Vytváření přizpůsobených marketingových řešení téměř v reálném čase

Tato architektura ukazuje, jak vytvořit řešení pro přizpůsobení nabídek pomocí Azure Functions, Azure Machine Učení a Azure Stream Analytics.

Architektura

Stáhněte si soubor aplikace Visio s touto architekturou.

Tok dat

• Event Hubs ingestuje nezpracovaná data technologie Click Stream ze služby Azure Functions a předává je do Stream Analytics.
• Azure Stream Analytics agreguje kliknutí téměř v reálném čase podle produktů, nabídek a uživatelů. Zapisuje do služby Azure Cosmos DB a také archivuje nezpracovaná data streamu kliknutí do služby Azure Storage.
• Azure Cosmos DB ukládá agregovaná data kliknutí podle uživatele, produktu a nabízí informace o profilu uživatele.
• Azure Storage ukládá archivovaná nezpracovaná data technologie Klikni a stream z Stream Analytics.
• Azure Functions přebírá data clickstreamu uživatelů z webů a čte existující historii uživatelů ze služby Azure Cosmos DB. Tato data se potom využijí k získání hodnocení vztahů mezi produkty zpracováním ve webové službě Machine Learning nebo se využitím společně s daty o úplném spuštění ve službě Azure Cache for Redis. Hodnocení vztahů mezi produkty slouží spolu s logikou individuálních nabídek k určení nejrelevantnější nabídky pro konkrétního uživatele.
• Azure Machine Učení pomáhá navrhovat, testovat, zprovoznit a spravovat řešení prediktivní analýzy v cloudu.
• Azure Cache for Redis ukládá předem vypočítané skóre spřažení produktů s studeným startem pro uživatele bez historie.
• Power BI umožňuje vizualizaci dat aktivit uživatelů a nabídek prezentovaných čtením dat ze služby Azure Cosmos DB.

Součásti

• Event Hubs
• Azure Stream Analytics
• Azure Cosmos DB
• Azure Storage
• Azure Functions
• Azure Machine Learning
• Azure Cache for Redis
• Power BI

Podrobnosti scénáře

Individuální marketing je nepostradatelný pro budování loajality zákazníků a zachování ziskovosti. Oslovení zákazníků a jejich zapojení je těžší než kdy dřív a obecné nabídky jsou snadno přehlédnutelné nebo ignorované. Současné marketingové systémy nedokáží využít data, která můžou pomoci tento problém vyřešit.

Obchodníci, kteří používají inteligentní systémy a analyzují obrovská množství dat, můžou každému zákazníkovi dodávat vysoce relevantní a přizpůsobené nabídky a díky tomu omezit nežádoucí nabídky a posílit zapojení zákazníků. Například maloobchodní prodejci můžou poskytovat nabídky a obsah na základě jedinečných zájmů, preferencí a spřažení produktů každého zákazníka a umístit produkty před ty, kteří si je budou pravděpodobně kupovat.

Tato architektura ukazuje, jak vytvořit řešení pro přizpůsobení nabídek pomocí Azure Functions, Azure Machine Učení a Azure Stream Analytics.

Potenciální případy použití

Přizpůsobením nabídek zajistíte individuální prostředí pro aktuální a budoucí zákazníky, zvýšíte zapojení a zlepšíte převod zákazníků, hodnotu životnosti a uchovávání.

Toto řešení je ideální pro maloobchodní a marketingové odvětví.

Další kroky

Projděte si dokumentaci k produktu:

• Další informace o službě Event Hubs
• Další informace o Stream Analytics
• Naučte se používat službu Azure Cosmos DB.
• Další informace o službě Azure Storage
• Naučte se vytvářet funkce.
• Další informace o strojovém učení
• Naučte se používat Azure Cache for Redis.
• Další informace o Power BI

Vyzkoušejte studijní program:

• Implementace řešení streamování dat pomocí Azure Streaming Analytics
• Vytvoření modelu Učení počítače
• Vytváření bezserverových aplikací pomocí Azure Functions

Související prostředky

Přečtěte si další články o Centru architektury Azure:

• Styl architektury velkých objemů dat
• Škálovatelná přizpůsobení v Azure