小売レコメンダー ソリューション アクセラレータを使用して小売エクスペリエンスを向上させる
小売業界では急速に、デジタル チャネルが顧客エンゲージメントの向上を促す原動力になりつつあります。 小売業者は、価値提案の伝達方法を再考し、製品ラインの更新を共有するよう求められています。 顧客が求めているものをよりよく理解することを目的として、購入者の視点に近づかざるを得なくなっています。 小売業者は、買い物客と商品の結び付きを強化することで、アタッチ レートを向上させ、買い物かごの中の商品を超える付加価値を生み出す新たな方法を模索しています。
通常、オンサイトのショッピングでは、買い物客の目の前にさまざまな商品が陳列されているため、衝動買いが発生します。 通常、オンライン ショッピングでは衝動買いは発生しません。 買い物客は特定の商品を探し、買い物かごに追加し、精算へと進みます。
小売レコメンダー ソリューション アクセラレータは、買い物客が関心がありそうな関連商品を小売業者が紹介するのに役立ちます。 その目的は、パーソナライズされたオンライン ショッピング エクスペリエンスを作り出すことです。 小売レコメンダー ソリューション アクセラレータでは、AI と高度なデータ分析クラウド テクノロジを使用して、関連するコンテンツや商品を買い物客に次の方法で提示します。
- 買い物客が小売業者のオンライン商用ページにアクセスすると、購入履歴に基づいて、ユーザーに購入を促すパーソナライズされた商品一覧が表示されます。
- 買い物客がカートに商品を追加すると、それらの商品と一緒に購入される可能性のある商品に基づいて、さらに多くのおすすめ商品が提示されます。
- 買い物客が小売業者のサイト内を移動すると、買い物客が閲覧した内容に基づいて新しいおすすめ商品が提示されます。
小売レコメンダー ソリューション アクセラレータ
小売レコメンダー ソリューション アクセラレータは、Azure Synapse 内の分析機能を活用して、買い物客の過去の購入や閲覧傾向を評価し、パーソナライズされた商品レコメンデーションを使って、カスタマイズされた閲覧エクスペリエンスを提供する、Ready-to-deploy (すぐにデプロイできる) コードです。
小売部門では顧客の期待を超えることが、ビジネスを向上させる最も重要な手段です。 より深い分析情報により、組織の収益を伸ばし、リテンションを増加させることができます。 機械学習は、運用上の意思決定がビジネス成果にどのように影響するかを評価するのに役立ちます。
データを結び付けて顧客を理解する
イノベーションの鍵を開け、組織内のデータ サイロを取り除きます。 統一されたデータ戦略を使用して、改善され、よりカスタマイズされたオムニチャネル カスタマー エクスペリエンスを提供することで、リピーターを獲得します。 マクロ経済的影響、金融取引、サプライに加え、顧客情報と販売データの全体像を把握します。組織がワークフローを自動化し、将来の販売計画を立て、積極的なリスク管理を行うことを可能にするすべてです。
すぐにインフラストラクチャに実装できる Ready-to-deploy (すぐにデプロイできる) コード** を使用して現在のビジネス成長を加速し、顧客データのキャプチャ、視覚化、活用を最適化する課題を克服します。
小売レコメンダー ソリューション アクセラレータの概要
- 有意義な商品レコメンデーションによってロイヤル カスタマーに見返りを与える
- サプライチェーン全体でエンドツーエンド分析を実施する
- より良い店内およびオンライン エクスペリエンスを構築する
- より深い分析情報と、よりカスタマイズされたカスタマー エクスペリエンスを実現する
- ロイヤル カスタマーにとって有意義なパーソナライズされたレコメンデーションを機械学習を使用して行う
リアルタイム パーソナル化を使用してカスタマー エクスペリエンスを変革する
小売レコメンダー ソリューション アクセラレータでは、機械学習と、顧客が見ているものと他のユーザーが持っているもののデータをリアルタイムで結び付けるフィルター処理モデルを使用して、レコメンデーションを提供します。 たとえば、他の顧客が過去に電話とヘッドセットを見ていて、あなたが電話を見ている場合は、あなたがヘッドセットも見る可能性が高くなります。そして、その特定の顧客表示が、あなたのレコメンデーションになります。 その後、あなたの将来のレコメンデーションを通知するために類似データのマトリックスがシステムによって作成されます。
小売レコメンダー ソリューション アクセラレータ モデルは次のようになります。
リアルタイム ショッピング レコメンデーションは組織にとってどのように機能するか
