Přeskočit navigaci

Optimalizace kampaně s využitím SQL Serveru

Toto řešení ukazuje, jak sestavit a nasadit model strojového učení s využitím SQL Serveru 2016 a R Services pro doporučování akcí vedoucích k maximalizaci nákupů potenciálních zákazníků, na které cílí kampaň.

Popis

Poznámka: Pokud jste toto řešení už nasadili, můžete ho zobrazit kliknutím sem.

Odhadovaný čas zřízení: 30 minut

ZASTAVTE SE, než budete pokračovat: Pokud jste ještě do vašeho předplatného Azure nenasadili virtuální počítač pro datové vědy, musíte nejdřív přijmout podmínky použití.

Přehled

Když firmy spouštějí marketingové kampaně s cílem zaujmout zákazníky novými nebo stávajícími produkty, často používají sady obchodních pravidel pro výběr potenciálních zákazníků, na které bude jejich kampaň cílit. Ke zvýšení míry odezvy od těchto potenciálních zákazníků je možné využít strojové učení. Toto řešení ukazuje, jak využít model k předpovědi akcí, u kterých se očekává, že budou maximalizovat nákupy potenciálních zákazníků, na které cílí příslušná kampaň. Tyto předpovědi slouží jako základ doporučení, která se použijí v obnovené kampani, a to ohledně toho, jak (například pomocí e-mailu, SMS nebo telemarketingu) a kdy (den v týdnu a denní doba) kontaktovat cílové potenciální zákazníky. Předváděné řešení k modelování odezvy potenciálních zákazníků na kampaň využívá simulovaná data z oblasti pojišťovnictví. Prediktory modelu zahrnují demografické údaje o potenciálních zákaznících, výkon historických kampaní a podrobné informace o konkrétních produktech. Tento model předpovídá pravděpodobnost, že každý potenciální zákazník v databázi nakoupí prostřednictvím kanálu, a to každý den v týdnu v různou denní dobu. Doporučení týkající se kanálu, dne v týdnu a denní doby, které se mají použít při cílení na zákazníky, vycházejí z kombinace kanálu a času, u které model předpovídá největší pravděpodobnost nákupu.

Řešení Microsoft Marketing Campaign Optimization je kombinací prediktivního modelu Machine Learningu a interaktivního vizualizačního nástroje Power BI. Toto řešení se využívá ke zvýšení míry odezvy na kampaň doporučením kanálu (například e-mail, SMS nebo telemarketing) a doby pro kontaktování (den v týdnu a denní doba) cílových potenciálních zákazníků pro použití v nové kampani. Řešení využívá simulovaná data. Je možné je snadno nakonfigurovat tak, aby se k modelování odezvy na kampaň použila data vaší organizace. Model využívá prediktory, jako jsou demografické údaje, výkon historických kampaní a podrobné informace o produktech. Řešení předpovídá pravděpodobnost změny názoru potenciálních zákazníků prostřednictvím jednotlivých kanálů, v různou denní dobu a den v týdnu, a to pro všechny potenciální zákazníky v databázi. Finální doporučení pro zacílení na jednotlivé potenciální zákazníky je založené na kombinaci kanálu, dne v týdnu a denní doby, kdy je pravděpodobnost přesvědčení zákazníka největší. Toto řešení vychází ze standardizovaného procesu datových věd, kdy přípravu dat, trénování modelu a vyhodnocení může snadno provést odborník přes data a souhrny vizualizované a vztažené ke klíčovým ukazatelům výkonu marketingové oddělení, a to prostřednictvím vizualizace Power BI.

Z pohledu obchodního manažera

Tato šablona řešení využívá (simulovaná) historická data k předpovědi toho, kdy a jak kontaktovat potenciální zákazníky v rámci vaší kampaně. Doporučení zahrnují nejlepší kanál pro kontaktování zájemce (v našem případě e-mail, SMS nebo telemarketing), nejlepší den v týdnu a nejlepší denní dobu, kdy se má kontakt uskutečnit.

SQL Server R Services umožňuje spustit R na stejném počítači jako databázi a přináší tak výpočetní prostředky k datům. Zahrnuje databázovou službu, která běží mimo proces SQL Serveru a zabezpečeně komunikuje s modulem runtime R.

Tento balíček řešení ukazuje, jak vytvořit a zpřesnit data, natrénovat modely R a predikovat na počítači s SQL Serverem. Finální tabulka předpovědí na SQL Serveru poskytuje doporučení ohledně toho, kdy a jak kontaktovat jednotlivé potenciální zákazníky. Tato data se potom vizualizují v Power BI.

