您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

以近乎实时的速度创建个性化市场营销解决方案

Cache for Redis
Cosmos DB
事件中心
函数
机器学习
存储帐户
流分析
Power BI

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

个性化营销对于构建客户忠诚度和剩余利润至关重要。 与客户合作并使其参与起来比以往任何时候都更难,一般的产品/服务会被轻易丢失或忽略。 当前的营销系统无法利用可帮助解决此问题的数据。

使用智能系统并分析大量数据的市场营销人员可以为每个用户提供高度相关的个性化产品/服务,并可实现混乱和促进活动。 例如,零售商可以根据每个客户的独特兴趣、首选项和产品相关性提供产品/服务和内容,使产品位于最有可能购买它们的用户面前。

通过个性化你的产品/服务,你将为当前和潜在客户提供个性化的体验,从而提高参与度并改善客户转换、生存期值和保留期。 此解决方案演示了如何使用Azure FunctionsAzure 机器学习Azure 流分析来创建解决方案个性化产品/服务。

体系结构

体系结构关系图:通过机器学习和近实时分析来个性化提供服务。 下载此体系结构的 SVG

组件

  • 事件中心 引入 Azure Functions 的原始单击流数据,并将其传递到流分析。
  • Azure 流分析 按产品、产品/服务和用户进行近实时的聚合。 写入 Azure Cosmos DB,并还将原始的单击流数据存档到 Azure 存储中。
  • Azure Cosmos DB按用户、产品存储点击量的聚合数据,并提供用户配置文件信息。
  • Azure 存储存储流分析中存档的原始点击流数据。
  • Azure Functions从网站获取用户点击流数据,并从 Azure Cosmos DB 中读取现有用户历史记录。 然后,这些数据会通过机器学习 web 服务运行,或者与用于 Redis 的 Azure 缓存中的冷启动数据一起使用来获取产品相关性分数。 产品相关性分数与个性化产品/服务逻辑一起使用,以确定向用户提供的最相关产品/服务。
  • Azure 机器学习可帮助你在云中设计、测试、操作和管理预测分析解决方案。
  • 适用于 Redis 的 Azure 缓存 存储无历史记录用户的预计算冷启动产品关联分数。
  • Power BI启用用户活动数据的可视化,并通过从 Cosmos DB 读取数据提供。

后续步骤

阅读其他 Azure 体系结构中心文章:

请参阅产品文档:

尝试 Microsoft Learn 路径: