Nápady na řešení
Tento článek je myšlenkou řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět tím, že nám poskytnete zpětnou vazbu k GitHubu.
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: