Ignorar navegação

Ofertas personalizadas

No ambiente conectado e altamente competitivo de hoje, negócios modernos não podem mais sobreviver com conteúdo online estático e genérico. Além disso, estratégias de marketing que usam ferramentas tradicionais muitas vezes são caras, difíceis de implementar e não produzem o retorno sobre o investimento desejado. Esses sistemas muitas vezes falham em aproveitar totalmente os dados coletados para criar uma experiência mais personalizada para o usuário.

A apresentação de ofertas personalizadas para o usuário tornou-se essencial para solidificar a lealdade do cliente e manter o negócio lucrativo. Em um site de varejo, clientes desejam sistemas inteligentes que fornecem ofertas e conteúdo com base em seus interesses e preferências exclusivos. As equipes de marketing digital de hoje podem criar essa inteligência usando os dados gerados de todos os tipos de interações do usuário. Ao analisar quantidades massivas de dados, os comerciantes têm a oportunidade exclusiva de fazer ofertas altamente relevantes e personalizadas a cada usuário. No entanto, criar uma infraestrutura de Big Data confiável e escalonável e desenvolver modelos de aprendizado de máquina sofisticados que são personalizados para cada usuário não é algo trivial.

Descrição

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

Economize tempo e deixe que um desses parceiros de SI treinados ajude com uma prova de conceito e com a implantação e integração dessa solução.

Tempo de provisionamento estimado: 45 minutos

O Cortana Intelligence Suite fornece ferramentas de análise avançadas por meio do Microsoft Azure – ingestão de dados, armazenamento de dados, processamento de dados e componentes de análise avançados – todos os elementos essenciais para criar uma solução de oferta personalizada.

Esta solução combina vários serviços do Azure para oferecer vantagens impressionantes. Os Hubs de Eventos coletam dados de consumo em tempo real. O Stream Analytics agrega os dados de streaming e disponibiliza-os para visualização, além de atualizar os dados usados para fazer ofertas personalizadas para o cliente. O Azure DocumentDB armazena as informações do cliente, de produto e de oferta. O Armazenamento do Azure é usado para gerenciar as filas que simulam interação com o usuário. O Azure Functions é usado como um coordenador para a simulação do usuário e como a parte central da solução para gerar ofertas personalizadas. O Azure Machine Learning implementa e executa a pontuação de afinidade do usuário com o produto e, quando não há histórico do usuário disponível, o Cache Redis do Azure é usado para fornecer afinidades de produto pré-computadas para o cliente. O Power BI visualiza as atividades em tempo real para o sistema e, com os dados do DocumentDB, o comportamento das diversas ofertas.

O botão “Implantar” inicializará um fluxo de trabalho que implantará uma instância da solução no Grupo de Recursos na assinatura do Azure que você especificar. A solução inclui vários serviços do Azure (descritos acima) e fornece no final algumas instruções curtas necessárias para ter uma solução funcional de ponta a ponta com comportamento do usuário simulado.

Para instruções pós-implantação e mais detalhes sobre a implementação técnica, consulte as instruções aqui.

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.

User ActionSimulation Personalized OfferLogic System ResponseQueue User ActionQueue Event Hub Stream Analytics Power BI Machine Learning Cold StartProduct Affinity User Document DB Product Offers Reference Product Views Offer Views Cache Update Logic Azure Services Raw Stream Data 1 2 3 5 4

A atividade do usuário no site é simulada com uma Função do Azure e um par de Filas de Armazenamento do Azure.

A funcionalidade de oferta personalizada é implementada como uma Função do Azure. Essa é a função-chave que harmoniza todos os elementos para produzir e oferecer uma atividade recorde. Os dados são lidos do Cache Redis do Azure e do Azure DocumentDB, pontuações de afinidade com o produto são computadas do Azure Machine Learning (se nenhum histórico para o usuário existe quando afinidades pré-calculadas são lidas do Cache Redis do Azure).

Dados brutos de atividade do usuário (cliques em produtos e ofertas), ofertas feitas ao usuário e dados de desempenho (para o Azure Functions e o Azure Machine Learning) são enviados para o Hub de Eventos.

A oferta é retornada para o usuário. Em nossa simulação, isso é feito gravando-se para uma fila do Armazenamento do Azure e coletado por uma Função do Azure para produzir a próxima ação do usuário.

O Azure Stream Analytics analisa os dados para fornecer uma análise praticamente em tempo real sobre o fluxo de entrada do Hub de Eventos do Azure. Os dados agregados são enviados para o Azure DocumentDB. Os dados brutos são enviados para o Armazenamento do Azure Data Lake.

  1. 1 A atividade do usuário no site é simulada com uma Função do Azure e um par de Filas de Armazenamento do Azure.
  2. 2 A funcionalidade de oferta personalizada é implementada como uma Função do Azure. Essa é a função-chave que harmoniza todos os elementos para produzir e oferecer uma atividade recorde. Os dados são lidos do Cache Redis do Azure e do Azure DocumentDB, pontuações de afinidade com o produto são computadas do Azure Machine Learning (se nenhum histórico para o usuário existe quando afinidades pré-calculadas são lidas do Cache Redis do Azure).
  3. 3 Dados brutos de atividade do usuário (cliques em produtos e ofertas), ofertas feitas ao usuário e dados de desempenho (para o Azure Functions e o Azure Machine Learning) são enviados para o Hub de Eventos.
  1. 4 A oferta é retornada para o usuário. Em nossa simulação, isso é feito gravando-se para uma fila do Armazenamento do Azure e coletado por uma Função do Azure para produzir a próxima ação do usuário.
  2. 5 O Azure Stream Analytics analisa os dados para fornecer uma análise praticamente em tempo real sobre o fluxo de entrada do Hub de Eventos do Azure. Os dados agregados são enviados para o Azure DocumentDB. Os dados brutos são enviados para o Armazenamento do Azure Data Lake.

Arquiteturas de solução relacionadas

Previsão de Demanda

A previsão exata de picos na demanda por produtos e serviços pode oferecer uma vantagem competitiva a uma empresa. Esta solução se concentra na previsão da demanda dentro do setor de energia.

Previsão da demanda e otimização de preços

O preço é reconhecido como um determinante-chave do sucesso em diversos setores e pode ser uma das tarefas mais desafiadoras. As empresas geralmente têm dificuldade com diversos aspectos do processo de precificação, incluindo a previsão precisa do impacto financeiro de possíveis táticas, a consideração razoável das principais restrições de negócios e a validação justa das decisões de precificação executadas. Expandir as ofertas de produtos adiciona mais requisitos computacionais para se tomar decisões de precificação em tempo real, o que amplia a dificuldade dessa tarefa já esmagadora.