Lösningsarkitektur: Prediktiva marknadsföringskampanjer med maskininlärning och Spark

Marknadsföringskampanjer handlar om mer än det levererade budskapet: när och hur budskapet levereras är minst lika viktigt. Utan ett databaserat analytiskt förhållningssätt kan kampanjer lätt gå miste om affärsmöjligheter och ha svårt att nå fram.

I den här lösningsarkitekturen används maskininlärning baserad på tidigare kampanjdata så att du enklare kan förutsäga kundernas svar. Du får en rekommenderad plan för hur du kontaktar potentiella kunder, den bäst lämpade kanalen (mejl, sms, telefonsamtal o.s.v.), lämpligaste dag i veckan och bästa tidpunkten på dygnet.

Genom att optimera kampanjerna med prediktiv marknadsföring förbättrar du både säljleads och intäktsgenerering och ökar avkastningen på din marknadsföringsinvestering.

Den här arkitekturen möjliggör effektiv hantering av stordata i Spark med Microsoft R Server.

Distribuera till Azure

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

Distribuera till Azure
Prediktiv marknadsföring med Machine Learning | Microsoft Azure Diagram som visar en symbol kopplad till tre andra med pilar åt båda hållen. I mitten visas symbolen för Azure Blob Storage där kampanj- och leadinformation lagras. Till höger om Storage finns Machine Learning där tidigare kampanjinformation bearbetas och en optimal plan tas fram för hur du tar kontakt med dina leads. Under Storage finns HDInsight, en tjänst för stordata som används för att hantera, analysera och rapportera om data. Till höger finns Power BI som innehåller en interaktiv instrumentpanel och visar de data som är lagrade i SQL Server. Dashboard Machine Learning HDInsight Blob Storage

Implementeringsanvisningar

Produkter Dokumentation

Apache Spark för Azure HDInsight

Microsoft R Server i HDInsight Spark-kluster innehåller distribuerade och skalbara maskininlärningsfunktioner för stordata, och kombinerar kraften i R Server med Apache Spark.

Power BI

Power BI innehåller en interaktiv instrumentpanel med visualiserade data från SQL Server, som används för att fatta beslut utifrån prognoserna.

Storage

Azure Storage lagrar kampanj- och leadinformation.

Maskininlärning

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

Närliggande lösningsarkitekturer