De retailervaring verbeteren met een Retail Recommender Solution Accelerator

In de retailwereld zijn digitale kanalen snel de drijvende kracht geworden bij het creëren van een verbeterde klantbetrokkenheid. Retailers worden gepusht om de manier waarop ze waardeproposities communiceren opnieuw in te stellen, updates over hun productlijnen te delen. Ze worden gedwongen om naar het perspectief van de aankoopgebruiker te gaan, met als doel om beter te begrijpen wat klanten zoeken. Retailers zijn op zoek naar nieuwe manieren om de verbinding tussen klanten en producten te versterken, waardoor hun koppelsnelheid wordt verhoogd en toegevoegde waarde ontstaat buiten de producten in winkelwagens.

On-site winkelen leidt meestal tot impulsaankopen, omdat klanten een verscheidenheid aan producten hebben die voor hen worden weergegeven. Impulsaankoop vindt meestal niet plaats in de online winkelervaring. Klanten zoeken naar specifieke producten, voegen ze toe aan hun winkelwagen en gaan verder met afrekenen.

De Retail Recommender Solution Accelerator helpt retailers bij het markeren van gekoppelde producten die mogelijk interessant zijn voor een klant. Het doel is om een gepersonaliseerde online winkelervaring te creëren. Met behulp van AI en geavanceerde cloudtechnologieën voor gegevensanalyse biedt de Retail Recommender Solution Accelerator klanten op de volgende manieren relevante inhoud en producten:

• Een klant bezoekt een online commerciële pagina van een winkel, die de gebruiker vraagt om persoonlijke selecties, op basis van de aankoopgeschiedenis.
• Wanneer de klant items toevoegt aan de winkelwagen, biedt de site meer aanbevelingen op basis van welke producten met deze items zouden worden gekocht.
• Naarmate de klant zich door de site van de detailhandelaar beweegt, biedt de site nieuwe aanbevelingen op basis van wat de klant bekijkt.

Retail Recommender Solution Accelerator

De Retail Recommender Solution Accelerator is kant-en-klare code waarmee analysemogelijkheden in Azure Synapse worden gebruikt om de eerdere aankoop- en browsegewoonten van uw klanten te evalueren. Dit biedt een op maat gemaakte browse-ervaring met gepersonaliseerde productaanbevelingen.

Het overschrijden van de verwachtingen van klanten in de detailhandel is de belangrijkste hefboom om uw bedrijf te verbeteren. Diepere inzichten kunnen de omzet van uw organisatie stimuleren en de retentie verhogen. Machine learning helpt u bij het evalueren van de factor operationele beslissingen in bedrijfsresultaten.

Verbinding maken uw gegevens en begrijp uw klant, maar ze kopen

Ontgrendel innovatie en verwijder gegevenssilo's in uw organisatie. Verdien terugkerende klanten door een verbeterde, meer aangepaste omnichannel-klantervaring te leveren met geïntegreerde gegevensstrategie. Krijg een holistische weergave van klantinformatie en verkoopgegevens, naast macro-economische invloeden, financiële transacties en aanbod, alles wat uw organisatie in staat stelt om werkstromen te automatiseren, toekomstige verkoop te plannen en proactief risico's te beheren.

Versnel uw bestaande bedrijfsgroei met kant-en-klare code** die u snel in uw infrastructuur kunt implementeren en de uitdaging overwinnen om de opname, visualisatie en levering van de gegevens van uw klanten te optimaliseren.

Overzicht van Retail Recommender Solution Accelerator

• Uw trouwe klanten belonen met zinvolle productaanbeveling
• End-to-end-analyses in de toeleveringsketen stimuleren
• Betere in-store- en onlineervaringen bouwen
• Diepere inzichten inschakelen en een meer aangepaste klantervaring
• Machine learning gebruiken om gepersonaliseerde aanbevelingen te doen die zinvol zijn voor uw loyaliteitsklanten

De klantervaring transformeren met realtime persoonlijke instellingen

De retailaanbevelingsoplossingsversneller maakt gebruik van machine learning en een filtermodel waarmee de klant verbinding maakt met gegevens van wat andere gebruikers in realtime hebben om een aanbeveling te geven. Als andere klanten bijvoorbeeld telefoons en headsets hebben bekeken en u telefoons bekijkt, zult u waarschijnlijk ook een headset zien: een bepaalde klantweergave wordt uw aanbeveling. Het systeem bouwt vervolgens een matrix met vergelijkbare gegevens om uw toekomstige aanbevelingen te informeren.

