解决方案体系结构:使用机器学习和 Spark 的预测性营销活动

市场营销团队不仅要传递消息,何时以及如何传递消息同样重要。若缺少数据驱动的分析方法,营销团队很容易错失机会或不易获得动力。

借助基于历史活动数据的机器学习,此解决方案体系结构有助于预测顾客反应并推荐联系潜在顾客的优化方案 - 包括最佳方式(通过电子邮件、短信、偶然致电等)、一周中最佳日期以及一天中最佳时间。

利用预测性营销优化市场活动,有助于改进销售线索和创收,同时提高营销投资的投资回报率。

借助此体系结构,可利用 Microsoft R Server 高效处理 Spark 上的大数据。

部署到 Azure

使用下列预建模板将此体系结构部署到 Azure

部署到 Azure
利用机器学习进行预测性营销 | Microsoft Azure 显示 1 个图标通过双向箭头与另外 3 个图标连接的关系图。中间的图标表示 Azure Blob 存储,它是解决方案存储市场活动和潜在顾客数据的位置。存储的左侧是机器学习,它将处理历史活动数据并确定联系潜在顾客的优化方案。存储的下方是大数据服务 HDInsight,此解决方案利用它管理、分析和报告数据。右侧是 Power BI,它提供一个交互式仪表板并直观显示 SQL Server 中存储的数据。 Dashboard Machine Learning HDInsight Blob Storage

实施指南

产品 文档

Apache Spark for Azure HDInsight

HDInsight Spark 群集上的 Microsoft R Server 可提供用于大数据的分布式可缩放机器学习功能,可将 R Server 和 Apache Spark 的功能融为一体。

Power BI

Power BI 提供一个可视化的交互式仪表板,它将使用 SQL Server 中存储的数据对预测作出决策。

存储

Azure 存储将存储市场活动和潜在顾客数据。

机器学习

机器学习有助于用户在云中轻松设计、测试、实施和管理预测分析解决方案。

相关解决方案体系结构