Bewerken

Gepersonaliseerde aanbiedingen

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

Oplossingsideeën

Dit artikel is een oplossingsidee. Als u wilt dat we de inhoud uitbreiden met meer informatie, zoals mogelijke use cases, alternatieve services, implementatieoverwegingen of prijsrichtlijnen, laat het ons dan weten door GitHub-feedback te geven.

Met deze oplossing worden intelligente marketingsystemen gebouwd die op de klant afgestemde inhoud bieden met behulp van machine learning-modellen die gegevens uit meerdere bronnen analyseren. Belangrijke technologieën die worden gebruikt, zijn Intelligent Aanbevelingen en Azure Personalizer.

Architectuur

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

Een Visio-bestand van deze architectuur downloaden.

Gegevensstroom

  1. Een Azure Function-app legt de onbewerkte gebruikersactiviteit vast (zoals klikken op producten en aanbiedingen) en aanbiedingen die worden gedaan aan gebruikers op de website. De activiteit wordt verzonden naar Azure Event Hubs. In gebieden waar gebruikersactiviteit niet beschikbaar is, wordt de gesimuleerde gebruikersactiviteit opgeslagen in Azure Cache voor Redis.
  2. Azure Stream Analytics analyseert de gegevens om bijna realtime analyses uit de invoerstroom van de Azure Event Hubs-instantie te bieden.
  3. De geaggregeerde gegevens worden verzonden naar Azure Cosmos DB for NoSQL.
  4. Power BI wordt gebruikt om inzicht te krijgen in de geaggregeerde gegevens.
  5. De onbewerkte gegevens worden naar Azure Data Lake Storage verzonden.
  6. Intelligent Aanbevelingen maakt gebruik van de onbewerkte gegevens uit Azure Data Lake Storage en biedt aanbevelingen voor Azure Personalizer.
  7. De Personalizer-service dient de beste contextuele en persoonlijke producten en aanbiedingen.
  8. Gesimuleerde gebruikersactiviteitsgegevens worden verstrekt aan de Personalizer-service om gepersonaliseerde producten en aanbiedingen te bieden.
  9. De resultaten worden weergegeven in de web-app waartoe de gebruiker toegang heeft.
  10. Feedback van gebruikers wordt vastgelegd op basis van de reactie van de gebruiker op de weergegeven aanbiedingen en producten. De beloningsscore wordt geleverd aan de Personalizer-service om deze in de loop van de tijd beter te laten presteren
  11. Hertraining voor Intelligent Aanbevelingen kan leiden tot betere aanbevelingen. Dit proces kan ook worden uitgevoerd met behulp van vernieuwde gegevens uit Azure Data Lake Storage.

Onderdelen

  • Event Hubs is een volledig beheerd streamingplatform. In deze oplossing verzamelt Event Hubs realtime verbruiksgegevens.
  • Stream Analytics biedt realtime serverloze stroomverwerking. Deze service biedt een manier om query's uit te voeren in de cloud en op edge-apparaten. In deze oplossing worden de streaminggegevens samengevoegd en beschikbaar gesteld voor visualisatie en updates.
  • Azure Cosmos DB is een wereldwijd gedistribueerde database met meerdere modellen. Met Azure Cosmos DB kunnen uw oplossingen doorvoer en opslag elastisch schalen in een willekeurig aantal geografische regio's. Azure Cosmos DB for NoSQL slaat gegevens op in documentindeling en is een van de verschillende database-API's die Azure Cosmos DB biedt. In de GitHub-implementatie van deze oplossing is DocumentDB gebruikt voor het opslaan van de gegevens van de klant, het product en de aanbieding, maar u kunt ook Azure Cosmos DB for NoSQL gebruiken. Zie Beste DocumentDB-klanten, welkom bij Azure Cosmos DB!, voor meer informatie.
  • Opslag is een cloudopslagoplossing die object-, bestands-, schijf-, wachtrij- en tabelopslag omvat. Services omvatten hybride opslagoplossingen en hulpprogramma's voor het overdragen, delen en maken van back-ups van gegevens. Deze oplossing maakt gebruik van Storage om de wachtrijen te beheren waarmee gebruikersinteractie wordt gesimuleerd.
  • Functions is een serverloos rekenplatform dat u kunt gebruiken om toepassingen te bouwen. Met Functions kunt u triggers en bindingen gebruiken om services te integreren. Deze oplossing maakt gebruik van Functions om de gebruikerssimulatie te coördineren. Functies is ook het kernonderdeel dat persoonlijke aanbiedingen genereert.
  • Machine Learning is een cloudomgeving die u kunt gebruiken om machine learning-modellen te trainen, implementeren, automatiseren, beheren en bij te houden. Hier gebruikt Machine Learning de voorkeuren en productgeschiedenis van elke gebruiker om de affiniteitsscore van gebruikers naar product te bieden.
  • Azure Cache voor Redis biedt een in-memory gegevensarchief dat is gebaseerd op Redis-software. Azure Cache voor Redis biedt opensource-mogelijkheden voor Redis als een volledig beheerde aanbieding. In deze oplossing biedt Azure Cache voor Redis vooraf berekende productaffiniteit voor klanten zonder beschikbare gebruikersgeschiedenis.
  • Power BI is een business analytics-service die interactieve visualisaties en mogelijkheden voor bedrijfsinformatie biedt. Dankzij de gebruiksvriendelijke interface kunt u uw eigen rapporten en dashboards maken. Deze oplossing maakt gebruik van Power BI om realtime activiteit in het systeem weer te geven. Power BI gebruikt bijvoorbeeld de gegevens van Azure Cosmos DB for NoSQL om de reactie van de klant op verschillende aanbiedingen weer te geven.
  • Data Lake Storage is een schaalbare opslagopslagplaats met een grote hoeveelheid gegevens in de systeemeigen, onbewerkte indeling van de gegevens.

