編集

パーソナライズされたオファー

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

ソリューションのアイデア

このアーティクルはソリューションのアイデアです。 このコンテンツにさらに多くの情報 (想定されるユース ケース、代替サービス、実装に関する考慮事項、価格ガイダンスなど) の掲載をご希望の方は、GitHub のフィードバックでお知らせください。

このソリューションでは、複数のソースからのデータを分析する機械学習モデルを使用して、顧客に合わせたコンテンツを提供するインテリジェントなマーケティング システムを構築します。 主なテクノロジとして、Intelligent Recommendations と Azure Personalizer が使われています。

アーキテクチャ

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

このアーキテクチャの Visio ファイルをダウンロードします。

データフロー

  1. Azure Function アプリにより、Web サイト上でユーザーに対して行われた生のユーザー アクティビティ (製品やオファーのクリックなど) とプランがキャプチャされます。 アクティビティは Azure Event Hubs に送信されます。 ユーザー アクティビティが使用できない領域では、シミュレートされたユーザー アクティビティが Azure Cache for Redis に格納されます。
  2. Azure Stream Analytics によってデータが分析され、Azure Event Hubs インスタンスからの入力ストリームでほぼリアルタイムの分析が提供されます。
  3. 集計データは Azure Cosmos DB for NoSQL に送信されます。
  4. Power BI は、集計データに関する分析情報を検索するために使われます。
  5. 生データが Azure Data Lake Storage に送信されます。
  6. Intelligent Recommendations は、Azure Data Lake Storage からの生データを使って、Azure Personalizer にレコメンデーションを提供します。
  7. Personalizer サービスは、コンテキストに応じてパーソナル化された主な製品やプランを提供します。
  8. パーソナル化された製品やプランを提供するために、シミュレーションされたユーザーのアクティビティ データが Personalizer サービスに提供されます。
  9. その結果は、ユーザーがアクセスする Web アプリ上で提供されます。
  10. 表示されたプランや製品に対するユーザーの反応に基づいて、ユーザー フィードバックがキャプチャされます。 この報酬スコアは、Personalizer サービスに提供され、時間の経過と共にパフォーマンスが向上します
  11. Intelligent Recommendations を再トレーニングすると、レコメンデーションを向上させることができます。 Azure Data Lake Storage から更新されたデータを使って、このプロセスを実行することもできます。

コンポーネント

  • Event Hubs は、フル マネージド ストリーミング プラットフォームです。 このソリューションでは、Event Hubs はリアルタイムの消費データを収集します。
  • Stream Analytics では、 リアルタイムのサーバーレス ストリーム処理が提供されます。 このサービスでは、クラウドとエッジ デバイスでクエリを実行する方法が提供されます。 このソリューションでは、Stream Analytics を使って、ストリーミング データを集計します。これは視覚化と更新に利用できます。
  • Azure Cosmos DB は、グローバル分散型のマルチモデル データベースです。 Azure Cosmos DB により、ソリューションは、任意の数の地理的リージョンにまたがってスループットとストレージを弾力的にスケーリングできます。 Azure Cosmos DB for NoSQL ではデータがドキュメント形式で格納され、これは Azure Cosmos DB が提供するいくつかのデータベース API の 1 つです。 このソリューションの GitHub 実装では、DocumentDB を使用して、顧客、製品、オファーの情報を格納しました。ただし、Azure Cosmos DB for NoSQL を使うこともできます。 詳細については、「DocumentDB のお客様へ: Azure Cosmos DB へようこそ」をご覧ください。
  • Storage は、オブジェクト、ファイル、ディスク、キュー、テーブルのストレージを含むクラウド ストレージ ソリューションです。 サービスには、データの転送、共有、バックアップを行うためのハイブリッド ストレージ ソリューションおよびツールが含まれます。 このソリューションでは Storage を使用して、ユーザーとの対話をシミュレートするキューを管理します。
  • Functions は、アプリケーションのビルドに使用できるサーバーレス コンピューティング プラットフォームです。 Functions では、トリガーとバインドを使用して、サービスを統合できます。 このソリューションでは Functions を使用して、ユーザー シミュレーションを調整します。 Functions は、パーソナライズされたオファーを生成するコア コンポーネントでもあります。
  • Machine Learning は、機械学習モデルのトレーニング、デプロイ、自動化、管理、追跡に使用できるクラウドベースの環境です。 ここでは、Machine Learning では各ユーザーの好みと製品履歴を使用して、ユーザーと製品のアフィニティ スコアリングを提供します。
  • Azure Cache for Redis は、Redis ソフトウェアをベースにしたメモリ内データストアを提供します。 Azure Cache for Redis は、オープンソースの Redis の機能をフルマネージドで提供します。 このソリューションでは、Azure Cache for Redis は使用可能なユーザー履歴がないお客様に対して事前に計算された製品アフィニティを提供します。
  • Power BI は、対話型の視覚化およびビジネス インテリジェンス機能を提供するビジネス分析サービスです。 使いやすいインターフェイスにより、ユーザーは独自のレポートとダッシュボードを作成できます。 このソリューションでは Power BI を使用して、システム内のリアルタイム アクティビティを表示します。 たとえば、Power BI は Azure Cosmos DB for NoSQL のデータを使用して、さまざまなオファーに対する顧客の反応を表示します。
  • Data Lake Storage は、大量のデータを未加工のデータのネイティブ形式で保持するスケーラブルなストレージ リポジトリです。

