Kişiselleştirilmiş teklifler

Event Hubs
İşlevler
Machine Learning
Depolama
Stream Analytics

Çözüm Fikri

Olası kullanım örnekleri, alternatif hizmetler, uygulama konuları veya fiyatlandırma kılavuzu gibi daha fazla bilgiyle bu makaleyi genişletmemizi görmek için Geri Bildirim' GitHub bize bildirin!

Günümüzün son derece rekabetçi ve bağlantılı ortamında modern işletmeler artık genel, statik çevrimiçi içeriklerle hayatta kalamaz. Ayrıca geleneksel araçları kullanan pazarlama stratejileri genellikle pahalıdır, uygulanması zordur ve istenen yatırım getirilerini üretmez. Bu sistemler genellikle kullanıcı için daha kişiselleştirilmiş bir deneyim oluşturmak için toplanan verilerden tam olarak yararlanamaz.

Kullanıcı için özelleştirilmiş teklifleri ortaya çıkararak müşteri bağlılığını sağlamak ve kârlılığı devam etmek önemli hale geldi. Bir perakende web sitesinde müşteriler, benzersiz ilgi alanları ve tercihlerine göre teklif ve içerik sağlayan akıllı sistemler tercih eder. Günümüzün dijital pazarlama ekipleri, tüm kullanıcı etkileşim türlerinden oluşturulan verileri kullanarak bu zekayı derlemeye devam ediyor.

Büyük miktarlardaki verileri analiz ederek, pazarlamacılar her kullanıcıya yüksek oranda ilgili ve kişiselleştirilmiş teklifler sunmak için benzersiz bir fırsata sahip olur. Ancak güvenilir ve ölçeklenebilir bir büyük veri altyapısı geliştirmek ve her kullanıcıya özel olan gelişmiş makine öğrenmesi modelleri geliştirmek basit bir işlem değildir.

Mimari

Mimari diyagramıBu mimarinin SVG'lerini indirin.

Veri akışı

  1. Web sitesinde kullanıcı etkinliğinin benzetimi bir Azure İşlevi ve bir çift Azure İşlevi Depolama vardır.
  2. Kişiselleştirilmiş teklif işlevselliği bir Azure İşlevi olarak uygulanır.
    • Bu, teklif ve kayıt etkinliği üretmek için her şeyi bir araya tutan temel işlevdir.
    • Veriler Redis için Azure Cache Azure CosmosDB SQL API'sinde okunur, ürün benzeş Azure Machine Learning
    • Kullanıcı için geçmiş yoksa, önceden hesaplanan benzeşmler kullanıcı arabiriminden Redis için Azure Cache.
  3. Ham kullanıcı etkinlik verileri (Ürün ve Teklif Tıklamaları), Kullanıcılara yapılan teklifler ve performans verileri (Azure İşlevleri ve Azure Machine Learning için) Azure Event Hub'a gönderilir.
  4. Teklif Kullanıcıya döndürülür.
    • Simülasyonda bu işlem, sonraki kullanıcı eylemlerini üretmek için bir Azure İşlevi tarafından alınan bir Azure Depolama Kuyruğuna yazarak yapılır.
  5. Azure Stream Analytics, Azure Event Hub'dan gelen giriş akışında gerçek zamanlıya yakın analizler sağlamak için verileri analiz eder.
    • Toplanan veriler Azure CosmosDB api' SQL gönderilir.
    • Ham veriler Azure Data Lake Depolama.

Bileşenler

Bu çözüm, güçlü avantajlar sağlamak için çeşitli Azure hizmetlerini birleştirir:

  • Azure Event Hubs gerçek zamanlı tüketim verilerini toplar.
  • Azure Stream Analytics, akış verilerini toplar ve müşteriye kişiselleştirilmiş teklifler sunmak için kullanılan verilerde görselleştirme ve güncelleştirmeler için kullanılabilir hale gelir.
  • Azure CosmosDB SQL API'si müşteri, ürün ve teklif bilgilerini depolar. Bu GitHub, Azure Document DB kullanılmıştır, ancak bu depolama alanı API'sinde Azure Cosmos DB SQL elde edilebilir.
  • Azure Depolama, kullanıcı etkileşimini simüle etmek için kuyrukları yönetmek için kullanılır.
  • Azure İşlevleri, kullanıcı benzetimi için koordinatör olarak ve kişiselleştirilmiş teklifler oluşturmak için çözümün merkezi bölümü olarak kullanılır.
  • Azure Machine Learning tercihini ve ürün geçmişini göz önünde bulundurarak kullanıcının ürün benzeşim puanlamalarını uygulayan ve yürüten bir uygulamadır
  • Kullanıcı geçmişi mevcut değilken. Redis için Azure Cache, müşteriye önceden hesaplanan ürün benzeşmleri sağlamak için kullanılır.
  • Power BI Panosu, sistem için gerçek zamanlı etkinliği ve CosmosDB SQL API'sinde yer alan verileri çeşitli tekliflerin davranışını görselleştirmektedir.

Çözüm ayrıntıları

Zamandan tasarruf edin ve eğitilmiş bir SI iş ortağının bu çözümün kavram kanıtı, dağıtımı ve tümleştirmesi konusunda size yardımcı olur.

Microsoft Azure veri alımı, veri depolama, veri işleme ve gelişmiş analiz bileşenleri (kişiselleştirilmiş bir teklif çözümü oluşturmak için gerekli tüm temel öğeler) gelişmiş analiz araçları sağlar.

Sonraki adımlar