Pomysły dotyczące rozwiązań
Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.
To rozwiązanie tworzy inteligentne systemy marketingowe, które zapewniają zawartość dostosowaną do klienta przy użyciu modeli uczenia maszynowego, które analizują dane z wielu źródeł. Kluczowe technologie obejmują inteligentne Rekomendacje i usługę Azure Personalizacja.
Architektura
Pobierz plik programu Visio z tą architekturą.
Przepływ danych
- Aplikacja funkcji platformy Azure przechwytuje nieprzetworzone działanie użytkownika (takie jak kliknięcie produktu i oferty) i oferty, które są udostępniane użytkownikom w witrynie internetowej. Działanie jest wysyłane do usługi Azure Event Hubs. W obszarach, w których aktywność użytkownika jest niedostępna, symulowane działanie użytkownika jest przechowywane w usłudze Azure Cache for Redis.
- Usługa Azure Stream Analytics analizuje dane w celu zapewnienia analizy niemal w czasie rzeczywistym na strumieniu wejściowym z wystąpienia usługi Azure Event Hubs.
- Zagregowane dane są wysyłane do usługi Azure Cosmos DB for NoSQL.
- Usługa Power BI służy do wyszukiwania szczegółowych informacji na podstawie zagregowanych danych.
- Nieprzetworzone dane są wysyłane do magazynu usługi Azure Data Lake.
- Usługa Intelligent Rekomendacje używa danych pierwotnych z usługi Azure Data Lake Storage i udostępnia rekomendacje dotyczące usługi Azure Personalizacja.
- Usługa Personalizacja obsługuje najważniejsze produkty kontekstowe i spersonalizowane oraz oferty.
- Symulowane dane aktywności użytkownika są udostępniane usłudze Personalizacja w celu dostarczania spersonalizowanych produktów i ofert.
- Wyniki są udostępniane w aplikacji internetowej, do których uzyskuje dostęp użytkownik.
- Opinie użytkowników są przechwytywane na podstawie reakcji użytkownika na wyświetlane oferty i produkty. Wynik nagrody jest udostępniany usłudze Personalizacja, aby zapewnić lepszą wydajność w czasie
- Ponowne trenowanie na potrzeby inteligentnego Rekomendacje może skutkować lepszymi zaleceniami. Ten proces można również wykonać przy użyciu odświeżonych danych z usługi Azure Data Lake Storage.
Elementy
- Event Hubs to w pełni zarządzana platforma przesyłania strumieniowego. W tym rozwiązaniu usługa Event Hubs zbiera dane użycia w czasie rzeczywistym.
- Usługa Stream Analytics oferuje przetwarzanie strumieni bezserwerowe w czasie rzeczywistym. Ta usługa umożliwia uruchamianie zapytań w chmurze i na urządzeniach brzegowych. W tym rozwiązaniu usługa Stream Analytics agreguje dane przesyłania strumieniowego i udostępnia je do wizualizacji i aktualizacji.
- Azure Cosmos DB to globalnie rozproszona, wielomodelowa baza danych. Dzięki usłudze Azure Cosmos DB rozwiązania mogą elastycznie skalować przepływność i magazyn w dowolnej liczbie regionów geograficznych. Usługa Azure Cosmos DB for NoSQL przechowuje dane w formacie dokumentu i jest jednym z kilku interfejsów API bazy danych, które oferuje usługa Azure Cosmos DB. W implementacji usługi GitHub tego rozwiązania usługa DocumentDB została użyta do przechowywania informacji o kliencie, produkcie i ofercie, ale można również użyć usługi Azure Cosmos DB for NoSQL. Aby uzyskać więcej informacji, zobacz Szanowny klienci usługi DocumentDB— zapraszamy do usługi Azure Cosmos DB!.
- Magazyn to rozwiązanie magazynu w chmurze, które obejmuje magazyn obiektów, plików, dysków, kolejek i tabel. Usługi obejmują hybrydowe rozwiązania magazynu i narzędzia do przesyłania, udostępniania i tworzenia kopii zapasowych danych. To rozwiązanie używa usługi Storage do zarządzania kolejkami, które symulują interakcję użytkownika.
- Functions to bezserwerowa platforma obliczeniowa, której można użyć do tworzenia aplikacji. Za pomocą usługi Functions można integrować usługi za pomocą wyzwalaczy i powiązań. To rozwiązanie używa funkcji do koordynowania symulacji użytkownika. Funkcje to również podstawowy składnik, który generuje spersonalizowane oferty.
- Machine Edukacja to środowisko oparte na chmurze, którego można używać do trenowania, wdrażania, automatyzowania i śledzenia modeli uczenia maszynowego oraz zarządzania nimi. W tym miejscu usługa Machine Edukacja używa preferencji użytkownika i historii produktów w celu zapewnienia koligacji między użytkownikami a produktami.
- Usługa Azure Cache for Redis udostępnia magazyn danych w pamięci oparty na oprogramowaniu Redis. Usługa Azure Cache for Redis udostępnia funkcje redis typu open source jako w pełni zarządzaną ofertę. W tym rozwiązaniu usługa Azure Cache for Redis zapewnia wstępnie obliczone koligacje produktów dla klientów bez dostępnej historii użytkownika.
- Power BI to usługa analizy biznesowej, która zapewnia interaktywne wizualizacje i możliwości analizy biznesowej. Jego łatwy w użyciu interfejs umożliwia tworzenie własnych raportów i pulpitów nawigacyjnych. To rozwiązanie używa usługi Power BI do wyświetlania działań w czasie rzeczywistym w systemie. Na przykład usługa Power BI używa danych z usługi Azure Cosmos DB for NoSQL do wyświetlania odpowiedzi klienta na różne oferty.
