맞춤형 제품

오늘날의 경쟁이 심하고 연결된 환경에서 일반적이고 정적인 온라인 콘텐츠로는 더 이상 살아남을 수 없습니다. 더군다나 기존 도구를 사용하는 마케팅 전략은 종종 비용이 많이 들고 구현하기 힘들며 원하는 투자 수익률을 얻지 못합니다. 이러한 시스템은 사용자에게 맞춤형 환경을 제공하기 위해 수집한 데이터를 활용하는 데 종종 실패합니다.

사용자 맞춤형 제품은 고객 충성도를 쌓고 계속 수익을 내는 데 중요해 지고 있습니다. 소매 웹 사이트에서 고객은 고유한 관심과 선호에 따라 제품과 콘텐츠를 제공하는 지능형 시스템을 원합니다. 오늘날 디지털 마케팅 팀은 모든 종류의 사용자 조작을 통해 생성된 데이터를 사용하여 이러한 인텔리전스를 만들 수 있습니다. 대량의 데이터를 분석하여 마케팅 담당자는 각 사용자에게 적합한 맞춤형 제품을 제공할 기회를 얻습니다. 그러나 안정적이고 확장 가능한 빅 데이터 인프라를 구축하고 각 사용자에게 맞춘 정교한 기계 학습 모델을 개발하는 일은 쉽지 않습니다.

설명

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

시간을 절약하고 이러한 훈련된 SI 파트너 중 한 명이 이 솔루션의 개념 증명, 배포 및 통합을 도울 수 있도록 하세요.

예상 프로비저닝 시간: 45분

Cortana Intelligence Suite는 맞춤형 제품 솔루션을 빌드하기 위한 모든 필수 요소인 고급 분석 도구(데이터 수집, 데이터 저장, 데이터 처리 및 고급 분석 구성 요소)를 Microsoft Azure를 통해 제공합니다.

이 솔루션은 여러 Azure 서비스를 결합하여 강력한 이점을 제공합니다. Event Hubs는 실시간 사용 데이터를 수집합니다. Stream Analytics는 맞춤형 제품을 만드는 데 사용되는 데이터를 고객에게 업데이트할 뿐만 아니라 스트리밍 데이터를 집계하고 시각화에 사용 가능하도록 만듭니다. Azure DocumentDB는 고객, 제품 및 제안 정보를 저장합니다. Azure Storage는 사용자 조작을 시뮬레이션하는 큐를 관리하는 데 사용됩니다. Azure Functions는 사용자 시뮬레이션에 대한 코디네이터 및 맞춤형 제품을 만들기 위한 솔루션의 중심 부분으로 사용됩니다. Azure Machine Learning은 제품 선호도 점수를 구현 및 실행하고, 사용자 기록을 사용할 수 없는 경우 고객에게 미리 계산된 제품 선호도를 제공하기 위해 Azure Redis Cache가 사용됩니다. PowerBI는 시스템의 실시간 활동을 시각화하고 DocumentDB의 데이터를 사용하여 다양한 제품의 동작을 시각화합니다.

‘배포’ 단추를 누르면 지정한 Azure 구독의 리소스 그룹 내에 솔루션의 인스턴스를 배포하는 워크플로가 시작됩니다. 솔루션에는 여러 Azure 서비스(위에서 설명함)가 포함되며 시뮬레이션한 사용자 동작을 통해 작동하는 종단 간 솔루션을 만드는 데 필요한 간단한 지침이 제공됩니다.

배포 후 지침과 기술 구현에 대한 자세한 내용은 여기의 지침을 참조하세요.

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.

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

Azure Function과 한 쌍의 Azure Storage 큐를 사용하여 웹 사이트에서 사용자 활동이 시뮬레이션됩니다.

맞춤형 제품 기능이 Azure Function으로 구현됩니다. 제품 및 레코드 작업을 생성하기 위해 모두 함께 연결하는 주요 기능입니다. 데이터는 Azure Redis Cache 및 Azure DocumentDb에서 읽고, 제품 선호도 점수는 Azure Machine Learning에서 계산됩니다(사용자에 대한 기록이 없는 경우 Azure Redis Cache에서 미리 계산된 선호도를 읽음).

원시 사용자 활동 데이터(제품 및 제안 클릭), 사용자에게 한 제안, 성능 데이터(Azure Functions 및 Azure Machine Learning)가 Azure Event Hub에 전송됩니다.

제품은 사용자에게 반환됩니다. 시뮬레이션에서는 Azure Storage 큐에 기록하여 작업이 완료되고 다음 사용자 동작을 생성하기 위해 Azure Function에서 선택합니다.

Azure Stream Analytics는 데이터를 분석하여 Azure Event Hub의 입력 스트림에 대한 거의 실시간 분석을 제공합니다. 집계된 데이터는 Azure DocumentDB로 전송됩니다. 원시 데이터는 Azure Data Lake Storage로 전송됩니다.

  1. 1 Azure Function과 한 쌍의 Azure Storage 큐를 사용하여 웹 사이트에서 사용자 활동이 시뮬레이션됩니다.
  2. 2 맞춤형 제품 기능이 Azure Function으로 구현됩니다. 제품 및 레코드 작업을 생성하기 위해 모두 함께 연결하는 주요 기능입니다. 데이터는 Azure Redis Cache 및 Azure DocumentDb에서 읽고, 제품 선호도 점수는 Azure Machine Learning에서 계산됩니다(사용자에 대한 기록이 없는 경우 Azure Redis Cache에서 미리 계산된 선호도를 읽음).
  3. 3 원시 사용자 활동 데이터(제품 및 제안 클릭), 사용자에게 한 제안, 성능 데이터(Azure Functions 및 Azure Machine Learning)가 Azure Event Hub에 전송됩니다.
  1. 4 제품은 사용자에게 반환됩니다. 시뮬레이션에서는 Azure Storage 큐에 기록하여 작업이 완료되고 다음 사용자 동작을 생성하기 위해 Azure Function에서 선택합니다.
  2. 5 Azure Stream Analytics는 데이터를 분석하여 Azure Event Hub의 입력 스트림에 대한 거의 실시간 분석을 제공합니다. 집계된 데이터는 Azure DocumentDB로 전송됩니다. 원시 데이터는 Azure Data Lake Storage로 전송됩니다.

관련 솔루션 아키텍처

수요 예측

제품 및 서비스에 대한 갑작스러운 수요 증가를 정확하게 예측하면 회사에 경쟁 우위가 제공될 수 있습니다. 이 솔루션은 에너지 분야의 수요 예측에 집중합니다.

수요 예측 및 가격 최적화

가격은 많은 산업에서 성공하기 위한 중심 결정 요인으로 인식되지만 가장 어려운 작업 중 하나가 될 수 있습니다. 회사들은 잠재적인 전략의 재정적인 영향을 정확하게 예측하고, 핵심 비즈니스 제약 사항을 합리적으로 고려하고, 실행된 가격 결정을 공정하게 검증하는 작업을 비롯하여 가격 책정 프로세스의 여러 측면에서 노력하고 있습니다. 제품 제공을 확장하면 실시간 가격 결정을 수행하기 위한 계산 요구 사항이 추가되므로 이미 너무나 작업이 많은 어려운 상황이 악화됩니다.