略過導覽

使用 Azure HDInsight Spark 叢集的最佳化行銷活動

此解決方案示範如何利用 Azure HDInsight Spark 叢集上的 Microsoft R 伺服器,建置及部署機器學習模型來建議動作,進而將行銷活動目標潛在客戶的購買率提升至最高。在具備 Microsoft R 伺服器的 Spark 上處理巨量資料時,這個解決方案能讓效率更佳。

說明

注意:若您已部署了此解決方案,按一下這裡即可檢視部署。

預估佈建時間:25 分鐘

此解決方案會建立含有 Microsoft R 伺服器的 HDInisght Spark 叢集。這個叢集包含 2 個前端節點、2 個背景工作節點和 1 個邊緣節點;總共 32 核心。這個 HDInsight Spark 叢集的成本約為 $8.29/小時。費用是從建立叢集時開始計算,並於刪除叢集時停止計費。每分鐘按比例計費,因此當您不再需要叢集時即可隨時刪除。使用完畢時,請使用 [部署] 頁面,刪除整個解決方案。

概觀

當企業推出行銷活動來吸引客戶注意新產品或現有產品時,通常會運用一組商務規則來選出潛在客戶,並針對這些客戶推展行銷活動。機器學習可用於協助提升這些潛在客戶的回應率。此解決方案示範如何使用模型來預測動作,目的是希望能將行銷活動目標潛在客戶的購買率提升至最高。這些預測會用來當作建議的根據,供重新推出的行銷活動使用,了解連絡目標潛在客戶的方式 (例如電子郵件、SMS 或行銷電話) 和時間 (週幾以及時段)。此處所提供的解決方案使用了保險業的模擬資料,來建立潛在客戶對行銷活動之回應的模型。模型預測項目包括潛在客戶的人口統計詳細資料、歷程行銷活動效能和產品專屬的詳細資料。該模型會預測資料庫中每位潛在客戶在週間每天不同時段從某管道購買的可能性。在模型預測出購買可能性最高的管道和時間組合後,當您要選出目標使用者時,就會依據該組合提供您建議的管道、週幾與時段。

企業方面

這個解決方案採用的機器學習技術會運用歷史行銷活動資料,來預測客戶的回應並建議連絡潛在客戶的時機與方式。建議項目包括連絡潛在客戶的最佳管道 (如範例:電子郵件、SMS 或行銷電話)、最佳連絡日以及最佳連絡時段。

HDInsight Spark 叢集上的 Microsoft R 伺服器為巨量資料提供分散式及可調整規模的機器學習服務功能,同時結合了 R 伺服器與 Apache Spark 的特長。這個解決方案會示範如何開發機器學習模型以最佳化行銷活動 (包括資料處理、特徵工程、定型和評估模型)、如何部署模型與 Web 服務 (於邊緣節點) 以及使用 Azure HDInsight Spark 叢集上的 Microsoft R 伺服器遠端取用 Web 服務。系統會將最終的預測和建議表儲存到 Hive 資料表中,其中包含連絡每個潛在客戶的建議方法與時間。之後會在 Power BI 中將此資料視覺化。

Power BI 會同時呈現出行銷活動建議有效情況的視覺化摘要 (以模擬資料顯示於此)。您可以按一下右側的 [馬上試用] 按鈕,試用此儀表板。

此儀表板的 [建議] 索引標籤會顯示預測的建議。最上方為新部署的個別潛在客戶資料表。其中包括潛在客戶識別碼、行銷活動和產品的欄位,欄位內則填入了要套用我們商務規則的潛在客戶。其後接著顯示潛在客戶的模型預測,其中提供每位客戶的最佳連絡管道與時間,以及使用這些建議後,潛在客戶會因此購買產品的預測可能性。這些可能性可用於將連絡的潛在客戶數目限制至最有可能購買的一部份潛在客戶,藉此提高行銷活動的效率。

[建議] 索引標籤也同時會顯示各種建議的摘要,以及潛在客戶的人口統計資訊。儀表板的 [行銷活動摘要] 索引標籤會顯示用以建立預測建議的歷程資料摘要。這個索引標籤也會顯示 [星期]、[時間] 以及 [管道] 的值,這些值都是過去觀察到的實際值,請不要與 [建議] 索引標籤上顯示的模型建議混淆。

資料科學家方面

本解決方案會示範如何開發和部署機器學習模型以最佳化行銷活動的端對端程序。其中包含範例資料、每個模型建置步驟的 R 程式碼 (包括資料處理、特徵工程、使用範例資料來定型和評估模型)、如何部署模型與 Web 服務 (於邊緣節點) 以及使用 Azure HDInsight Spark 叢集上的 Microsoft R 伺服器遠端取用 Web 服務。

如果資料科學家要測試這個解決方案,可以使用瀏覽器式 R Studio Server Open Source Edition (執行於 Azure HDInsight Spark 叢集的邊緣節點上) 提供的 R 程式碼。使用者可以透過計算內容來決定執行計算的位置:於邊緣節點本機或分散於 Spark 叢集中的各節點。您可以在公用的 Github 存放庫中找到所有 R 程式碼。祝您使用愉快!

免責聲明

© 2017 Microsoft Corporation.著作權所有,並保留一切權利。這項資訊依照「現況」提供,且可能變更而不另行通知。Microsoft 對於此處提供的資訊不提供任何明示或默示的擔保。產生此解決方案的過程中使用了協力廠商的資料。您必須尊重他人的權利,包括取得及遵從相關授權以建立相似的資料集。

相關解決方案架構

利用 SQL Server 最佳化行銷活動

此解決方案示範如何利用具備 R Services 的 SQL Server 2016,建置及部署機器學習模型來建議動作,進而將行銷活動目標潛在客戶的購買率提升至最高。