Ofertas personalizadas

En el entorno de hoy en día tan competitivo y conectado, las empresas modernas ya no pueden sobrevivir con contenido en línea genérico y estático. Además, las estrategias de marketing que usan herramientas tradicionales suelen ser caras, difíciles de implementar y no generan la rentabilidad de la inversión deseada. Estos sistemas no suelen sacar el máximo provecho a los datos recopilados para crear una experiencia de usuario más personalizada.

Presentar ofertas personalizadas para el usuario se ha convertido en un aspecto fundamental para aumentar la fidelidad del cliente y mantener la rentabilidad. En un sitio web minorista, los clientes desean encontrar sistemas inteligentes que presenten ofertas y contenido basados en sus preferencias e intereses exclusivos. Los equipos de marketing digital de hoy en día pueden crear esta inteligencia con los datos generados a partir de todos los tipos de interacciones del usuario. Mediante el análisis de cantidades masivas de datos, los vendedores tienen la oportunidad exclusiva de realizar ofertas personalizadas de gran relevancia a cada usuario. No obstante, crear una infraestructura de macrodatos confiable y escalable y desarrollar modelos de aprendizaje automático sofisticados que cada usuario pueda personalizar no son tareas fáciles.

Descripción

Nota: Si ya ha implementado esta solución, haga clic aquí para ver la implementación.

Ahorre tiempo y deje que le ayude alguno de estos asociados expertos en integración de sistemas con una prueba de concepto, la implementación y la integración de esta solución.

Tiempo de aprovisionamiento estimado: 45 minutos

Cortana Intelligence Suite proporciona herramientas de análisis avanzado a través de Microsoft Azure (ingesta, almacenamiento y procesamiento de datos y componentes de análisis avanzado), todos los elementos básicos para crear una solución con una oferta personalizada.

Esta solución combina varios servicios de Azure para proporcionar grandes ventajas. Event Hubs recopila datos de consumo en tiempo real. Stream Analytics agrega los datos de streaming y permite su visualización, además de actualizar los datos utilizados en la presentación de ofertas personalizadas a los clientes. Azure DocumentDB almacena la información sobre clientes, productos y ofertas. Azure Storage se usa para administrar las colas que simulan la interacción del usuario. Azure Functions se usa como un coordinador de la simulación del usuario y como la parte central de la solución para crear ofertas personalizadas. Azure Machine Learning implementa y ejecuta el usuario para generar una puntuación de afinidad y, si el historial del usuario no se encuentra disponible, Azure Redis Cache se usa para ofrecer afinidades de productos calculadas previamente para el cliente. PowerBI visualiza la actividad en tiempo real del sistema y, con los datos de DocumentDB, el comportamiento de las distintas ofertas.

El botón “Implementar” inicia un flujo de trabajo que implementa una instancia de la solución en un grupo de recursos de la suscripción de Azure que especifique. La solución incluye varios servicios de Azure (descritos anteriormente) y, al final, algunas instrucciones breves necesarias para disponer de una solución de un extremo a otro con un comportamiento de usuario simulado.

Para obtener instrucciones posteriores a la implementación y más información sobre la implementación técnica, consulte las instrucciones aquí.

Declinación de responsabilidades

©2017 Microsoft Corporation. Todos los derechos reservados. Esta información se proporciona "tal cual" y puede cambiar sin previo aviso. Microsoft no ofrece ninguna garantía, ni expresa ni implícita, respecto a la información que aquí se proporciona. Para generar la solución, se utilizaron datos de terceros. Usted es responsable de respetar los derechos de otros, incluida la adquisición y el cumplimiento de las licencias correspondientes para crear conjuntos de datos similares.

Personalized Offers User ActionSimulation Personalized OfferLogic System ResponseQueue User ActionQueue Event Hub Stream Analytics Power BI Machine Learning Cold StartProduct Affinity User Document DB Product Offers Reference Product Views Offer Views Cache Update Logic Azure Services Raw Stream Data 1 2 3 5 4

La actividad del usuario en el sitio web se simula con una función de Azure y un par de colas de Azure Storage.

La funcionalidad de ofertas personalizadas se implementa como una función de Azure. Se trata de la función clave que enlaza todo para generar una oferta y actividad de registro. Los datos se leen de Azure Redis Cache y Azure DocumentDB y las puntuaciones de afinidad de los productos se calculan desde Azure Machine Learning (si no existe ningún historial del usuario, las afinidades calculadas previamente se leen de Azure Redis Cache).

Los datos sin procesar de actividad del usuario (clics en ofertas y productos), las ofertas presentadas a los usuarios y los datos de rendimiento (para Azure Functions y Azure Machine Learning) se envían a Azure Event Hub.

La oferta se devuelve al usuario. En la simulación, esto se hace mediante la escritura en una cola de Azure Storage y la recopilación realizada por una función de Azure, para producir la siguiente acción del usuario.

Azure Stream Analytics analiza los datos para proporcionar análisis casi en tiempo real del flujo de entrada procedente de Azure Event Hub. Los datos agregados se envían a Azure DocumentDB. Los datos sin procesar se envían al almacenamiento de Azure Data Lake.

  1. 1 La actividad del usuario en el sitio web se simula con una función de Azure y un par de colas de Azure Storage.
  2. 2 La funcionalidad de ofertas personalizadas se implementa como una función de Azure. Se trata de la función clave que enlaza todo para generar una oferta y actividad de registro. Los datos se leen de Azure Redis Cache y Azure DocumentDB y las puntuaciones de afinidad de los productos se calculan desde Azure Machine Learning (si no existe ningún historial del usuario, las afinidades calculadas previamente se leen de Azure Redis Cache).
  3. 3 Los datos sin procesar de actividad del usuario (clics en ofertas y productos), las ofertas presentadas a los usuarios y los datos de rendimiento (para Azure Functions y Azure Machine Learning) se envían a Azure Event Hub.
  1. 4 La oferta se devuelve al usuario. En la simulación, esto se hace mediante la escritura en una cola de Azure Storage y la recopilación realizada por una función de Azure, para producir la siguiente acción del usuario.
  2. 5 Azure Stream Analytics analiza los datos para proporcionar análisis casi en tiempo real del flujo de entrada procedente de Azure Event Hub. Los datos agregados se envían a Azure DocumentDB. Los datos sin procesar se envían al almacenamiento de Azure Data Lake.

Arquitecturas de soluciones relacionadas

Previsión de la demanda

Prever con exactitud los picos de demanda de productos y servicios puede suponer una ventaja competitiva para una compañía. Esta solución se centra en la previsión de la demanda en el sector energético.

Previsión de la demanda y optimización de precios

Los precios son un factor determinante del éxito de muchas industrias y su establecimiento puede ser una de las tareas más complejas. A menudo, las empresas deben afrontar varios aspectos del proceso de establecimiento de precios; entre ellos, una previsión exacta de las consecuencias financieras de posibles tácticas, una consideración razonable de las limitaciones de su actividad principal y una validación real de las decisiones sobre precios que se han puesto en marcha. La ampliación de las ofertas de productos supone más requisitos informáticos para tomar decisiones sobre precios en tiempo real, lo que agrava aún más la dificultad de esta tediosa tarea.