Hoppa över navigering

Lösningsarkitektur: Personanpassade marknadsföringslösningar

Personanpassad marknadsföring är viktigt när det gäller att bygga upp kundernas lojalitet och behålla vinstmarginalen. Det är svårare än någonsin att nå ut till kunder och få dem engagerade, och det är alltför enkelt att missa eller strunta i generiska erbjudanden. Dagens marknadsföringssystem tar inte hänsyn till data som kan hjälpa dig att lösa det här problemet.

Marknadsföringspersonal som använder intelligenta system och analyserar enorma mängder data kan ta fram relevanta och anpassade erbjudanden till varje kund, vilket gör att du sticker ut från mängden och kan engagera dina kunder. Återförsäljare kan till exempel erbjuda produkter och innehåll utifrån varje kunds intressen och önskemål så att du kan visa upp produkter för de som troligast skulle köpa dem.

Genom att personanpassa dina erbjudanden ger du varje nuvarande och potentiell kund en unik upplevelse. Det här ökar engagemanget och förbättrar kundkonverteringen, kundernas livstidsvärde och kvarhållning.

Personalized marketing solutionsFind essential technology to market your products with personalized offers. Individualize your marketing for greater customer response using big-data insights.Cosmos DB(Azure Services)DashboardBrowserAzureStream Analytics (NearReal-Time Aggregates)Input EventsEvent HubColdStartProduct AffinityMaching Learning(Product Affinity)RawStream DataPersonalized OfferLogic

Implementeringsanvisningar

Produkter/beskrivning Dokumentation

Event Hubs

Event Hubs tar in råa klickströmsdata från Functions och skickar dem vidare till Stream Analytics.

Stream Analytics

Stream Analytics sammanräknar klick i nära realtid per produkt, erbjudande och användare för skrivning till Azure Cosmos DB och arkivering av råa klickströmsdata till Azure Storage.

Azure Cosmos DB

Azure Cosmos DB lagrar samlade data om klick per användare, produkt och erbjudande samt information om användarprofiler.

Storage

Azure lagrar arkiverade, råa klickströmsdata från Stream Analytics.

Funktioner

Azure Functions tar in klickströmsdata om användare från webbplatsen och läser befintlig användarhistorik från Azure Cosmos DB. Dessa data körs sedan genom Machine Learning-webbtjänsten eller så används de tillsammans med kallstartsdata i Redis Cache till att ta fram graderingar av produkttillhörighet. Graderingar av produkttillhörigheter används tillsammans med logiken för personliga erbjudanden så att du kan visa det mest relevanta erbjudandet för användaren.

Machine Learning Studio

Med Machine Learning kan du enkelt utforma, testa, operationalisera samt hantera lösningar för förutsägelseanalys i molnet.

Redis Cache

Redis Cache lagrar förberäknade kallstartspoäng för produkttillhörigheter för användare utan någon historik.

Power BI

Power BI visualiserar data om användaraktivitet och erbjudanden som presenteras genom inläsning av data från Cosmos DB.

Närliggande lösningsarkitekturer