Arquitetura da solução: Soluções de marketing personalizadas

O marketing personalizado é essencial para construir a fidelidade do cliente e para permanecer lucrativo. Alcançar clientes e fazer com que se envolvam é mais difícil do que nunca e as ofertas genéricas são facilmente esquecidas ou ignoradas. Os sistemas de marketing atuais falham ao tirar proveito dos dados que podem ajudar a resolver esse problema.

Os profissionais de marketing que utilizam sistemas inteligentes e analisam enormes quantidades de dados podem proporcionar ofertas relevantes e personalizadas a cada usuário, indo direto ao ponto e estimulando o envolvimento. Por exemplo, varejistas podem proporcionar ofertas e conteúdo com base nos interesses e preferências específicos de cada cliente, colocando produtos na frente daqueles que estão mais propensos a comprá-los.

Ao personalizar suas ofertas, você proporcionará uma experiência individualizada a cada cliente atual ou futuro, aumentando o envolvimento e aprimorando a conversão, o valor do tempo de vida e a retenção dos clientes.

个性化市场营销解决方案发现通过个性化优惠推广产品的必备技术。使用大数据见解制定个性化市场营销方案,增强客户响应。Cosmos DB(Azure Services)DashboardBrowserAzureStream Analytics (NearReal-Time Aggregates)Input EventsEvent HubColdStartProduct AffinityMaching Learning(Product Affinity)RawStream DataPersonalized OfferLogic

Diretrizes de implementação

Produtos/descrição Documentação

Hubs de Eventos

Os Hubs de Eventos ingerem dados brutos de sequência de cliques do Functions e transmite-os ao Stream Analytics.

Azure Stream Analytics

O Stream Analytics agrega cliques quase em tempo real por produto, por oferta e por usuário para gravá-los no Azure Cosmos DB e arquiva dados brutos de sequência de cliques no Armazenamento do Azure.

Azure Cosmos DB

O Azure Cosmos DB armazena dados agregados de cliques por usuário, por produto e por oferta, além de informações de perfil do usuário.

Contas de armazenamento

O Armazenamento do Azure armazena dados brutos de sequência de cliques arquivados no Stream Analytics.

Funções do Azure

O Azure Functions captura dados de sequência de cliques do usuário no site e lê o histórico existente do usuário no Azure Cosmos DB. Em seguida, esses dados são executados no serviço Web do Machine Learning ou usados juntamente com os dados de inicialização a frio no Cache Redis do Azure para obter pontuações de afinidade de produto. As pontuações de afinidade de produto são usadas com a lógica de oferta personalizada para determinar a oferta mais relevante a ser apresentada ao usuário.

Machine Learning Studio

O Azure Machine Learning ajuda você a projetar, a testar, a operar e a gerenciar facilmente soluções de análise preditiva na nuvem.

Cache Redis do Azure

O Cache Redis do Azure armazena pontuações de afinidade de produtos de inicialização a frio pré-computadas para usuários sem histórico.

Power BI

O Power BI visualiza os dados de atividade do usuário e as ofertas apresentadas lendo dados no Cosmos DB.

Arquiteturas de solução relacionadas