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

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 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.

Maskininlärning

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

Enkel digital marknadsföringswebbplats

Börja enkelt med innehållshanteringssystemet som gör det möjligt för dig att enkelt underhålla meddelandetjänsterna på din webbplats i realtid via en webbläsare, utan kodningskunskaper.

Läs mer

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