Pomiń nawigację

Customer 360

Dogłębne zrozumienie interesów klientów i wzorców zakupowych jest kluczowym elementem każdej operacji analizy biznesowej dotyczącej sprzedaży detalicznej. To rozwiązanie implementuje proces agregowania danych klientów do pełnego profilu i wykorzystuje zaawansowane modele uczenia maszynowego poparte niezawodnością i mocą obliczeniową platformy Azure, aby zapewnić dostęp do predykcyjnych danych klientów, których dotyczyła symulacja.

Opis

Uwaga: Jeśli masz już wdrożone to rozwiązanie, kliknij tutaj, aby wyświetlić to wdrożenie.

Aby uzyskać więcej informacji o tym, jak zbudowane jest to rozwiązanie, zapoznaj się z przewodnikiem po rozwiązaniu w witrynie GitHub.

Szacowany czas aprowizacji: 20 minut

Typowa firma zajmująca się sprzedażą detaliczną zbiera dane klientów za pośrednictwem różnych kanałów, w tym wzorców przeglądania stron internetowych, zachowań zakupowych, danych demograficznych i innych danych internetowych opartych na sesji. Niektóre dane pochodzą z podstawowych operacji biznesowych, ale inne dane muszą być pobierane i łączone z zewnętrznych źródeł, które mogą należeć do partnerów, producentów i domen publicznych.

Wiele firm wykorzystuje tylko niewielką część dostępnych danych, ale w celu zmaksymalizowania zwrotu z inwestycji, są zmuszone integrować odpowiednie dane ze wszystkich źródeł. Zazwyczaj integracja zewnętrznych, heterogenicznych źródeł danych z udostępnionym aparatem przetwarzania danych wymagała znacznego wysiłku i konfiguracji zasobów. To rozwiązanie opisuje proste, skalowalne podejście do integracji analizy i uczenia maszynowego w celu przewidywania działań klientów związanych z zakupami.

Rozwiązanie profilu klienta aplikacji 360 rozwiązuje powyższe problemy, zapewniając:

  • Jednolity dostęp do danych z wielu źródeł danych przy jednoczesnym zwiększeniu wydajności dzięki zmniejszeniu ruchu danych i złożoności systemu.
  • Procesy wyodrębniania, przekształcania i ładowania (ETL) oraz inżynieria funkcji potrzebne do używania modelu analizy predykcyjnej usługi Machine Learning.
  • Tworzenie kompleksowego profilu klienta aplikacji 360 wzbogaconego o analizy predykcyjne działające w systemie rozproszonym wspieranym przez rozwiązanie Microsoft R Server i usługę Azure HDInsight.

Zrzeczenie odpowiedzialności

© 2017 Microsoft Corporation. Wszelkie prawa zastrzeżone. Te informacje są udostępniane w stanie „jak są” i mogą ulec zmianie bez powiadomienia. Firma Microsoft nie udziela żadnych gwarancji, jawnych ani dorozumianych, w związku z informacjami przedstawionymi tutaj. Do wygenerowania rozwiązania wykorzystano dane innej firmy. Na Tobie spoczywa odpowiedzialność za przestrzeganie praw innych, w tym za uzyskanie odpowiednich licencji i postępowanie zgodnie z nimi przy tworzeniu podobnych zbiorów danych.

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

Potoki generatora danych symulują zdarzenia klientów do centrum zdarzeń

Zadanie usługi Stream Analytics odczytuje dane z centrum zdarzeń i wykonuje agregacje

Usługa Stream Analytics utrwala dane pogrupowane w czasie w usłudze Azure Storage Blob

Zadanie platformy Spark działające w usłudze HDInsight scala najnowsze dane klientów dotyczące przeglądania z historycznymi danymi dotyczącymi zakupów i danymi demograficznymi, tworząc skonsolidowany profil użytkownika

Drugie zadanie platformy Spark ocenia każdy profil klienta względem modelu uczenia maszynowego, aby przewidzieć przyszłe wzorce zakupowe. Na przykład: czy dany klient dokona zakupu w ciągu najbliższych 30 dni, a jeśli tak, to w jakiej kategorii produktów?

Przewidywania i inne dane profilu są wizualizowane i udostępniane jako wykresy i tabele w usłudze Power BI Online

  1. 1 Potoki generatora danych symulują zdarzenia klientów do centrum zdarzeń
  2. 2 Zadanie usługi Stream Analytics odczytuje dane z centrum zdarzeń i wykonuje agregacje
  3. 3 Usługa Stream Analytics utrwala dane pogrupowane w czasie w usłudze Azure Storage Blob
  1. 4 Zadanie platformy Spark działające w usłudze HDInsight scala najnowsze dane klientów dotyczące przeglądania z historycznymi danymi dotyczącymi zakupów i danymi demograficznymi, tworząc skonsolidowany profil użytkownika
  2. 5 Drugie zadanie platformy Spark ocenia każdy profil klienta względem modelu uczenia maszynowego, aby przewidzieć przyszłe wzorce zakupowe. Na przykład: czy dany klient dokona zakupu w ciągu najbliższych 30 dni, a jeśli tak, to w jakiej kategorii produktów?
  3. 6 Przewidywania i inne dane profilu są wizualizowane i udostępniane jako wykresy i tabele w usłudze Power BI Online