略過導覽

Customer 360

深入了解客戶興趣與購買模式對於任何零售商業智慧營運而言都很重要。此解決方案實作將客戶資料彙總成「全方位」設定檔的程序,並使用具備 Azure 可靠性和處理能力的進階機器學習服務模型,來提供有關模擬客戶的預測性深入解析。

Customer 360深入了解客戶興趣與購買模式對於任何零售商業智慧營運而言都很重要。此解決方案實作將客戶資料彙總成「全方位」設定檔的程序,並使用具備 Azure 可靠性和處理能力的進階機器學習服務模型,來提供有關模擬客戶的預測性深入解析。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

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。

Customer 360深入了解客戶興趣與購買模式對於任何零售商業智慧營運而言都很重要。此解決方案實作將客戶資料彙總成「全方位」設定檔的程序,並使用具備 Azure 可靠性和處理能力的進階機器學習服務模型,來提供有關模擬客戶的預測性深入解析。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

資料產生器將模擬客戶事件傳送到事件中樞

串流分析工作從事件中樞讀取並執行彙總

串流分析將依時間分組的資料保存到 Azure 儲存體 Blob

HDInsight 中執行的 Spark 工作將最新的客戶瀏覽資料與過去的購買和人口統計資料合併,以建立合併的使用者設定檔

第二個 Spark 工作根據機器學習服務模型評分每個客戶設定檔,以預測未來購買模式 (例如某個客戶是否可能在未來 30 天內購買,如果可能,會購買哪個產品類別?)

預測及其他設定檔資料會以 Power BI Online 中的圖表和資料表形式視覺化並共用

  1. 1 資料產生器將模擬客戶事件傳送到事件中樞
  2. 2 串流分析工作從事件中樞讀取並執行彙總
  3. 3 串流分析將依時間分組的資料保存到 Azure 儲存體 Blob
  1. 4 HDInsight 中執行的 Spark 工作將最新的客戶瀏覽資料與過去的購買和人口統計資料合併,以建立合併的使用者設定檔
  2. 5 第二個 Spark 工作根據機器學習服務模型評分每個客戶設定檔,以預測未來購買模式 (例如某個客戶是否可能在未來 30 天內購買,如果可能,會購買哪個產品類別?)
  3. 6 預測及其他設定檔資料會以 Power BI Online 中的圖表和資料表形式視覺化並共用