Optimalisatie van campagnes met SQL Server

Deze oplossing laat u zien hoe u een machine learning-model kunt bouwen en implementeren met SQL Server 2016 met R Services om acties aan te bevelen waardoor de aankoopactiviteiten van leads die tijdens een campagne zijn gegenereerd, worden gemaximaliseerd.

Beschrijving

Opmerking: als u deze oplossing al hebt geïmplementeerd, klikt u hier om de implementatie te bekijken.

Geschatte inrichtingstijd: 30 minuten

STOP voordat u verder gaat als u nog geen Data Science Virtual Machine op uw Azure-abonnement hebt geïmplementeerd. U moet eerst de Gebruiksrechtovereenkomst accepteren.

Overzicht

Wanneer een bedrijf een marketingcampagne lanceert om de interesse van klanten in nieuwe of bestaande producten te wekken, gebruiken ze vaak een reeks bedrijfsregels om leads te selecteren waar ze hun campagne op richten. Machine learning kan worden gebruikt om het aantal reacties van deze leads te verhogen. Deze oplossing laat zien hoe u een model kunt gebruiken om acties te voorspellen die naar verwachting de aankoopcijfers van leads waarop de campagne is gericht zullen maximaliseren. Deze voorspellingen dienen als basis voor aanbevelingen die moeten worden gebruikt bij een nieuwe campagne over de manier waarop (bijv. e-mail, sms of cold calls) en wanneer (dag en tijdstip) contact moet worden opgenomen met de beoogde leads. In de oplossing die hier wordt getoond worden gesimuleerde gegevens uit de verzekeringsbranche gebruikt om modelreacties van de leads op de campagne weer te geven. De voorspellingsfactoren van het model omvatten demografische details van de leads, historische campagneprestaties en productspecifieke informatie. Het model voorspelt de kans dat elke lead in de database een aankoop via een bepaald kanaal doet, op elke dag van de week op verschillende tijdstippen. Aanbevelingen over de te gebruiken kanalen, dagen en tijdstippen bij het zoeken van gebruikers worden vervolgens gebaseerd op de combinatie van kanaal en contactmoment die volgens de voorspelling van het model de hoogste kans heeft op een aankoop.

De oplossing Microsoft Marketing Campaign Optimization is een combinatie van een voorspellingsmodel met machine learning en een interactief visualisatiehulpmiddel, Power BI. De oplossing wordt gebruikt om de responsgraad op een campagne te verhogen door aanbevelingen voor een nieuwe campagne te doen over het kanaal (bijv. e-mail, sms of cold calls) om contact op te nemen met een lead, alsmede het contactmoment (dag en tijdstip). In deze oplossing worden gesimuleerde gegevens gebruikt die eenvoudig kunnen worden geconfigureerd om de gegevens van uw eigen bedrijf te gebruiken voor het opstellen van een model over de respons op een wervingscampagne. Het model gebruikt voorspellingsfactoren zoals demografische gegevens, historische campagneprestaties en productinformatie. De oplossing voorspelt voor elke lead in de database de kans op een leadconversie via elk kanaal, op verschillende dagen en tijdstippen. De uiteindelijke aanbeveling om contact met elke lead op te nemen wordt bepaald op basis van de combinatie van kanaal, dag en tijdstip met de hoogste kans op een conversie. De oplossing is gemodelleerd naar een gestandaardiseerd gegevenswetenschapproces, waarbij het voorbereiden van de gegevens, het trainen van het model en de evaluatie eenvoudig kunnen worden uitgevoerd door een gegevenswetenschapper, en de inzichten kunnen worden gevisualiseerd en gekoppeld aan KPI’s door marketing via Power BI-visualisaties.

Vanuit het perspectief van de bedrijfsmanager

Bij deze oplossingssjabloon worden (gesimuleerde) historische gegevens gebruikt om te voorspellen hoe en wanneer er contact met leads voor uw campagne moet worden opgenomen. Tot de aanbevelingen behoren het beste kanaal om contact met leads op te nemen (in ons voorbeeld is dat e-mail, sms of cold calls) en de beste dag van de week en het beste moment op de dag waarop contact kan worden opgenomen.

In deze oplossing brengt SQL Server R Services de rekenkracht voor de gegevens door R uit te laten voeren op de computer waarop ook de database zich bevindt. Het omvat een databaseservice die buiten het SQL Server-proces wordt uitgevoerd en die veilig met de R-runtime communiceert.

In dit oplossingspakket krijgt u instructies voor het maken en verfijnen van gegevens, het trainen van R-modellen en het uitvoeren van voorspellingen op de SQL Server-machine. In de laatste tabel met voorspellingen in SQL Server staan aanbevelingen voor de manier en het moment waarop u contact met elke lead moet opnemen. Deze gegevens worden vervolgens gevisualiseerd in Power BI.

