamacılar ve çok büyük miktarlarda veri analizi, her kullanıcıya yüksek düzeyde ilgili ve kişiselleştirilmiş teklifler sunarak, dağınıklığı ve test etmeyi sağlar. Örneğin, perakendeciler, her bir müşterinin benzersiz ilgi alanları, tercihleri ve ürün benzeşimi temelinde teklifler ve içerikler sunarak, ürünleri satın alma olasılığı en yüksek olan kişilerin önüne koymasına olanak sağlayabilir.

bu mimaride, Azure işlevleri, Azure Machine Learningve Azure Stream Analyticsile teklifleri kişiselleştirbir çözüm nasıl oluşturabileceğiniz gösterilmektedir.

Olası kullanım örnekleri

Tekliflerinizi kişiselleştirerek, geçerli ve potansiyel müşteriler için kişiselleştirilmiş bir deneyim sunarak, görevlendirmeyi artırıp müşteri dönüştürme, ömür değeri ve bekletme özelliklerini geliştirir.

Mimari

Mimari diyagramı: makine öğrenimi ve neredeyse gerçek zamanlı analiz ile teklifleri kişiselleştirme.Bu mimarinin bir SVG indirin.

Bileşenler

  • Azure Işlevlerinden ham tıklama akışı verilerini Event Hubs ve Stream Analytics üzerine geçirir.
  • Azure Stream Analytics toplamalar, ürüne, teklifine ve kullanıcıya göre neredeyse gerçek zamanlı olarak tıklamalıdır. Azure Cosmos DB yazar ve ayrıca ham tıklama akışı verilerini Azure Depolama 'a arşivler.
  • Azure Cosmos DB , kullanıcı, ürün ve kullanıcı profili bilgilerini sunan, tıklamaların toplanmış verilerini depolar.
  • Azure Depolama arşivlenmiş ham tıklama akışı verilerini Stream Analytics depolar.
  • Azure işlevleri , web sitelerinden kullanıcı tıklama akışı verilerini alır ve Azure Cosmos DB mevcut kullanıcı geçmişini okur. bu veriler daha sonra Machine Learning web hizmeti aracılığıyla çalıştırılır veya ürün benzeşimi puanlarını elde etmek üzere redto için Azure önbelleğindeki soğuk başlama verileriyle birlikte kullanılır. Ürün benzeşimi puanları, kişiselleştirilmiş teklif mantığı ile birlikte kullanılır ve kullanıcıya sunulan en ilgili teklifi tespit edin.
  • Azure Machine Learning , tahmine dayalı analiz çözümlerini bulutta tasarlamanıza, test etmenize, kullanıma almanıza ve yönetmenize yardımcı olur.
  • Redsıs Için Azure önbelleği , geçmişi olmayan kullanıcılar için önceden hesaplanmış soğuk başlatma ürün benzeşimi puanlarını depolar.
  • Power BI , kullanıcı etkinliği verilerinin görselleştirilmesini ve Cosmos DB verileri okuyarak sunulan teklifleri sağlar.

Sonraki adımlar

Ürün belgelerine bakın:

Microsoft Learn yolunu deneyin:

Diğer Azure Mimari Merkezi makalelerini okuyun: