Ottimizzazione della campagna con SQL Server

Questa soluzione illustra come creare e distribuire un modello di Machine Learning con SQL Server 2016 con R Services per consigliare azioni per massimizzare il tasso di acquisto dei lead interessati da una campagna.

Descrizione

Nota: se hai già distribuito questa soluzione, fai clic qui per visualizzare la distribuzione.

Tempo stimato per il provisioning: 30 minuti

FERMATI prima di continuare Se non hai ancora distribuito una macchina virtuale di data science nella tua sottoscrizione di Azure, devi prima di tutto accettare le condizioni per l'utilizzo.

Panoramica

Quando un business lancia una campagna di marketing per suscitare l'interesse dei clienti in prodotti nuovi o esistenti, usa spesso un set di regole di business per selezionare lead che devono essere i destinatari della campagna. Machine Learning può essere usato per incrementare la percentuale di risposta da questi lead. Questa soluzione illustra come usare un modello per prevedere azioni che dovrebbero massimizzeranno il tasso di acquisto dei lead interessati dalla campagna. Queste previsioni vengono usate come base per i consigli che devono essere usati da una campagna rinnovata su come contattare i lead (ad esempio, posta elettronica, SMS o telefonata diretta) e quando contattare i lead interessati. La soluzione presentata qui usa dati simulati del settore assicurativo per modellare le risposte dei lead alla campagna. I predittori del modello includono dettagli demografici dei lead, prestazioni cronologiche della campagna e dettagli specifici del prodotto. Il modello prevede la probabilità che ogni lead nel database effettui un acquisto da un canale, in ogni giorno della settimana a diversi orari nella giornata. I consigli sul canale, sul giorno della settimana e sull'orario della giornata da usare per contattare gli utenti sono basati sulla combinazione di canale e orario che secondo la previsione del modello avrà la probabilità più elevata di un acquisto effettivo.

La soluzione Microsoft Marketing Campaign Optimization è una combinazione di un modello di previsione di Machine Learning e di uno strumento di visualizzazione interattivo, Power BI. La soluzione viene usata per incrementare la percentuale di risposta a una campagna consigliando il canale per il contatto (ad esempio, posta elettronica, SMS o telefonata diretta), oltre al momento ottimale (giorno della settimana e orario del giorno) per contattare i lead da usare nella nuova campagna. La soluzione usa dati simulati, che possono essere configurati con facilità per l'uso dei dati della tua organizzazione in modo da modellare la risposta della campagna di acquisizione. Il modello usa predittori quali dati demografici, prestazioni cronologiche della campagna e dettagli del prodotto. La soluzione prevede la probabilità della conversione di un lead da ogni canale, in diversi orari della giornata e diversi giorni della settimana, per ogni lead nel database. Il consiglio finale per coinvolgere ogni lead viene definito in base alla combinazione di canale, giorno della settimana e orario della giornata con la probabilità più elevata di conversione. La soluzione è stata modellata dopo un processo di data science standardizzato, in cui un data scientist può eseguire con facilità la preparazione dei dati, il training e la valutazione dei modelli e le informazioni dettagliate vengono visualizzate e correlate agli indicatori KPI dal marketing tramite la visualizzazione di Power BI.

Punto di vista dei business manager

Questo modello di soluzione usa dati cronologici simulati per prevedere come e quando contattare i lead per la tua campagna. I consigli includono il canale migliore per contattare un lead (nel nostro esempio posta elettronica, SMS o telefonata diretta), il giorno migliore della settimana e l'orario migliore della giornata per il contatto.

R Services per SQL Server fornisce le funzionalità di calcolo ai dati tramite l'esecuzione di R nel computer che ospita il database. Include un servizio di database eseguito all'esterno del processo SQL Server e comunica in modo sicuro con il runtime di R.

Il pacchetto della soluzione mostra come creare e perfezionare i dati, come eseguire il training di modelli R e come ottenere previsioni nel computer di SQL Server. La tabella finale di previsioni in SQL Server fornisce consigli su come e quando contattare ogni lead. Questi dati vengono quindi visualizzati in Power BI.

