Løsningsarkitektur: Personligt tilpassede marketingløsninger

Tilpasset markedsføring er vigtig for at opbygge kundeloyalitet og fortsat at tjene penge. Det er sværere end nogensinde at nå ud til kunderne og få dem til at engagere sig. Og almindelige tilbud overses let eller ignoreres. De aktuelle markedsføringssystemer udnytter ikke de fordele ved data, som kan hjælpe med at løse dette problem.

Markedsføringsfolk, der bruger intelligente systemer og analyserer massive , kan levere yderst relevante og tilpassede tilbud til hver enkelt kunde ved at skære gennem rodet og fremme engagementet. Forhandlere kan f.eks. give tilbud og indhold på baggrund af hver enkelt kundes interesser og præferencer og dermed umiddelbart præsentere kunderne for de produkter, det er mest sandsynligt, de vil købe.

Ved at tilpasse dine tilbud, giver du alle nuværende og mulige kunder en individuel oplevelse, hvilket booster deres engagement og forbedrer kundekonverteringen, levetidsværdien samt bevarelsen af dem.

Installér på Azure

Brug følgende forhåndsbyggede skabelon til at installere denne arkitektur på Azure

Installér på Azure

Søg på GitHub

Personligt tilpassede marketingløsninger Find den teknologi, der er nødvendig for at markedsføre dine produkter vha. tilpassede tilbud. Individualiser din markedsføring for at få større kunderespons vha. big data-indsigt. Cosmos DB (Azure Services) Dashboard Browser Azure Stream Analytics (Near Real-Time Aggregates) Input Events Event Hub Cold Start Product Affinity Maching Learning (Product Affinity) Raw Stream Data Personalized Offer Logic

Implementeringsvejledning

Produkter Dokumentation

Event Hubs

Event Hubs overfører rådata om klikstrømme fra Functions og sender dem videre til Stream Analytics.

Stream Analytics

Stream Analytics samler klik næsten i realtid efter produkt, tilbud og bruger for at skrive til Azure Cosmos DB og arkiverer også rådata om klikstrømme i Azure Storage.

Azure Cosmos DB

Azure Cosmos DB gemmer samlede data om klik pr. bruger, produkt og tilbud samt oplysninger om brugerprofil.

Storage

Azure Storage gemmer arkiverede rådata om klikstrømme fra Stream Analytics.

Funktioner

Azure Functions henter data om brugerens klikstrømme fra webstedet og læser historikken for den eksisterende bruger Azure fra Cosmos DB. Disse data køres herefter gennem Machine Learning-webtjenesten eller bruges sammen med data om kold start i Redis Cache for at opnå scorer om produkttilhørsforhold. Scorer om produkttilhørsforhold bruges sammen med logikken for det tilpassede tilbud til at beslutte, hvad der vil være det mest relevante tilbud til brugeren.

Machine Learning

Med Machine Learning kan du nemt udvikle, teste, idriftsætte og administrere forudsigende analyseløsninger i cloudmiljøet.

Redis Cache

Redis Cache gemmer forudberegnede koldstartsscorer om produkttilhørsforhold for brugere uden historik.

Power BI

Power BI visualiserer data om brugeraktivitet og tilbud, som præsenteres ved at indlæse data fra Cosmos DB.

Relaterede løsningsarkitekturer

Opgavebaseret mobilapp til forbrugere

En mobilbackend, der bruges af iOS-, Android- og Windows-klientapps. Brug Xamarin eller oprindelige klient-SDK'er til at bygge en mobilklientapp med understøttelse af offlinesynkronisering, herunder offlinesynkronisering af billedfiler. App Service-godkendelse bruges til at oprette forbindelse til en identitetsudbyder, og Azure Blob Storage bruges til at gemme billeder på en omkostningseffektiv og skalerbar måde.

Få mere at vide