ソリューションの詳細

今日の競争の激しい接続された環境において、現代の企業は汎用的な静的オンライン コンテンツでは生き残ることができなくなりました。 さらに、従来のツールを使用するマーケティング戦略は、コストが高く、実装が困難な場合があります。 その結果、必要な投資収益率は得られません。 これらのシステムでは、ユーザー向けにパーソナライズされたエクスペリエンスを生み出すときに、収集されたデータを十分に活用できていないことも少なくありません。

各ユーザーに対するカスタマイズされたオファーの提示は、顧客ロイヤルティを構築し、収益性を維持するうえで不可欠となっています。 小売 Web サイトでは、顧客は独自の関心事や好みに基づいてオファーやコンテンツを提供するインテリジェントなシステムを求めています。 今日のデジタル マーケティング チームは、ユーザーとのあらゆる種類の対話から生成されたデータを使用して、このインテリジェンスを構築できます。

膨大な量のデータを分析することによって、マーケターは関連性の高いパーソナライズされたオファーを各ユーザーに提供する機会が得られるようになりました。 ただし、信頼性が高くスケーラブルなビッグ データ インフラストラクチャを構築することは簡単ではありません。 また、ユーザーごとにパーソナライズされた高度な機械学習モデルの開発も複雑な作業です。

Intelligent Recommendations には、ユーザーの操作やメタデータに基づいた項目のレコメンデーションなど、望ましい結果を導く機能があります。 販売可能な製品、メディア、ドキュメント、プランなど、あらゆるコンテンツ タイプのプロモーションやパーソナル化に使用できます。

Azure Personalizer は Azure Cognitive Services の一部であるサービスです。 これを使うと、買い物客に提示すべき製品を判断したり、広告の最適な表示位置を見つけ出したりすることができます。 Personalizer は、追加の最終手順ランカーとして機能します。 レコメンデーションがユーザーに表示された後は、ユーザーの反応が監視され、報酬スコアとして Personalizer サービスに報告されます。 このプロセスにより、サービスは継続的に学習し、Personalizer が受け取ったコンテキスト情報に基づいて最適な項目を選ぶ Personalizer の機能を強化することができます。

Microsoft Azure は、データ インジェスト、データ ストレージ、データ処理、高度な分析の各コンポーネントの分野で高度な分析ツールを提供します。これらはすべて、パーソナライズされたオファー ソリューションを構築するための重要な要素です。

システム インテグレーター

トレーニングを受けたシステム インテグレーター (SI) を雇うことで、このソリューションを実装する時間を節約できます。 SI は概念実証の開発を支援し、ソリューションのデプロイと統合を支援します。

考えられるユース ケース

このソリューションは、顧客データ (閲覧および/または購入した製品) に基づく商品やサービスのマーケティングに適用されます。 これは、次の分野に適用できます。

  • eコマース - これは、顧客の行動と製品のレコメンデーションと共にパーソナル化が広く使われている分野です。

  • 小売 - 過去の購入データに基づいて、製品に関するレコメンデーションやプランを提供できます。

  • 通信 - この分野では、ユーザー操作に基づいて、レコメンデーションを提供できます。 他の業界と比べると、製品やプランの範囲が限られている可能性があります。

共同作成者

この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。

プリンシパル作成者:

パブリックでない LinkedIn プロファイルを表示するには、LinkedIn にサインインします。

次のステップ