Power BI presenta anche riepiloghi visivi dell'efficacia dei consigli della campagna, mostrati qui con dati simulati. È possibile provare questo dashboard facendo clic sul collegamento Prova subito.

La scheda Consigli di questo dashboard mostra i consigli previsti. Nella parte superiore è disponibile una tabella dei singoli lead per la nuova distribuzione. La tabella include i campi per ID lead, campagna e prodotto, popolati con i lead a cui devono essere applicate le regole aziendali. Di seguito sono disponibili le previsioni del modello per i lead, che indicano il canale e l'orario ottimale per contattare ogni lead e quindi le probabilità stimate dell'acquisto del nostro prodotto da parte dei lead tramite questi consigli. Queste probabilità possono essere usate per migliorare l'efficienza della campagna limitando il numero di lead contattati al sottoinsieme con maggiore probabilità di acquisto.

Nella scheda Consigli sono disponibili anche diversi riepiloghi dei consigli e informazioni demografiche sui lead.

La scheda Riepilogo campagna del dashboard mostra riepiloghi dei dati cronologici usati per creare i consigli previsti. Benché questa scheda mostri anche i valori per giorno della settimana, ora del giorno e canale, tali valori sono osservazioni passate reali, da non confondere con i consigli mostrati nella scheda Consigli.

Punto di vista dei data scientist

R Services per SQL Server fornisce le funzionalità di calcolo ai dati tramite l'esecuzione di R nel computer che ospita il database. Include un servizio di database eseguito all'esterno del processo SQL Server e comunica in modo sicuro con il runtime di R.

Questa soluzione illustra in modo dettagliato la procedura per la creazione e il perfezionamento dei dati, per il training dei modelli R e per l'assegnazione dei punteggi nel computer di SQL Server. La tabella finale del database con punteggi in SQL Server fornisce i consigli relativi a come e quando contattare ogni lead. I dati vengono quindi visualizzati in Power BI, che contiene anche un riepilogo dell'esito positivo dei consigli usati nella nuova campagna dopo il completamento. Per illustrare la funzionalità, in questo modello vengono mostrati dati simulati.

I data scientist che eseguono i test e sviluppano soluzioni possono usare il proprio ambiente di sviluppo integrato R nel computer client, affidando le operazioni di calcolo al computer di SQL Server. Le soluzioni completate vengono distribuite in SQL Server 2016 tramite l'incorporamento di chiamate a R nelle stored procedure. Queste soluzioni possono essere automatizzate ulteriormente con SQL Server Integration Services e SQL Server Agent.

Fare clic sul pulsante Distribuisci per testare l'automazione. L'intera soluzione verrà resa disponibile nella sottoscrizione di Azure.

Prezzi

Alla sottoscrizione di Azure usata per la distribuzione verranno applicati addebiti per l'utilizzo dei servizi usati nella soluzione, approssimativamente $1.15/ora per la macchina virtuale predefinita.

Assicurati di arrestare la tua istanza di macchina virtuale quando non usi attivamente la soluzione. Se la macchina virtuale rimane in esecuzione, i costi addebitati saranno più elevati.

Elimina la soluzione se non la usi.

Dichiarazione di non responsabilità

©2017 Microsoft Corporation. Tutti i diritti sono riservati. Queste informazioni vengono fornite "così come sono" e sono soggette a modifiche senza preavviso. Microsoft non fornisce alcuna garanzia, espressa o implicita, in merito alle informazioni fornite qui. Per la generazione della soluzione sono stati usati dati di terze parti. La responsabilità per il rispetto dei diritti di altri, inclusi l'acquisizione e la conformità delle licenze rilevanti per la creazione di set di dati simili, è a tuo carico.

Architetture delle soluzioni correlate

Ottimizzazione della campagna con cluster Azure HDInsight Spark

Questa soluzione illustra come creare e distribuire un modello di Machine Learning con Microsoft R Server nei cluster Azure HDInsight Spark per consigliare azioni per massimizzare il tasso di acquisto dei lead interessati da una campagna. Questa soluzione consente la gestione efficiente di Big Data su Spark con Microsoft R Server.