Gezintiyi Atla

Azure HDInsight Spark Kümeleri ile Kampanya Optimizasyonu

Bu çözümde, bir kampanya tarafından hedeflenen müşteri adaylarının satın alım oranını en yüksek seviyeye çıkarmak üzere eylemler önermek için Azure HDInsight Spark kümelerinde Microsoft R Server ile nasıl makine öğrenme modeli oluşturulup dağıtılacağı gösterilmiştir. Bu çözüm, Microsoft R Server ile Spark’ta büyük verilerin etkili bir biçimde işlenmesine olanak tanır.

Açıklama

Not: Bu çözümü zaten dağıttıysanız dağıtımınızı görüntülemek için buraya tıklayın.

Tahmini Sağlama Süresi: 25 Dakika

Bu çözümde, Microsoft R Server içeren bir HDInsight Spark kümesi oluşturulur. 2 baş düğüm, 2 çalışan düğümü ve 1 uç düğümden oluşan bu küme toplamda 32 çekirdek içerir. Bu HDInsight Spark kümesinin maliyeti yaklaşık $8.29/saattir. Faturalandırma, küme oluşturulduğunda başlar ve küme silindiğinde sona erer. Fatura dakikalara eşit olarak dağıtıldığından, kullanılmayan kümelerinizi mutlaka silmelisiniz. İşiniz bittiğinde, Dağıtımlar sayfasını kullanarak çözümü tamamen silin.

Genel Bakış

Bir işletme, müşterilerin yeni ve heyecan verici ürünlerle ilgilenmeleri için bir pazarlama kampanyası başlattığında, kampanyalarının hedefleyeceği müşteri adaylarını seçmek için genelde bir iş kuralları kümesi kullanır. Bu müşterilerin yanıt oranını artırmada yardımcı olması için makine öğrenme kullanılabilir. Bu çözüm, kampanya tarafından hedeflenen müşteri adaylarının satın alım oranını en yüksek seviyeye çıkarması beklenen eylemleri tahmin etmek için nasıl model kullanılacağını gösterir. Bu tahminler, hedeflenen müşteri adaylarıyla nasıl (örneğin, e-posta, SMS veya telefon görüşmesi) ve ne zaman (haftanın günü ve günün saati) iletişime geçileceği hakkında, yenilenen bir kampanya tarafından kullanılacak önerilerin temelini oluşturur. Burada sunulan çözüm, sigorta sektörüne ait sanal verileri kullanarak, müşteri adaylarının kampanyaya olan yanıtlarını modeller. Model göstergeler, müşteri adaylarının demografik ayrıntılarını, geçmiş kampanya performansını ve ürüne özel ayrıntıları içerir. Model, veritabanındaki her müşteri adayının bir kanaldan, haftanın her günü çeşitli saatlerde satın alım yapma işlemi olasılığını tahmin eder. Kullanıcıları hedeflerken hangi kanal, gün ve saatin kullanılacağına dair öneriler, modelin tahmin ettiği satın alma işleminin yapılma olasılığı en yüksek kanal ve zamanlama bileşimini temel alır.

İş Perspektifi

Bu çözüm, makine öğrenimi aracılığıyla geçmiş kampanya verilerinden yararlanarak müşteri yanıtlarını tahmin eder ve müşteri adaylarınızla ne zaman, nasıl bağlantı kurmanız gerektiği konusunda öneri sağlar. Bu önerilere bir müşteri adayıyla bağlantı kurmak için en iyi kanal (bizim örneğimizde, e-posta, SMS veya doğrudan arama), haftanın en iyi günü ve günün en iyi saati konusundaki öneriler dahildir.

HDInsight Spark kümelerinde Microsoft R Server, R Server ile Apache Spark’ın birleşik gücünden yararlanarak büyük veriler için dağıtılmış ve ölçeklenebilir makine öğrenimi özellikleri sağlar. Bu çözümde, pazarlama kampanyası optimizasyonu için makine öğrenimi modelleri geliştirme (veri işleme, özellik mühendisliği, modelleri eğitme ve değerlendirme dahil), modelleri uç düğümde bir web hizmeti olarak dağıtma ve web hizmetini Azure HDInsight Spark kümelerinde Microsoft R Server ile uzaktan kullanma işlemlerinin nasıl yapıldığı gösterilmiştir. Son tahminler ve öneri tablosu, her bir müşteri adayına nasıl ve ne zaman ulaşılması gerektiğiyle ilgili önerileri içeren bir Hive tablosuna kaydedilir. Bu veriler daha sonra Power BI’da görselleştirilir.