Details oplossing

In de huidige uiterst concurrerende en verbonden omgeving kunnen moderne bedrijven niet langer overleven op algemene, statische online-inhoud. Bovendien kunnen marketingstrategieën die gebruikmaken van traditionele hulpprogramma's duur en moeilijk te implementeren zijn. Als gevolg hiervan produceren ze niet het gewenste rendement op investeringen. Deze systemen profiteren vaak niet optimaal van verzamelde gegevens wanneer ze een meer persoonlijke ervaring voor gebruikers creëren.

Het presenteren van aanbiedingen die voor elke gebruiker zijn aangepast, is essentieel geworden voor het opbouwen van klantloyaliteit en het blijven winstgevend blijven. Op een retailwebsite wensen klanten intelligente systemen die aanbiedingen en inhoud bieden op basis van hun unieke interesses en voorkeuren. De digitale marketingteams van vandaag kunnen deze intelligentie bouwen met behulp van de gegevens die worden gegenereerd op basis van alle soorten gebruikersinteracties.

Marketeers hebben nu de mogelijkheid om zeer relevante en persoonlijke aanbiedingen te leveren aan elke gebruiker door enorme hoeveelheden gegevens te analyseren. Maar het bouwen van een betrouwbare en schaalbare big data-infrastructuur is niet triviaal. En het ontwikkelen van geavanceerde machine learning-modellen die voor elke gebruiker zijn aangepast, is ook een complexe onderneming.

Intelligente Aanbevelingen biedt mogelijkheden om gewenste resultaten te bereiken, zoals aanbevelingen voor items die zijn gebaseerd op gebruikersinteracties en metagegevens. Het kan worden gebruikt om elk inhoudstype te promoten en aan te passen, zoals verkoopbare producten, media, documenten, aanbiedingen en meer.

Azure Personalizer is een service die deel uitmaakt van Azure Cognitive Services. Het kan worden gebruikt om te bepalen welk product moet worden voorgesteld aan klanten of om de optimale positie voor een advertentie te bepalen. Personalizer fungeert als de extra ranker voor laatste stappen. Nadat de aanbevelingen aan de gebruiker worden weergegeven, wordt de reactie van de gebruiker gecontroleerd en gerapporteerd als een beloningsscore terug naar de Personalizer-service. Dit proces zorgt ervoor dat de service continu leert en het verbetert het vermogen van Personalizer om de beste items te selecteren op basis van de contextuele informatie die is ontvangen.

Microsoft Azure biedt geavanceerde analysehulpprogramma's op het gebied van gegevensopname, gegevensopslag, gegevensverwerking en geavanceerde analyseonderdelen: alle essentiële elementen voor het bouwen van een gepersonaliseerde oplossing voor aanbiedingen.

System integrator

U kunt tijd besparen wanneer u deze oplossing implementeert door een getrainde systeemintegrator (SI) in te huren. De SI kan u helpen bij het ontwikkelen van een proof-of-concept en kan helpen bij het implementeren en integreren van de oplossing.

Potentiële gebruikscases

Deze oplossing is van toepassing op de marketing van goederen en diensten op basis van klantgegevens (bekeken en/of aangeschafte producten). Dit kan van toepassing zijn op de volgende gebieden:

  • E-commerce - Dit is een gebied waar personalisatie veel wordt gebruikt met klantgedrag en productaanbeveling.

  • Retail - Op basis van eerdere aankoopgegevens kunnen aanbevelingen en aanbiedingen worden aangeboden op producten.

  • Telecom : op basis van gebruikersinteractie op dit gebied kunnen aanbevelingen worden gedaan. In vergelijking met andere branches kunnen de product- en aanbiedingsbereiken beperkt zijn.

Bijdragers

Dit artikel wordt onderhouden door Microsoft. De tekst is oorspronkelijk geschreven door de volgende Inzenders.

Hoofdauteur:

Als u niet-openbare LinkedIn-profielen wilt zien, meldt u zich aan bij LinkedIn.

Volgende stappen