- 顧客がページを表示すると、購入履歴に基づいてパーソナライズされた商品が表示されます。
- 顧客がユーザーを選択または切り替えます。
- ランディング ページが更新され、購入履歴に基づいてリアルタイムでパーソナライズされた商品が顧客に表示されます。
- 顧客が商品の詳細ページに移動すると、購入と閲覧履歴に基づいて提案された商品が表示されます。
- 顧客がカートに商品を入れると、カートに入れた商品に基づいて追加のレコメンデーションが表示されます。
- 顧客がランディング ページに戻ると、お勧めのアドオン商品が表示されます。
小売レコメンダー ソリューション アクセラレータ MVP を使ってみる
包括的な Azure Analytics プラットフォームに基づいて小売りレコメンダー ソリューションを迅速に構築するために必要なリソースを使用して小売レコメンダー ソリューション アクセラレータを起動します。
パーソナライズされた MVP を作成する
リソースをデプロイする。 Azure へのリソースのデプロイを開始するためのコンテナーとして使用できるリソース グループを作成します。
データを準備する。 Azure Machine Learning 用の開発環境を構成します。 ノートブック VM は、迅速に稼働状態にできる、互換性の高い、事前構成された方法です。
カスタム スクリプトでデータをトレーニングする。 スクリプト作成プロセスは、一連の Jupyter Notebook で概要が示されています。 それらを順番に読んで、Azure Machine Learning を使用したトレーニング、スコアリング、予測を行う手順を確認してください。
デモ データを使用して 1 日以内で、またはカスタム データと準備セッションを使用して 2 - 5 週間かけて MVP を作成します。
Azure Data Lake Storage Gen2 (エンタープライズ規模のデータ レイク)、Azure Synapse、Azure Synapse Analytics、Azure AI Search、Azure Machine Learning Service、Azure API Management、および Azure Machine Learning サービスを使用した運用の概略図を以下に示しています。
Azure と分析プラットフォームの前提条件
Azure、Azure Cosmos DB、Azure Machine Learning、Azure Kubernetes に関する実用的な知識。
Tractor Supply Company の事例の全文をお読みください。
詳細情報:
- Azure Synapse Analytics
- Azure Kubernetes Service
- Azure Machine Learning
- Azure Synapse に関する Learn モジュール
- Azure Kubernetes に関する Learn モジュール
- データ サイエンティストのラーニング パス
デプロイ ガイドを含む包括的な技術ガイダンスについては、小売りレコメンダー ソリューション アクセラレータに関する GitHub のページをご覧ください。
米国最大の農村ライフスタイル小売業者である Tractor Supply Company は、同社の e コマース Web サイトとエンタープライズ分析プラットフォームのテクノロジ アーキテクチャと刷新をサポートするために、Microsoft を戦略的クラウド プロバイダーとして選択しました。 Tractor Supply Company のお客様事例の全文をお読みください。
スターバックスでは、強化学習テクノロジを使用して、同社のモバイル アプリを使用する顧客にパーソナライズされたエクスペリエンスを提供しています。 この機械学習のトレーニング方法では、外部からのフィードバックに基づき、複雑で予測できない環境で意思決定を行う方法を学習します。 スターバックスのお客様事例の全文をお読みください。
次のステップ
Azure DevOps テンプレートを使用して、独自の環境にデプロイします。 Retail Recommender Azure DevOps テンプレートに含まれている手順に従ってください。
- ジェネレーターにサインインします。
- クラウド導入フレームワークに移動します。
Retail RecommenderAzure DevOps テンプレートを選択します。- Azure DevOps 環境にデプロイします。
次の記事は、クラウド導入のプロセスで成功を収めるのに役立ちます。