- Data Lake Storage to skalowalne repozytorium magazynu, które przechowuje dużą ilość danych w natywnym, nieprzetworzonym formacie danych.
Szczegóły rozwiązania
W dzisiejszym wysoce konkurencyjnym i połączonym środowisku nowoczesne firmy nie mogą już przetrwać na ogólnej, statycznej zawartości online. Ponadto strategie marketingowe korzystające z tradycyjnych narzędzi mogą być kosztowne i trudne do wdrożenia. W rezultacie nie generują żądanego zwrotu z inwestycji. Te systemy często nie korzystają w pełni z zebranych danych, gdy tworzą bardziej spersonalizowane środowisko dla użytkowników.
Prezentowanie ofert dostosowanych dla każdego użytkownika stało się niezbędne do budowania lojalności klientów i utrzymania zyskowności. W witrynie internetowej handlu detalicznego klienci chcą inteligentnych systemów, które zapewniają oferty i treści na podstawie ich unikatowych zainteresowań i preferencji. Dzisiejsze zespoły ds. marketingu cyfrowego mogą tworzyć tę analizę przy użyciu danych generowanych na podstawie wszystkich typów interakcji użytkowników.
Marketerzy mogą teraz dostarczać użytkownikom wysoce istotne i spersonalizowane oferty, analizując ogromne ilości danych. Jednak tworzenie niezawodnej i skalowalnej infrastruktury danych big data nie jest proste. Tworzenie zaawansowanych modeli uczenia maszynowego, które są spersonalizowane dla każdego użytkownika, jest również złożonym przedsięwzięciem.
Inteligentne Rekomendacje oferuje możliwości kierowania pożądanymi wynikami, takimi jak zalecenia dotyczące elementów, które są oparte na interakcjach użytkowników i metadanych. Może służyć do promowania i personalizowania dowolnego typu zawartości, takiego jak produkty do sprzedaży, multimedia, dokumenty, oferty i inne.
Azure Personalizacja to usługa, która jest częścią usług Azure Cognitive Services. Może służyć do określenia, jaki produkt ma sugerować kupującym lub ustalić optymalną pozycję dla reklamy. Personalizacja działa jako dodatkowy rangą klasyfikator ostatniego kroku. Po pokazaniu rekomendacji użytkownikowi reakcja użytkownika jest monitorowana i zgłaszana jako wynik nagrody z powrotem do usługi Personalizacja. Ten proces zapewnia ciągłe uczenie się usługi i zwiększa możliwość wybierania najlepszych elementów na podstawie odebranych informacji kontekstowych.
Platforma Microsoft Azure udostępnia zaawansowane narzędzia analityczne w obszarach pozyskiwania danych, przechowywania danych, przetwarzania danych i zaawansowanych składników analitycznych — wszystkie podstawowe elementy do tworzenia spersonalizowanego rozwiązania oferty.
Integrator systemu
Możesz zaoszczędzić czas implementacji tego rozwiązania, wynajmując wyszkolonego integratora systemu (SI). Si może pomóc w opracowaniu weryfikacji koncepcji i może pomóc w wdrożeniu i zintegrowaniu rozwiązania.
Potencjalne przypadki użycia
To rozwiązanie dotyczy marketingu towarów i usług na podstawie danych klientów (produktów wyświetlanych i / lub zakupionych). Może to mieć zastosowanie w następujących obszarach:
Handel elektroniczny — jest to obszar, w którym personalizacja jest szeroko używana z zachowaniem klientów i zaleceniami dotyczącymi produktów.
Sprzedaż detaliczna — na podstawie wcześniejszych danych zakupu rekomendacje i oferty mogą być udostępniane na produktach.
Telecom — na podstawie interakcji użytkownika w tym obszarze można udostępnić zalecenia. W porównaniu z innymi branżami zakresy produktów i ofert mogą być ograniczone.
Współautorzy
Ten artykuł jest obsługiwany przez firmę Microsoft. Pierwotnie został napisany przez następujących współautorów.
Główny autor:
- Mahi Sundararajan | Starszy inżynier klienta
Aby wyświetlić niepubalne profile serwisu LinkedIn, zaloguj się do serwisu LinkedIn.
Następne kroki
- Metodyka MLOps: zarządzanie modelami, wdrażanie, pochodzenie i monitorowanie za pomocą usługi Azure Machine Edukacja
- Tworzenie interfejsu API rekomendacji w czasie rzeczywistym na platformie Azure
- Certyfikat firmy Microsoft: certyfikacja badacze dancyh Associate
- Tworzenie modelu klasyfikacji za pomocą projektanta usługi Azure Machine Edukacja bez konieczności kodowania
- Używanie zautomatyzowanego uczenia maszynowego w usłudze Azure Machine Edukacja i dowiedz się, jak utworzyć model uczenia maszynowego przeciągania i upuszczania
- Azure Event Hubs — platforma przesyłania strumieniowego danych big data i usługa pozyskiwania zdarzeń
- Azure Stream Analytics — Zapraszamy!
- Azure Cosmos DB — Zapraszamy!
- Wprowadzenie do usługi Azure Storage
- Wprowadzenie do usługi Azure Functions
- Co to jest Azure Machine Learning?
- Informacje o usłudze Azure Cache for Redis
- Tworzenie raportów i pulpitów nawigacyjnych w usłudze Power BI — dokumentacja
- Wprowadzenie do usługi Azure Data Lake Storage Gen2