Power BI geeft bovendien visuele samenvattingen van de effectiviteit van de aanbevelingen voor de campagne (wordt hier getoond met gesimuleerde gegevens). U kunt dit dashboard nu uitproberen door op de koppeling Nu uitproberen te klikken.

Op het tabblad Aanbevelingen van dit dashboard staan de voorspelde aanbevelingen. Bovenaan ziet u een tabel met afzonderlijke leads voor onze nieuwe implementatie. Hierin staan velden voor de id van de lead, de campagne en het product, ingevuld met leads waarop onze bedrijfsregels moeten worden toegepast. Hierna staan de modelvoorspellingen voor de leads, met daarbij het optimale kanaal en de optimale tijd om contact op te nemen met elke lead, en vervolgens de geschatte kansen dan de leads ons product zullen kopen aan de hand van deze aanbevelingen. Deze kansen kunnen worden gebruikt om de efficiëntie van de campagne te verbeteren door het aantal leads waarmee contact wordt opgenomen te beperken naar de subset met leads die ons product het meest waarschijnlijk zullen kopen.

Op het tabblad Aanbevelingen staan verder verschillende samenvattingen van aanbevelingen en demografische informatie over de leads.

Op het tabblad Campagnesamenvatting op het dashboard staan samenvattingen van de historische gegevens die zijn gebruikt om de voorspelde aanbevelingen te maken. Hoewel op dit tabblad ook waarden staan bij Dag van de week, Tijdstip van de dag en Kanaal, zijn deze waarden observaties uit het verleden die niet moeten worden verward met de aanbevelingen die op het tabblad Aanbevelingen staan.

Vanuit het perspectief van de datawetenschapper

SQL Server R Services brengt de rekenkracht voor de gegevens door R uit te voeren op de computer waarop de database wordt gehost. Het omvat een databaseservice die buiten het SQL Server-proces wordt uitgevoerd en die veilig met de R-runtime communiceert.

In deze oplossing krijgt u stapsgewijze instructies voor het maken en verfijnen van gegevens, het trainen van R-modellen en het uitvoeren van beoordelingen op de SQL Server-machine. In de laatste tabel met beoordeelde databases in SQL Server staan aanbevelingen voor de manier en het moment waarop u contact met elke lead moet opnemen. Deze gegevens worden vervolgens gevisualiseerd in Power BI. Hierin staat ook een samenvatting van het succes van de aanbevelingen die in uw nieuwe campagne zijn gebruikt nadat de campagne is beëindigd. (In deze sjabloon worden gesimuleerde gegevens getoond om de functie te illustreren.)

Datawetenschappers die oplossingen testen en ontwikkelen, kunnen gemakkelijk werken vanaf hun R IDE op hun clientmachine en tegelijkertijd het computerwerk naar de SQL Server-machine doorsturen. De voltooide oplossingen worden geïmplementeerd naar SQL Server 2016 door oproepen naar R te integreren in opgeslagen procedures. Deze oplossingen kunnen vervolgens verder worden geautomatiseerd met SQL Server Integration Services en SQL Server-agent.

Klik op de knop Implementeren om de automatisering te testen. De gehele oplossing wordt dan beschikbaar gesteld in uw Azure-abonnement.

Prijzen

Bij uw Azure-abonnement dat voor de implementatie is gebruikt worden verbruikskosten in rekening gebracht voor de services die in deze oplossing zijn gebruikt, circa $1.15 per uur voor de standaard-VM.

Zorg ervoor dat u het gebruik van uw VM-exemplaar stopt wanneer u de oplossing niet actief gebruikt. Voor het uitvoeren van de VM worden hogere kosten berekend.

Verwijder de oplossing als u deze niet gebruikt.

Vrijwaring

© 2017 Microsoft Corporation. Alle rechten voorbehouden. Deze informatie wordt als zodanig geleverd en kan zonder kennisgeving worden gewijzigd. Microsoft biedt geen garanties, expliciet of impliciet, met betrekking tot de hier verstrekte informatie. Gegevens van derden zijn gebruikt om de oplossing te genereren. U bent verantwoordelijk voor het respecteren van de rechten van anderen, inclusief het aanschaffen en naleven van relevante licenties om vergelijkbare gegevenssets te maken.

Gerelateerde architecturen voor oplossingen

Campagne-optimalisatie met Azure HDInsight Spark Clusters

Deze oplossing laat u zien hoe u een machine learning-model kunt bouwen en implementeren met Microsoft R Server on Azure HDInsight Spark-clusters om acties aan te bevelen waardoor de aankoopactiviteiten van leads die tijdens een campagne zijn gegenereerd, worden gemaximaliseerd. Dankzij deze oplossing kunt u big data in Spark met Microsoft R Server efficiënt verwerken.