Ignorar navegação

Otimização de campanhas com o SQL Server

Esta solução demonstra como criar e implantar um modelo de aprendizado de máquina com o SQL Server 2016 com R Services para recomendar ações a fim de maximizar a taxa de compra dos clientes potenciais que são direcionados por uma campanha.

Descrição

Observação: se você já implantou esta solução, clique aqui para exibir sua implantação.

Tempo de provisionamento estimado: 30 minutos

PARE antes de prosseguir. Se você ainda não implantou uma máquina virtual de ciência de dados em sua Assinatura do Azure, você deve primeiro aceitar os Termos de uso.

Visão geral

Ao iniciar uma campanha de marketing para clientes interessados em produtos novos ou existentes, uma empresa geralmente usa um conjunto de regras de negócio para selecionar clientes potenciais para direcionar a campanha. O aprendizado de máquina pode ser usado para ajudar a aumentar a taxa de resposta desses clientes potenciais. Esta solução demonstra como usar um modelo para prever ações que se espera que maximizem a taxa de compra dos clientes aos quais a campanha se destina. Essas previsões servem como a base para as recomendações a serem usadas por uma campanha com uma renovação nas formas (por exemplo, email, SMS ou telemarketing) e no momento (dia da semana e hora do dia) de entrar em contato com os clientes em potencial. A solução apresentada aqui usa dados simulados do setor de seguros para modelar respostas dos clientes potenciais para a campanha. Os previsores do modelo incluem detalhes demográficos dos clientes, desempenho histórico de campanhas e detalhes específicos de produtos. O modelo prevê a probabilidade de cada cliente no banco de dados realizar uma compra em um canal, em cada dia da semana e em diversas horas do dia. As recomendações de qual canal, qual dia da semana e qual hora do dia usar ao direcionar para usuários são baseadas na combinação do canal e do momento exato em que o modelo prevê que haverá a maior probabilidade de uma compra ser realizada.

A solução de Otimização de campanha de marketing da Microsoft é uma combinação de um modelo de previsão de aprendizado de máquina e uma ferramenta de visualização interativa, o Power BI. A solução é usada para aumentar a taxa de resposta a uma campanha recomendando o canal (por exemplo, email, SMS ou telemarketing) e o momento do contato (dia da semana e hora do dia) com os clientes em potencial destinados a uso em uma nova campanha. A solução usa dados simulados que podem ser facilmente configurados para o uso dos dados da sua organização a fim de modelar a resposta à campanha de aquisição. O modelo usa previsores como dados demográficos, desempenho histórico de campanhas e detalhes de produtos. A solução prevê a probabilidade da conversão de um cliente potencial de cada canal, em diversas horas do dia e dias da semana, para cada cliente potencial no banco de dados. A recomendação final para o direcionamento a cada cliente é decidida com base na combinação entre o canal, o dia da semana e a hora do dia com a maior probabilidade de conversão. A solução foi modelada segundo um processo padronizado de ciência de dados em que a preparação dos dados, o treinamento do modelo e avaliação podem ser facilmente realizados por um cientista de dados e os insights podem ser visualizados e correlacionados a KPIs de marketing através da visualização no Power BI.

Perspectiva do Gerente Comercial

Esse modelo de solução usa dados históricos (simulados) para prever como e quando entrar em contato com clientes potenciais para sua campanha. As recomendações incluem o melhor canal para entrar em contato com um cliente potencial (no nosso exemplo, email, SMS ou telemarketing), o melhor dia da semana e a melhor hora do dia para fazer o contato.

O SQL Server R Services leva a computação até os dados, permitindo que o R seja executado no mesmo computador que o banco de dados. Ele inclui um serviço de banco de dados que é executado fora do processo do SQL Server e se comunica de maneira segura com o tempo de execução do R.

Esse pacote de solução mostra como criar e refinar dados, treinar modelos do R e realizar previsões no computador do SQL Server. A tabela final de previsões no SQL Server oferece recomendações de como e quando entrar em contato com cada cliente potencial. Esses dados são então visualizados no Power BI.

O Power BI também apresenta resumos visuais da eficácia das recomendações de campanha (mostrados aqui com os dados simulados). Você pode experimentar esse dashboard clicando no link Experimentar agora.

A guia Recomendações desse dashboard mostra as recomendações com base na previsão. Na parte superior há uma tabela de cada cliente potencial da nossa nova implantação. Ela inclui campos para a ID do cliente potencial, para a campanha e para o produto, preenchidos com clientes potenciais nos quais nossas regras comerciais devem ser aplicadas. Ela é acompanhada das previsões do modelo dos clientes potenciais, oferecendo o canal e o horário ideais para entrar em contato com cada um deles e, em seguida, as probabilidades estimadas dos clientes comprarem nosso produto através do uso dessas recomendações. Essas probabilidades podem ser usadas para aumentar a eficiência da campanha através da limitação do número de clientes contatados a um subconjunto dos que têm maior probabilidade de comprar.

Além disso, na guia Recomendações também há diversos resumos de recomendações e informações demográficas sobre os clientes potenciais.

A guia Resumo de campanhas, no dashboard, mostra resumos dos dados históricos usados para criar as recomendações previstas. Embora essa guia também mostre valores de Dia da Semana, Hora do Dia e Canal, na verdade esses valores são observações passadas e não devem ser confundidas com as recomendações mostradas na guia Recomendações.

Perspectiva do Cientista de dados

O SQL Server R Services leva a computação até os dados, executando o R no computador que hospeda o banco de dados. Ele inclui um serviço de banco de dados que é executado fora do processo do SQL Server e se comunica de maneira segura com o tempo de execução do R.

Essa solução segue as etapas para criar e refinar dados, treinar modelos do R e atribuir pontuação no computador do SQL Server. A tabela final do banco de dados com as pontuações no SQL Server dá recomendações de como e quando entrar em contato com cada cliente potencial. Em seguida, esses dados são visualizados no Power BI, que também contém um resumo do sucesso das recomendações usadas em sua nova campanha depois que ela é concluída. (Dados simulados são exibidos nesse modelo para ilustrar o recurso.)

Os cientistas de dados que estão testando e desenvolvendo soluções podem trabalhar na conveniência do IDE do R em seus próprios computadores cliente, enviando a computação por push ao computador do SQL Server. As soluções concluídas são implantadas no SQL Server 2016 através da inserção de chamadas ao R em procedimentos armazenados. Essas soluções podem ser ainda mais automatizadas com o SQL Server Integration Services e o agente do SQL Server.

Clique no botão Implantar para testar a automação e toda a solução será disponibilizada na sua assinatura do Azure.

Preços

Sua assinatura do Azure usada para a implantação incorrerá em taxas de consumo sobre os serviços usados nesta solução, de aproximadamente $1.15/hora para a VM padrão.

Certifique-se de interromper a instância VM quando não estiver utilizando a solução de maneira ativa. A execução da VM incorrerá em maiores custos.

Exclua esta solução se você não a estiver utilizando.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Otimização de Campanha com Clusters Azure HDInsight Spark

Esta solução demonstra como criar e implantar um modelo de aprendizado de máquina com o Microsoft R Server em clusters do Azure HDInsight Spark para recomendar ações para maximizar a taxa de compra dos leads aos quais uma campanha se destina. Essa solução permite a manipulação eficiente de Big Data no Spark com o Microsoft R Server.