Megoldási ötletek
Ez a cikk egy megoldási ötlet. Ha azt szeretné, hogy további információkkal bővítsük a tartalmat, például a lehetséges használati eseteket, alternatív szolgáltatásokat, megvalósítási szempontokat vagy díjszabási útmutatást, a GitHub visszajelzésével tudassa velünk.
Az Azure-szolgáltatások elemzéseket nyerhetnek ki a közösségi médiából a big data marketingkampányokban való használathoz.
Felépítés
Töltse le az architektúra Visio-fájlját.
Adatfolyam
- Az Azure Synapse Analytics egy tárolt eljáráson keresztül bővíti a dedikált SQL-készletek adatait az Azure Machine-Tanulás regisztrált modellel.
- Az Azure Cognitive Services hangulatelemzés futtatásával, az általános jelentés előrejelzésével, a releváns információk kinyerésével és más AI-funkciók alkalmazásával bővíti az adatokat. A gépi Tanulás gépi tanulási modell fejlesztésére és a modell regisztrálására szolgál a Gépi Tanulás beállításjegyzékben.
- Az Azure Data Lake Storage tárolót biztosít a gépi tanulási adatokhoz és egy gyorsítótárat a gépi tanulási modell betanításához.
- A Azure-alkalmazás Szolgáltatás Web Apps funkciója skálázható, üzleti szempontból kritikus fontosságú webalkalmazások létrehozására és üzembe helyezésére szolgál. A Power BI interaktív irányítópultot biztosít olyan vizualizációkkal, amelyek az Azure Synapse Analyticsben tárolt adatokat használják az előrejelzésekre vonatkozó döntések meghozatalához.
Összetevők
Az Azure Synapse Analytics egy integrált elemzési szolgáltatás, amely felgyorsítja az adattárházak és big data rendszerek áttekintésének idejét.
A Cognitive Services olyan felhőalapú szolgáltatásokból áll, amelyek AI-funkciókat biztosítanak. A REST API-k és az ügyféloldali kódtár SDK-k akkor is segítenek a kognitív intelligencia alkalmazásokban való fejlesztésében, ha nem rendelkezik mesterséges intelligenciával vagy adatelemzési ismeretekkel.
A gépi Tanulás egy felhőalapú környezet, amellyel gépi tanulási modelleket taníthat be, helyezhet üzembe, automatizálhat, kezelhet és nyomon követheti.
A Data Lake Storage egy nagymértékben skálázható és biztonságos data lake a nagy teljesítményű elemzési számítási feladatokhoz.
Az App Service keretrendszert biztosít a webalkalmazások létrehozásához, üzembe helyezéséhez és méretezéséhez. A Web Apps szolgáltatás webalkalmazások, REST API-k és mobil háttérrendszerek üzemeltetésére szolgáló szolgáltatás.
A Power BI elemzési szolgáltatások és alkalmazások gyűjteménye. A Power BI használatával csatlakoztathatja és megjelenítheti a nem kapcsolódó adatforrásokat.
Forgatókönyv részletei
A marketingkampányok többről szólnak, mint a kézbesített üzenetről. Az üzenet kézbesítésének időpontjára és módjára is ugyanolyan fontos. Az adatokon alapuló elemző megközelítés hiányában fennáll a veszély, hogy a kampányok kiváló lehetőségeket szalasztanak el, és nem érik el a megfelelő hatásfokot.
Manapság a marketingkampányok gyakran közösségimédia-elemzésen alapulnak, ami világszerte egyre fontosabbá vált a vállalatok és szervezetek számára. A közösségimédia-elemzés hatékony eszköz, amellyel azonnali visszajelzést kaphat a termékekről és szolgáltatásokról, javíthatja az ügyfelekkel való interakciókat, hogy növelje az ügyfelek elégedettségét, lépést tartson a versennyel és így tovább. A vállalatok gyakran nem rendelkeznek hatékony és életképes módszerekkel a közösségimédia-beszélgetések monitorozására. Ennek eredményeképpen számtalan lehetőséget elmulasztanak arra, hogy ezeket a megállapításokat felhasználva tájékoztassák stratégiáikat és terveiket.
Lehetséges használati esetek
Ha információkat tud kinyerni az ügyfeleiről a közösségi médiából, javíthatja az ügyfélélményt, növelheti az ügyfelek elégedettségét, új érdeklődőket szerezhet, és megakadályozhatja az ügyfelek változását. A közösségimédia-elemzés ezen alkalmazásai három fő területre sorolhatók:
A márka állapotának mérése:
- Az ügyfelek reakcióinak és visszajelzéseinek rögzítése új termékekhez a közösségi médiában.
- Az újonnan bevezetett termék közösségimédia-interakcióinak hangulatelemzése.
Ügyfélkapcsolatok kiépítése és fenntartása:
- Gyorsan azonosíthatja az ügyfelek problémáit.
- A megjelölés nélküli márka említéseinek hallgatása.
Marketingbefektetések optimalizálása:
- Elemzések kinyerése a közösségi médiából kampányelemzéshez.
Közreműködők
Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.
Fő szerző:
- Christina Skarpathiotaki | AI Cloud Solution Architect
Egyéb közreműködők:
- Nicholas Moore | Felhőarchitektúra / Adatok / Mesterséges intelligencia
További lépések
További információ a következő képzési tervekkel:
- Gépi tanulási modellek létrehozása
- Mi-megoldások létrehozása az Azure Machine Tanulás
- Nagy léptékű adatintegráció az Azure Data Factory vagy az Azure Synapse Pipeline használatával
- Hangulatelemzés a Cognitive Servicesszel az Azure Synapse Analyticsben
- Oktatóanyag: Text Analytics az Azure AI-szolgáltatásokkal
A megoldásösszetevőkkel kapcsolatos információkért tekintse meg az alábbi erőforrásokat:
- Az Azure Machine Learning dokumentációja
- Az Azure Synapse Analytics dokumentációja
- Cognitive Services – dokumentáció
- Power BI-dokumentáció
- App Service overview
- Gépi tanulási modellek betanítása az Azure Synapse Analyticsben
- Gépi tanulási modell pontozása dedikált SQL-készletekhez az Azure Synapse Analyticsben
- Gépi tanulás az Apache Spark használatával az Azure Synapse Analyticsben