Power BI také prezentuje vizuální přehledy efektivity jednotlivých doporučení pro tuto kampaň (tady se zobrazují se simulovanými daty). Tento řídicí panel si můžete vyzkoušet kliknutím na odkaz Try it Now (Vyzkoušet).

Karta Recommendations (Doporučení) tohoto řídicího panelu zobrazuje předpovězená doporučení. V horní části je tabulka jednotlivých potenciálních zákazníků pro naše nové nasazení. Zahrnuje pole pro ID potenciálního zákazníka, kampaň a produkt, v kterých jsou uvedeni potenciální zákazníci, pro které se mají použít naše obchodní pravidla. Potom následují předpovědi modelu pro potenciální zákazníky, které uvádějí optimální kanál a čas pro jejich kontaktování, a odhad pravděpodobnosti, s jakou si potenciální zákazníci koupí náš produkt na základě těchto doporučení. Tyto pravděpodobnosti je možné využít ke zvýšení efektivity kampaně, a to omezením počtu kontaktovaných potenciálních zájemců jenom na ty, u kterých je největší pravděpodobnost nákupu.

Karta Recommendations (Doporučení) obsahuje také různé souhrny doporučení a demografických informací o potenciálních zákaznících.

Karta Campaign Summary (Souhrn kampaně) tohoto řídicího panelu zobrazuje souhrny historických dat použitých k vytvoření predikovaných doporučení. Tato karta sice také zobrazuje hodnoty pro den v týdnu, denní dobu a kanál, ale tyto hodnoty ve skutečnosti představují pozorování v minulosti. Nezaměňujte je s doporučeními na kartě Recommendations.

Z pohledu odborníka přes data

SQL Server R Services spouští R na počítači hostujícím databázi a přináší tak výpočetní prostředky k datům. Zahrnuje databázovou službu, která běží mimo proces SQL Serveru a zabezpečeně komunikuje s modulem runtime R.

Toto řešení provádí jednotlivými kroky a ukazuje, jak vytvořit a zpřesnit data, natrénovat modely R a provést vyhodnocení na počítači s SQL Serverem. Finální vyhodnocená databázová tabulka na SQL Serveru poskytuje doporučení ohledně toho, kdy a jak kontaktovat jednotlivé potenciální zákazníky. Tato data se potom vizualizují ve službě Power BI, která také obsahuje souhrn úspěšnosti doporučení použitých v nové kampani (po jejím dokončení). (K ilustraci této funkce se v této šabloně zobrazují simulovaná data.)

Odborníci na data, kteří testují a vyvíjejí řešení, mohou pracovat v pohodlí prostředí R IDE na klientském počítači a přesunout výpočetní funkce na počítač s SQL Serverem. Dokončená řešení jsou nasazena na SQL Server 2016 vložením volání R do uložených procedur. Tato řešení se potom dají dál automatizovat pomocí SQL Server Integration Services a agenta SQL Serveru.

Kliknutím na tlačítko Deploy (Nasadit) otestujete automatizaci a celé řešení bude k dispozici ve vašem předplatném Azure.

Ceny

U předplatného Azure, které použijete pro toto nasazení, se budou účtovat poplatky za služby využité v tomto řešení, a to přibližně ve výši $1.15 za hodinu pro výchozí virtuální počítač.

Nezapomeňte prosím zastavit instanci virtuálního počítače, když toto řešení aktivně nepoužíváte. Provoz virtuálního počítače bude mít za následek vyšší náklady.

Pokud toto řešení nepoužíváte, odstraňte ho.

Právní omezení

© 2017 Microsoft Corporation. Všechna práva vyhrazena. Tyto informace se poskytují „tak, jak jsou“ a mohou se bez předchozího upozornění změnit. Společnost Microsoft neposkytuje s ohledem na uvedené informace žádné záruky, ať už výslovné, nebo implikované. K vytvoření řešení byla použita data třetích stran. Zodpovídáte za respektování práv ostatních, včetně pořízení náležitých licencí pro vytváření podobných datových sad a jejich dodržování.

Související architektury řešení

Optimalizace kampaní s využitím clusterů Azure HDInsight Spark

Toto řešení ukazuje, jak sestavit a nasadit model strojového učení s využitím Microsoft R Serveru v clusterech Azure HDInsight pro doporučování akcí vedoucích k maximalizaci nákupů potenciálních zákazníků, na které cílí kampaň. Toto řešení umožňuje efektivní zpracování velkých objemů dat ve Sparku s využitím Microsoft R Serveru.