Pomiń nawigację

Architektura rozwiązania: Kampanie marketingu predykcyjnego z użyciem uczenia maszynowego i usługi Spark

Kampanie marketingowe to więcej niż tylko dostarczanie wiadomości; ważny jest również moment i sposób ich dostarczenia. Bez opartego na danych analitycznego podejścia możliwości związane z kampanią mogą zostać łatwo przeoczone lub mogą wystąpić problemy z uruchomieniem kampanii.

Dzięki uczeniu maszynowemu wspieranemu przez historyczne dane kampanii architektura tego rozwiązania pomaga przewidzieć reakcje klienta i zaleca optymalizowany plan łączenia z potencjalnymi klientami — w tym najlepszy kanał do użycia (wiadomość e-mail, SMS, niezapowiedziany kontakt itd.), najlepszy dzień tygodnia oraz najlepszą porę dnia.

Optymalizowanie kampanii przy użyciu marketingu predykcyjnego usprawnia pracę z potencjalnymi klientami i generowanie przychodów, a także może spowodować uzyskanie wysokiego zwrotu z inwestycji marketingowych.

Ta architektura umożliwia efektywną obsługę danych big data w rozwiązaniu Spark przy użyciu programu Microsoft R Server.

Predictive marketing campaigns with machine learning and SparkLearn how to build a machine-learning model with Microsoft R Server on Azure HDInsight Spark clusters to recommend actions to maximize the purchase rate.DashboardMachine LearningHDInsightBlob Storage

Wytyczne dotyczące implementacji

Produkty/opis Dokumentacja

Platforma Apache Spark dla usługi Azure HDInsight

Platforma Microsoft R Server w klastrach usługi HDInsight Spark oferuje rozproszone i skalowalne możliwości uczenia maszynowego dla danych big data, łącząc moc rozwiązań R Server i Apache Spark.

Power BI

Usługa Power BI udostępnia interaktywny pulpit nawigacyjny z funkcją wizualizacji, która korzysta z danych przechowywanych w programie SQL Server w celu ułatwienia podejmowania decyzji związanych z prognozami.

Storage

Usługa Azure Storage przechowuje dane kampanii i potencjalnych klientów.

Machine Learning Studio

Usługa Machine Learning pomaga łatwo projektować, testować i operacjonalizować rozwiązania do analizy predykcyjnej w chmurze, a także nimi zarządzać.

Powiązane architektury rozwiązań