Gezintiyi Atla

Müşteri 360

Müşteri vade farkı ve satın alım düzenleri arasındaki derin anlayış, her perakendeci akıllı işleminin kritik bir bileşenidir. Bu çözüm, sanal müşteriler hakkında tahmini öngörüler sağlamak amacıyla, müşteri verilerini bir “360 derece” profiline toplama işlemi uygular ve Azure’un güvenilirliği ve işleme gücü tarafından desteklenen gelişmiş makine öğrenme modelleri kullanır.

Customer 360A deep understanding between customer interests and purchasing patterns is a critical component of any retail business intelligence operation. This solution implements a process of aggregating customer data into a “360 degree” profile, and uses advanced machine learning models backed by the reliability and processing power of Azure to provide predictive insights on simulated customers.Python Web JobEvent HubETL (Python)Machine LearningTrained modelStream AnalyticsAzure StorageBrowsing DataBatch ETL and Predictive Pipeline12SQL DWDemographics, products, purchasesMerged customer profilew/ engineered featuresEnriched customer profile with predictionsHD Insight(Spark R Server)Enriched customer profilesPower BI Dashboard3456

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.

Customer 360A deep understanding between customer interests and purchasing patterns is a critical component of any retail business intelligence operation. This solution implements a process of aggregating customer data into a “360 degree” profile, and uses advanced machine learning models backed by the reliability and processing power of Azure to provide predictive insights on simulated customers.Python Web JobEvent HubETL (Python)Machine LearningTrained modelStream AnalyticsAzure StorageBrowsing DataBatch ETL and Predictive Pipeline12SQL DWDemographics, products, purchasesMerged customer profilew/ engineered featuresEnriched customer profile with predictionsHD Insight(Spark R Server)Enriched customer profilesPower BI Dashboard3456

Veri Oluşturucu, sanal müşteri etkinlikleri ve bir Olay Hub’ı arasında bir kanal oluşturur.

Bir Stream Analytics işi, Olay Hub’ından okuyup toplamaları gerçekleştirir

Stream Analytics, zaman gruplu verilerin Azure Depolama Blobu’na gönderilmesini sürdürür

HDInsight’ta çalıştırılan bir Spark işi, birleştirilmiş bir kullanıcı profili oluşturmak için en son müşteri tarama verilerini, geçmiş satın alım ve demografi verileriyle birleştirir

İkinci bir Spark işi, ileride yapılacak olan satın alım düzenlerini tahmin etmek için her müşteri profilini bir makine öğrenme modeline karşı puanlar (örneğin, sonraki 30 gün içinde belirli bir müşteri satın alım işlemi yapacak mı, yapacaksa hangi ürün kategorisinde?)

Tahminler ve diğer profil verileri, Power BI Online’da grafik ve tablo olarak görselleştirilir ve paylaşılır

  1. 1 Veri Oluşturucu, sanal müşteri etkinlikleri ve bir Olay Hub’ı arasında bir kanal oluşturur.
  2. 2 Bir Stream Analytics işi, Olay Hub’ından okuyup toplamaları gerçekleştirir
  3. 3 Stream Analytics, zaman gruplu verilerin Azure Depolama Blobu’na gönderilmesini sürdürür
  1. 4 HDInsight’ta çalıştırılan bir Spark işi, birleştirilmiş bir kullanıcı profili oluşturmak için en son müşteri tarama verilerini, geçmiş satın alım ve demografi verileriyle birleştirir
  2. 5 İkinci bir Spark işi, ileride yapılacak olan satın alım düzenlerini tahmin etmek için her müşteri profilini bir makine öğrenme modeline karşı puanlar (örneğin, sonraki 30 gün içinde belirli bir müşteri satın alım işlemi yapacak mı, yapacaksa hangi ürün kategorisinde?)
  3. 6 Tahminler ve diğer profil verileri, Power BI Online’da grafik ve tablo olarak görselleştirilir ve paylaşılır