Løsningsarkitektur: Personlige markedsføringsløsninger

Personlig markedsføring er avgjørende for å bygge kundelojalitet og opprettholde lønnsomheten. Det er vanskeligere enn noen gang å nå frem til kunder og engasjere dem, generiske tilbud blir lett oversett eller ignorert. Nåværende markedsføringssystemer klarer ikke å benytte seg av fordelene ved dataene som kan hjelpe med å løse dette problemet.

Markedsførere som bruker intelligente systemer og analyserer enorme datamengder kan levere veldig relevante og personlige tilbud til hver bruker som ignorerer det uvesentlige og fremmer engasjement. Forhandlere kan for eksempel levere tilbud og innhold som er basert på hver enkelt kundes unike interesser og preferanser og plassere produkter foran de personene som er de mest sannsynlige kundene.

Ved å personliggjøre tilbudene leverer du en individuell opplevelse for hver nåværende eller sannsynlige kunde, du øker engasjementet og forbedrer kundekonverteringen, livstidsverdien og kundelojaliteten.

Distribuer til Azure

Bruk den følgende forhåndsbygde malen til å distribuere denne arkitekturen til Azure

Distribuer til Azure

Se gjennom på GitHub

Personlige markedsføringsløsninger Finn viktig teknologi for å markedsføre produktene dine med personlige tilbud. Individualiser markedsføringen for større kunderespons ved hjelp av store-data-innsikt. Cosmos DB (Azure Services) Dashboard Browser Azure Stream Analytics (Near Real-Time Aggregates) Input Events Event Hub Cold Start Product Affinity Maching Learning (Product Affinity) Raw Stream Data Personalized Offer Logic

Implementeringsveiledning

Produkter Dokumentasjon

Event Hubs

Event Hubs ingests raw click-stream data from Functions and passes it on to Stream Analytics.

Stream Analytics

Stream Analytics aggregates clicks in near real-time by product, offer, and user to write to Azure Cosmos DB and also archives raw click-stream data to Azure Storage.

Azure Cosmos DB

Azure Cosmos DB stores aggregated data of clicks by user, product, and offer as well as user-profile information.

Storage

Azure Storage stores archived raw click-stream data from Stream Analytics.

Functions

Azure Functions takes in user clickstream data from website and reads existing user history from Azure Cosmos DB. These data are then run through the Machine Learning web service or used along with the cold-start data in Redis Cache to obtain product-affinity scores. Product-affinity scores are used with the personalized-offer logic to determine the most relevant offer to present to the user.

Machine Learning

Machine Learning helps you easily design, test, operationalize, and manage predictive analytics solutions in the cloud.

Redis Cache

Redis Cache stores pre-computed cold-start product affinity scores for users without history.

strøm~~POS=TRUNC BI

Power BI Visualizes user activity data as well as offers presented by reading in data from Cosmos DB.

Relaterte løsningsarkitekturer

Oppgavebasert forbrukermobilapp

En mobilserverdel som brukes av iOS-, Android- og Windows-klientapper. Bruk Xamarin eller egne klient-SDK-er til å utvikle en mobilklientapp med støtte for frakoblet synkronisering, inkludert frakoblet synkronisering av bildefiler. App Service-godkjenning brukes til å koble til en identitetsleverandør, og Azure Blob Storage brukes til å lagre bilder på en kostnadseffektiv og skalerbar måte.

Mer informasjon