Power BI ayrıca kampanya önerilerinin verimliliğine dair görsel özetler sunar (sanal verilerle birlikte burada gösterilmiştir). Sağdaki Şimdi Deneyin düğmesine tıklayarak bu panoyu deneyebilirsiniz.

Bu panonun Öneriler sekmesi tahmin edilen önerileri gösterir. En üstte, yeni dağıtımımıza ait müşteri adaylarının teker teker gösterildiği bir tablo bulunur. Bu tablo, iş kurallarımızın uygulanacağı müşteri adaylarının doldurduğu, müşteri adayı kimliği, kampanya ve ürüne ait alanları içerir. Bunu, müşteri adaylarına yönelik, bu adaylarla ayrı ayrı iletişime geçilecek en uygun kanal ve saatleri veren model tahminlerinin yanı sıra bu önerileri kullanarak müşteri adaylarının ürünümüzü almasıyla ilgili tahmini olasılıklar takip eder. Bu olasılıklar, iletişime geçilen müşteri adayları sayısını, alma olasılığı yüksek olan alt kümeyle sınırlandırarak kampanyanın verimliliğinin artırılması için kullanılabilir.

Öneriler sekmesinde ayrıca müşteri adaylarına dair önerilerin ve demografik bilgilerin çeşitli özetleri bulunur. Panonun Kampanya Özeti sekmesi, tahmin edilen önerileri oluşturmak için kullanılan geçmiş verilerin özetlerini gösterir. Bu sekme ayrıca Haftanın Günü, Günün Saati ve Kanal değerlerini de gösterir, ancak bu değerler gerçek geçmiş gözlemlerdir. Öneriler sekmesinde gösterilen model önerileriyle karıştırılmamalıdır.

Veri Uzmanı Perspektifi

Bu çözümde, pazarlama kampanyası optimizasyonu için makine öğrenimi modelleri geliştirme ve dağıtma süreci baştan sona gösterilmiştir. Modeli oluşturma (veri işleme, özellik mühendisliği, modelleri eğitme ve değerlendirmenin yanı sıra örnek veriler dahil), modelleri uç düğümde bir web hizmeti olarak dağıtma ve web hizmetini Azure HDInsight Spark kümelerinde Microsoft R Server ile uzaktan kullanma işlemlerinin her birinin nasıl yapıldığına ilişkin örnek veriler, R kodu içerir.

Bu çözümü test eden veri uzmanları, Azure HDInsight Spark kümesinin Uç Düğümünde çalışan, tarayıcı tabanlı Açık Kaynak RStudio Server Sürümü’nden sağlanan R koduyla çalışabilir. Kullanıcı işlem bağlamını ayarlayarak işlemlerin nerede gerçekleştirileceğine karar verebilir: uç düğümde yerel olarak veya Spark kümesinde düğümlere dağıtılmış olarak. Tüm R kodu genel Github deposunda da bulunabilir. İyi eğlenceler!

Bildirim

© 2017 Microsoft Corporation. Tüm hakları saklıdır. Buradaki bilgiler “olduğu gibi” sağlanmıştır ve bildirim yapılmaksızın değiştirilebilir. Microsoft, işbu bilgilerle ilgili açık veya zımni herhangi bir garanti vermez. Çözüm oluşturulurken üçüncü taraf verileri kullanılmıştır. Benzer veri kümeleri oluşturmak için ilgili lisansları edinmek ve bunlara uymak dahil olmak üzere başkalarının haklarına saygılı olma sorumluluğu sizindir.

İlgili çözüm mimarileri

SQL Server ile Kampanya İyileştirmesi

Bu çözüm, bir kampanya tarafından hedeflenen müşteri adaylarının satın alım oranını en yüksek seviyeye çıkarmak üzere eylemler önermek için R Services’ın dahil olduğu SQL Server 2016 ile nasıl makine öğrenme modeli oluşturup dağıtılacağını gösterir.