Ideias de solução
Esse artigo é uma ideia de solução. Se você quiser que expandamos o conteúdo com mais informações, como possíveis casos de uso, serviços alternativos, considerações de implementação ou diretrizes de preços, informe-nos fornecendo comentários do GitHub.
Essa arquitetura mostra como você pode criar uma solução de personalização de ofertas com o Azure Functions, o Azure Machine Learning e o Azure Stream Analytics.
Arquitetura
Baixe um Arquivo Visio dessa arquitetura.
Fluxo de dados
- Os Hubs de Eventos ingerem dados brutos de fluxo de cliques do Azure Functions e os transmitem para o Stream Analytics.
- O Azure Stream Analytics agrega cliques quase em tempo real por produto, oferta e usuário. Grava no Azure Cosmos DB e também arquiva dados brutos de fluxo de cliques no Armazenamento do Azure.
- O Azure Cosmos DB armazena dados agregados de cliques por usuário, produto e oferece informações de perfil de usuário.
- O Armazenamento do Azure armazena dados brutos de fluxo de cliques arquivados do Stream Analytics.
- O Azure Functions recebe dados clickstream do usuário de sites e lê o histórico de usuários existente do Azure Cosmos DB. Em seguida, esses dados são executados no serviço Web do Machine Learning ou usados juntamente com os dados de inicialização a frio no Cache Redis do Azure para obter pontuações de afinidade de produto. As pontuações de afinidade de produto são usadas com a lógica de oferta personalizada para determinar a oferta mais relevante a ser apresentada ao usuário.
- O Azure Machine Learning ajuda você a projetar, testar, operacionalizar e gerenciar soluções de análise preditiva na nuvem.
- O Cache do Azure para Redis armazena pontuações de afinidade de produto de início frio pré-computadas para usuários sem histórico.
- O Power BI permite a visualização de dados de atividade do usuário e ofertas apresentadas lendo dados do Azure Cosmos DB.
Componentes
- Hubs de Eventos
- Azure Stream Analytics
- Azure Cosmos DB
- Armazenamento do Azure
- Azure Functions
- Azure Machine Learning
- Cache Redis do Azure
- Power BI
Detalhes do cenário
O marketing personalizado é essencial para construir a fidelidade do cliente e para permanecer lucrativo. Alcançar clientes e fazer com que se envolvam é mais difícil do que nunca e as ofertas genéricas são facilmente esquecidas ou ignoradas. Os sistemas de marketing atuais falham ao tirar proveito dos dados que podem ajudar a resolver esse problema.
Os profissionais de marketing que utilizam sistemas inteligentes e analisam enormes quantidades de dados podem proporcionar ofertas relevantes e personalizadas a cada usuário, indo direto ao ponto e estimulando o envolvimento. Por exemplo, os varejistas podem fornecer ofertas e conteúdo com base nos interesses exclusivos, preferências e afinidade de produto de cada cliente, colocando os produtos na frente das pessoas mais propensas a comprá-los.
Essa arquitetura mostra como você pode criar uma solução de personalização de ofertas com o Azure Functions, o Azure Machine Learning e o Azure Stream Analytics.
Possíveis casos de uso
Ao personalizar suas ofertas, você oferecerá uma experiência individualizada para clientes atuais e potenciais, aumentando o engajamento e melhorando a conversão do cliente, o valor de tempo de vida e a retenção.
Essa solução é ideal para os setores de varejo e marketing.
Próximas etapas
Leia a documentação do produto:
- Saiba mais sobre os Hubs de Eventos
- Saiba mais sobre o Stream Analytics
- Saiba como usar o Azure Cosmos DB
- Saiba mais sobre o Armazenamento do Azure
- Saiba como criar funções
- Saiba mais sobre aprendizado de máquina
- Saiba como usar o Cache do Redis para Azure
- Saiba mais sobre o Power BI
Experimente um roteiro de aprendizagem:
- Implementar uma solução de streaming de dados com a Análise de Streaming do Azure
- Criar um modelo de Machine Learning
- Criar APIs sem servidor com o Azure Functions
Recursos relacionados
Leia outros artigos do Centro de Arquitetura do Azure: