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.

Distribuera till Azure

Använd följande färdiga mall för att distribuera den här arkitekturen till Azure

Distribuera till Azure

Sök på GitHub

Personanpassade marknadsföringslösningar Hitta den teknik du behöver för att marknadsföra dina produkter med personliga erbjudanden. Personanpassa din marknadsföring och nå större gensvar med hjälp av insikter du får från big data. Cosmos DB (Azure Services) Dashboard Browser Azure Stream Analytics (Near Real-Time Aggregates) Input Events Event Hub Cold Start Product Affinity Maching Learning (Product Affinity) Raw Stream Data Personalized Offer Logic

Implementeringsanvisningar

Produkter Dokumentation

Event Hubs

Event Hubs ingests raw click-stream data from Functions and passes it on to Stream Analytics.

Stream Analytics

Stream Analytics aggregates clicks in near real-time by product, offer, and user to write to Azure Cosmos DB and also archives raw click-stream data to Azure Storage.

Azure Cosmos DB

Azure Cosmos DB stores aggregated data of clicks by user, product, and offer as well as user-profile information.

Storage

Azure Storage stores archived raw click-stream data from Stream Analytics.

Funktioner

Azure Functions takes in user clickstream data from website and reads existing user history from Azure Cosmos DB. These data are then run through the Machine Learning web service or used along with the cold-start data in Redis Cache to obtain product-affinity scores. Product-affinity scores are used with the personalized-offer logic to determine the most relevant offer to present to the user.

Maskininlärning

Machine Learning helps you easily design, test, operationalize, and manage predictive analytics solutions in the cloud.

Redis Cache

Redis Cache stores pre-computed cold-start product affinity scores for users without history.

Power BI

Power BI Visualizes user activity data as well as offers presented by reading in data from Cosmos DB.

Närliggande lösningsarkitekturer

Uppgiftsbaserad konsumentmobilapp

En mobilserverdel som används av iOS-, Android- och Windows-klientappar. Använd Xamarin eller systemspecifika klient-SDK:er för att skapa en mobilklientapp med stöd för offlinesynkronisering, till exempel av bildfiler. App Service-autentisering används för att ansluta till en identitetsprovider, och Azure Blob Storage används för att lagra bilder på ett kostnadseffektivt och skalbart sätt.

Läs mer