Editar

Ofertas personalizadas

Azure Event Hubs
Azure Functions
Azure Machine Learning
Azure Storage
Azure Stream Analytics

Ideas de solución

Este artículo es una idea de solución. Si te gustaría que ampliemos este artículo con más información, como posibles casos de uso, servicios alternativos, consideraciones de implementación o una guía de precios, comunícalo a través de los Comentarios de GitHub.

Esta solución crea sistemas de marketing inteligentes que proporcionan contenido personalizado por el cliente mediante el uso de modelos de Machine Learning que analizan los datos de varios orígenes. Entre las tecnologías clave que se usan se incluyen Intelligent Recommendations y Azure Personalizer.

Architecture

Architecture diagram that shows how personalized offers are generated by incorporating product and offer views.

Descargue un archivo Visio de esta arquitectura.

Flujo de datos

  1. Una aplicación de Azure Functions captura la actividad de usuario sin procesar (como los clics en productos y ofertas) y las ofertas que se presentan a los usuarios en el sitio web. La actividad se envía a Azure Event Hubs. En las áreas en las que la actividad del usuario no está disponible, la actividad de usuario simulada se almacena en Azure Cache for Redis.
  2. Azure Stream Analytics analiza los datos para ofrecer un análisis casi en tiempo real del flujo de entrada desde la instancia de Azure Event Hubs.
  3. Los datos agregados se envían a Azure Cosmos DB for NoSQL.
  4. Power BI se usa para buscar información sobre los datos agregados.
  5. Los datos sin procesar se envían a Azure Data Lake Storage.
  6. Intelligent Recommendations usa los datos sin procesar de Azure Data Lake Storage y hace recomendaciones a Azure Personalizer.
  7. El servicio Personalizer atiende a los principales productos y ofertas contextuales y personalizados.
  8. Los datos simulados de actividad de usuario se entregan al servicio Personalizer para proporcionar productos y ofertas personalizados.
  9. Los resultados se encuentran en la aplicación web a la que accede el usuario.
  10. Los comentarios de los usuarios se capturan en función de la reacción del usuario a las ofertas y productos mostrados. La puntuación de recompensa se proporciona al servicio Personalizer para que mejore con el tiempo.
  11. El reentrenamiento de Intelligent Recommendations puede dar lugar a mejores recomendaciones. Este proceso también se puede realizar mediante datos actualizados de Azure Data Lake Storage.

Componentes

  • Event Hubs es una plataforma de streaming totalmente administrada. En esta solución, Event Hubs recoge datos de consumo en tiempo real.
  • Stream Analytics ofrece procesamiento de flujos sin servidor en tiempo real. Este servicio proporciona una manera de ejecutar consultas en la nube y en dispositivos perimetrales. En esta solución, Stream Analytics agrega los datos de streaming y los pone a disposición para su visualización y actualización.
  • Azure Cosmos DB es una base de datos de varios modelos distribuida globalmente. Con Azure Cosmos DB, las soluciones pueden escalar de forma elástica el rendimiento y el almacenamiento en cualquier número de regiones geográficas. Azure Cosmos DB for NoSQL almacena datos en formato de documento y es una de varias API de base de datos que ofrece Azure Cosmos DB. En la implementación de GitHub de esta solución, DocumentDB se usó para almacenar la información de clientes, productos y ofertas, pero también se puede usar Azure Cosmos DB for NoSQL. Para más información, consulte Estimados clientes de DocumentDB, le damos la bienvenida a Azure Cosmos DB.
  • Storage es una solución de almacenamiento en la nube que incluye el almacenamiento de objetos, archivos, discos, colas y tablas. Entre los servicios se incluyen soluciones y herramientas de almacenamiento híbridas para transferir, compartir y realizar copias de seguridad de los datos. Esta solución utiliza Storage para gestionar las colas que simulan la interacción de los usuarios.
  • Functions es una plataforma de proceso sin servidor que se puede usar para crear aplicaciones. Con Functions, puede usar desencadenadores y enlaces de datos para integrar los servicios. Esta solución usa Functions para coordinar la simulación de usuario. Functions también es el componente principal que genera ofertas personalizadas.
  • Machine Learning es un entorno basado en la nube que permite entrenar, implementar, automatizar, administrar y realizar un seguimiento de los modelos de aprendizaje automático. Aquí, Machine Learning usa las preferencias y el historial de productos de cada usuario para proporcionar la puntuación de afinidad de usuario a producto.
  • Azure Cache for Redis proporciona un almacén de datos en memoria basado en el software de Redis. Azure Cache for Redis proporciona funcionalidades de Redis de código abierto como una oferta totalmente administrada. En esta solución, Azure Cache for Redis proporciona afinidades de producto preprocesadas para los clientes sin historial de usuarios disponible.
  • Power BI es un servicio de análisis empresarial que proporciona visualizaciones interactivas y funcionalidades de inteligencia empresarial. Su interfaz intuitiva le permite crear sus propios informes y cuadros de mando. Esta solución usa Power BI para mostrar la actividad en tiempo real en el sistema. Por ejemplo, Power BI usa los datos de Azure Cosmos DB for NoSQL para mostrar la respuesta del cliente a varias ofertas.
  • Data Lake Storage es un repositorio de almacenamiento escalable que contiene una gran cantidad de datos en su formato nativo y sin procesar.

