고객 360

고객 관심과 구매 패턴을 깊이 이해하는 것은 소매업 인텔리전스 작업의 중요한 구성 요소입니다. 이 솔루션은 고객 데이터를 “360도” 프로필로 집계하는 프로세스를 구현하고 Azure의 안정성 및 처리 능력으로 지원되는 고급 기계 학습 모델을 사용하여 시뮬레이트된 고객에 대한 예측 정보를 제공합니다.

설명

참고: 이 솔루션을 이미 배포한 경우 여기를 클릭하여 배포를 확인하세요.

이 솔루션을 빌드하는 방법에 대한 자세한 내용은 GitHub에서 솔루션 가이드를 참조하세요.

예상 프로비전 시간: 20분

일반적인 소매업은 웹 브라우징 패턴, 구매 행동, 인구 통계 및 기타 세션 기반 웹 데이터를 포함하여 다양한 채널을 통해 고객 데이터를 수집합니다. 일부 데이터는 핵심 비즈니스 작업에서 생기지만 다른 데이터는 파트너, 제조업체, 공용 도메인 등의 외부 출처에서 가져오고 결합해야 합니다.

대부분의 비즈니스는 사용 가능한 데이터의 작은 부분만 활용하지만 ROI를 최대화하기 위해 비즈니스는 모든 출처의 관련 데이터를 통합해야 합니다. 일반적으로 외부 이기종 데이터 원본을 공유 데이터 처리 엔진으로 통합하려면 상당한 노력과 리소스를 갖춰야 했습니다. 이 솔루션은 분석 및 기계 학습을 통합하여 고객 구매 활동을 예측하는 간단하고 확장 가능한 접근 방법을 설명합니다.

고객 360 프로필 솔루션은 다음과 같이 하여 상기 문제를 다룹니다.

  • 성능을 높이기 위해 데이터 이동과 시스템 복잡성을 최소화하면서 여러 데이터 원본에서 데이터에 균일하게 액세스.
  • 예측 Machine Learning 모델을 사용하는 데 필요한 ETL 및 기능 엔지니어링 수행.
  • Microsoft R Server 및 Azure HDInsight에서 지원되는 분산 시스템에서 실행되는 예측 분석으로 다양화되는 포괄적인 고객 360 프로필 만들기.

고지 사항

©2017 Microsoft Corporation. All rights reserved. 이 정보는 “있는 그대로” 제공되며 예고 없이 변경될 수 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적 또는 묵시적 보증도 하지 않습니다. 타사 데이터는 솔루션을 생성하는 데 사용되었습니다. 유사한 데이터 집합을 만들기 위해 관련 라이선스를 확보하고 준수하는 것을 비롯한 다른 사람의 권리를 존중하는 것은 귀하의 책임입니다.

Python Web Job Event Hub ETL (Python) Machine LearningTrained model Stream Analytics Azure Storage Browsing Data Batch ETL and Predictive Pipeline 1 2 SQL DW Demographics, products, purchases Merged customer profilew/ engineered features Enriched customer profile with predictions HD Insight(Spark R Server) Enriched customer profiles Power BI Dashboard 3 4 5 6

데이터 생성기는 시뮬레이트된 고객 데이터를 Event Hub로 파이프합니다.

Stream Analytics 작업은 EventHub에서 읽고 집계를 수행합니다.

Stream Analytics는 시간으로 그룹화된 데이터를 Azure Storage Blob에 유지합니다.

HDInsight에서 실행되는 Spark 작업은 최신 고객 브라우징 데이터를 과거 구매 및 인구 통계 데이터와 병합하여 통합 사용자 프로필을 작성합니다.

두 번째 Spark 작업은 기계 학습 모델을 기준으로 각 고객 프로필의 점수를 매겨 장래 구매 패턴을 예측합니다(해당 고객이 이후 30일 내에 구매할 가능성이 있는가? 그렇다면 어떤 제품 범주인가?).

예측 및 기타 프로필 데이터는 Power BI Online에서 시각화되고 차트 및 테이블로 공유됩니다.

  1. 1 데이터 생성기는 시뮬레이트된 고객 데이터를 Event Hub로 파이프합니다.
  2. 2 Stream Analytics 작업은 EventHub에서 읽고 집계를 수행합니다.
  3. 3 Stream Analytics는 시간으로 그룹화된 데이터를 Azure Storage Blob에 유지합니다.
  1. 4 HDInsight에서 실행되는 Spark 작업은 최신 고객 브라우징 데이터를 과거 구매 및 인구 통계 데이터와 병합하여 통합 사용자 프로필을 작성합니다.
  2. 5 두 번째 Spark 작업은 기계 학습 모델을 기준으로 각 고객 프로필의 점수를 매겨 장래 구매 패턴을 예측합니다(해당 고객이 이후 30일 내에 구매할 가능성이 있는가? 그렇다면 어떤 제품 범주인가?).
  3. 6 예측 및 기타 프로필 데이터는 Power BI Online에서 시각화되고 차트 및 테이블로 공유됩니다.