Hier ziet u hoe het Retail Recommender Solution Accelerator-model eruitziet:

Hoe werkt de aanbeveling voor realtime winkelen voor uw organisatie?

• Klant komt terecht op pagina en ziet persoonlijke items op basis van hun aankoopgeschiedenis.
• De klant selecteert of schakelt de gebruiker over.
• Landingspagina wordt vernieuwd, de klant ziet persoonlijke items in realtime op basis van hun aankoopgeschiedenis.
• Klant voert de productdetailpagina in, bekijkt voorgestelde producten op basis van aankoop- en browsegeschiedenis.
• Klant plaatst items in de winkelwagen, ziet aanvullende aanbevelingen op basis van items die ze in de winkelwagen hebben geplaatst.
• De klant keert terug naar de landingspagina en ziet aanbevolen invoegtoepassingsproducten.

Aan de slag met de MVP Retail Recommender Solution Accelerator

Start de Retail Recommender Solution Accelerator met de resources die nodig zijn om snel een Retail Recommender-oplossing te bouwen op basis van het uitgebreide Azure Analytics-platform.

Uw persoonlijke MVP maken

• Resources implementeren. Maak een resourcegroep die u als container kunt gebruiken om de resources te implementeren in Azure.

• Gegevens voorbereiden. Configureer uw ontwikkelomgeving voor Azure Machine Learning. Notebook-VM is een zeer compatibele, vooraf geconfigureerde manier om snel aan de slag te gaan.

• Gegevens trainen met aangepaste scripts. Het scriptproces wordt beschreven in een reeks Jupyter Notebooks. Bekijk ze sequentieel om u te helpen bij het trainen, scoren en doen van voorspellingen met behulp van Azure Machine Learning.

Maak uw MVP in minder dan een dag met demogegevens of in 2-5 weken met uw aangepaste gegevens en een voorbereidingssessie.

Hier volgt een diagram op hoog niveau van bewerkingen via Azure Data Lake Storage Gen2 (data lake op ondernemingsniveau), Azure Synapse, Azure Synapse Analytics, Azure AI Search, Azure Machine Learning Service, Azure API Management en Azure Machine Learning-services.

Vereisten voor Het Azure- en analyseplatform

Werkende kennis van Azure, Azure Cosmos DB, Azure Machine Learning en Azure Kubernetes.

Lees het volledige Tractor Supply Company-verhaal.

Meer informatie:

• Azure Synapse Analytics
• Azure Kubernetes Service
• Azure Machine Learning
• Learn-modules voor Azure Synapse
• Learn-modules voor Azure Kubernetes
• Leertraject data scientist

Zie de GitHub-pagina Retail Recommender Solution Accelerator voor uitgebreide technische richtlijnen, waaronder een implementatiehandleiding.

Tractor Supply Company, de grootste landelijke lifestyle retailer in de Verenigde Staten, selecteerde Microsoft als strategische cloudprovider ter ondersteuning van technologiearchitectuur en modernisering voor het e-commerceplatform van het bedrijf en het enterprise analytics-platform. Lees het volledige Tractor Supply Company-klantverhaal.

Starbucks gebruikt versterkingsleertechnologie om klanten een persoonlijke ervaring te bieden met behulp van de mobiele app van het bedrijf. Deze machine learning-trainingsmethode leert beslissingen te nemen in complexe, onvoorspelbare omgevingen op basis van externe feedback. Lees het volledige Starbucks-klantverhaal.

Volgende stappen

Gebruik de Azure DevOps-sjabloon om te implementeren in uw eigen omgeving. Volg de stappen in de Azure DevOps-sjabloon Retail Recommender:

1. Meld u aan bij de generator.
2. Navigeer naar het Cloud Adoption Framework.
3. Selecteer de Retail Recommender Azure DevOps-sjabloon.
4. Implementeren in uw Azure DevOps-omgeving.

De volgende artikelen helpen u om uw overstap naar de cloud te voltooien.

• Governance in de detailhandel
• Beheer in de detailhandel