Detalles de la solución

En el entorno tan conectado y competitivo de hoy en día, las empresas modernas ya no pueden sobrevivir con contenido en línea genérico y estático. Además, las estrategias de marketing que usan herramientas tradicionales pueden ser costosas y difíciles de implementar. Como resultado, no producen la rentabilidad deseada de la inversión. Estos sistemas a menudo no aprovechan al máximo los datos recogidos cuando crean una experiencia más personalizada para los usuarios.

Presentar ofertas personalizadas para cada usuario se ha convertido en algo esencial para fidelizar a los clientes y seguir siendo rentable. En el sitio web de un comercio minorista, los clientes desean utilizar sistemas inteligentes que proporcionen ofertas y contenido en función de sus intereses y preferencias particulares. Hoy en día, los equipos de marketing digital pueden desarrollar esta inteligencia mediante los datos generados a partir de todo tipo de interacciones del usuario.

Los profesionales de marketing tienen ahora la oportunidad de ofrecer ofertas altamente relevantes y personalizadas a cada usuario mediante el análisis de cantidades masivas de datos. Pero la creación de una infraestructura de macrodatos confiable y escalable no es trivial. Y desarrollar modelos sofisticados de aprendizaje automático personalizados para cada usuario también es una tarea compleja.

Intelligent Recommendations ofrece funcionalidades para impulsar los resultados deseados, como recomendaciones de artículos, que se basan en interacciones y metadatos del usuario. Se puede usar para promover y personalizar cualquier tipo de contenido, como productos para vender, medios, documentos, ofertas, etc.

Azure Personalizer es un servicio que forma parte de Azure Cognitive Services. Se puede usar para determinar qué producto sugerir a los compradores o para averiguar la posición óptima de un anuncio. Personalizer actúa como clasificador adicional del último paso. Después de que las recomendaciones se muestren al usuario, se supervisa la reacción del usuario y se devuelve al servicio Personalizer como puntuación de recompensa. Este proceso garantiza que el servicio aprenda de manera continua, y mejora la capacidad de Personalizer de seleccionar los mejores artículos en función de la información contextual recibida.

Microsoft Azure proporciona herramientas analíticas avanzadas en las áreas de ingesta de datos, almacenamiento de datos, procesamiento de datos y componentes analíticos avanzados: todos los elementos esenciales para construir una solución de oferta personalizada.

Integrador de sistemas

Puede ahorrar tiempo al implementar esta solución mediante la contratación de un integrador de sistemas entrenado (SI). El SI puede ayudarle a desarrollar una prueba de concepto y puede ayudar a implementar e integrar la solución.

Posibles casos de uso

Esta solución se aplica a la comercialización de bienes y servicios en función de los datos de los clientes (productos vistos o comprados). Esto podría aplicarse en las siguientes áreas:

  • Comercio electrónico: Se trata de un área en la que la personalización se usa ampliamente con el comportamiento del cliente y las recomendaciones de productos.

  • Venta minorista: En función de los datos de compra anteriores, se pueden brindar recomendaciones y ofertas sobre productos.

  • Telecomunicaciones: En función de la interacción del usuario en esta área, se pueden proporcionar recomendaciones. En comparación con otros sectores, los rangos de productos y ofertas pueden ser limitados.

Colaboradores

Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.

Autor principal:

Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.

Pasos siguientes