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.

个性化套餐

事件中心
函数
机器学习
存储
流分析

解决方案构想

若要查看有关详细信息、实现细节、定价指南或代码示例的信息,请向我们提供 GitHub 反馈

在当今高度竞争性和连接的环境中,现代企业不能再用一般的静态在线内容。 而且,使用传统工具的市场营销策略通常成本高昂、难以实现,而且不会产生所需的投资回报。 这些系统通常无法充分利用收集的数据来为用户创建更个性化的体验。

为用户自定义的呈现形式产品已成为构建客户忠诚度和剩余盈利的必要条件。 在零售网站上,客户需要智能系统,该系统根据其独特的兴趣和偏好提供产品/服务和内容。 如今的数字营销团队可以使用从所有类型的用户交互生成的数据来构建这种智能。

通过分析大量数据,市场营销人员有独特的机会为每位用户提供高度相关的个性化产品/服务。 不过,构建可靠且可伸缩的大数据基础结构,并开发个性化设置为每个用户的复杂的机器学习模型并不简单。

体系结构

体系结构关系图 下载此体系结构的SVG

说明

节省时间,让训练有素的 SI 合作伙伴帮助你进行概念证明、部署 & 此解决方案的集成。

Cortana Intelligence Suite 通过 Microsoft Azure 数据引入、数据存储、数据处理和高级分析组件提供高级分析工具,这些都是构建个性化产品/服务解决方案的基本要素。

组件

此解决方案结合了多个 Azure 服务以提供强大的优势:

数据流

  1. 使用 Azure 函数和一对 Azure 存储队列模拟网站上的用户活动。
  2. 个性化产品/服务功能作为 Azure 功能实现。
    • 这是将所有内容结合在一起以生成产品/服务和记录活动的关键功能。
    • 从 Azure Cache for Redis 和 Azure CosmosDB SQL API 读入数据,产品关联分数是从 Azure 机器学习
    • 如果用户没有历史记录,将从用于 Redis 的 Azure 缓存读入预计算相关性。
  3. (产品和产品/服务的原始用户活动数据单击) 、向用户提供 Azure Functions 的产品/服务,以及将 Azure 机器学习) 发送到 Azure 事件中心的性能数据 (。
  4. 产品/服务将返回给用户。
    • 在我们的模拟中,这是通过写入 azure 函数选取的 Azure 存储队列来实现下一个用户操作的。
  5. Azure 流分析会分析数据,以便针对 Azure 事件中心的输入流提供近乎实时的分析。
    • 聚合的数据将发送到 Azure CosmosDB SQL API。
    • 原始数据将发送到 Azure Data Lake Storage。

后续步骤