编辑

通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

个性化套餐

Azure 事件中心
Azure Functions
Azure 机器学习
Azure 存储
Azure 流分析

解决方案构想

本文介绍了一种解决方案构想。 云架构师可以通过本指南来帮助可视化此体系结构的典型实现的主要组件。 以本文为起点，设计一个符合工作负荷特定要求的架构合理的解决方案。

本解决方案使用可分析来自多个源的数据的机器学习模型，构建提供客户定制内容的智能营销系统。 使用的关键技术包括智能建议和 Azure 个性化体验创建服务。

体系结构

显示如何通过结合产品和套餐视图生成个性化产品/服务的体系结构图。

下载此体系结构的 Visio 文件。

数据流

  1. Azure Functions 应用捕获原始用户活动（例如产品/服务点击）以及在网站上向用户提供的产品/服务。 活动将发送到 Azure 事件中心。 在未提供用户活动的区域中，模拟用户活动存储在 Azure Cache for Redis 中。
  2. Azure 流分析将分析数据，以便对 Azure 事件中心实例的输入流提供准实时分析。
  3. 聚合数据将发送到 Azure Cosmos DB for NoSQL。
  4. Power BI 用于查找有关聚合数据的见解。
  5. 原始数据会被发送到 Azure Data Lake Storage。
  6. 智能建议使用 Azure Data Lake Storage 中的原始数据并向 Azure 个性化体验创建服务提供建议。
  7. 个性化体验创建服务提供最相关的个性化产品/服务。
  8. 模拟用户活动数据提供给个性化体验创建服务，以提供个性化产品/服务。
  9. 结果在用户访问的 Web 应用上提供。
  10. 根据用户对显示的产品/服务做出的反应捕获用户反馈。 将奖励分数提供给个性化体验创建服务，使其表现不断变好
  11. 根据智能建议重新训练可以生成更好的建议。 也可以使用 Azure Data Lake Storage 中刷新的数据来完成此过程。

组件

  • 事件中心是一个全托管流式处理平台。 在此情形下，事件中心将收集实时消耗数据。
  • 流分析提供实时无服务器流处理。 此服务提供了一种在云端和边缘设备上运行查询的方法。 在此情形下，流分析聚合流式处理数据并使其实现可视化和更新。
  • Azure Cosmos DB 是一种全球分布式多模型数据库。 使用 Azure Cosmos DB，你的解决方案可以跨任意个数的地理区域弹性调整吞吐量和存储。 Azure Cosmos DB for NoSQL 以文档格式存储数据，是 Azure Cosmos DB 提供的多个数据库 API 之一。 在此解决方案的 GitHub 实现中，DocumentDB 用于存储客户、产品/服务信息，但你也可以使用 Azure Cosmos DB for NoSQL。 详细信息请参阅 亲爱的 DocumentDB 客户，欢迎使用 Azure Cosmos DB！。
  • 存储是一种云存储解决方案，包括对象、文件、磁盘、队列和表存储。 服务包括用于传输、共享和备份数据的混合存储解决方案和工具。 该解决方案使用存储管理模拟用户交互的队列。
  • Functions 是一个无服务器计算平台，可用于构建应用程序。 借助 Functions，可利用触发器和绑定集成服务。 此解决方案使用 Functions 协调用户模拟。 Functions 也是生成个性化产品/服务的核心组件。
  • 机器学习是一种基于云的环境，可用于训练、部署、自动化、管理和跟踪机器学习模型。 此处，机器学习利用每个用户的首偏好和产品历史记录来提供用户到产品的相关性评分。
  • Azure Cache for Redis 基于 Redis 软件提供内存数据存储。 Azure Cache for Redis 以完全托管的产品/服务形式提供开源 Redis 功能。 在此解决方案中，Azure Cache for Redis 为没有可用用户历史记录的客户提供预计算的产品相关性。
  • Power BI 是一项业务分析服务，可提供交互式可视化效果和商业智能功能。 其界面易于使用，你可以创建自己的报表和仪表板。 此解决方案使用 Power BI 在系统中显示实时活动。 例如，Power BI 使用 Azure Cosmos DB for NoSQL 中的数据来显示客户对各种产品/服务的响应。
  • Data Lake 存储是一个可缩放的存储库，以数据的本机原始格式保存大量数据。

解决方案详细信息

在当今这个竞争性强且互连的环境中，现代企业要想生存，就不能再使用一般的静态在线内容。 此外，使用传统工具的营销策略成本高昂且难以实现。 因此，它们不会产生预期的投资回报。 这些系统通常无法充分利用收集的数据，为用户带来更加个性化的体验。

呈现为各用户定制的产品/服务对于建立客户忠诚度和保持盈利至关重要。 在零售网站，客户希望使用智能系统，提供基于其独特兴趣和偏好的产品/服务和内容。 当今的数字营销团队可以使用从各种用户交互中生成的数据来构建这种智能系统。

现在，营销人员拥有独特的机会，可通过分析大量数据，为每位用户提供高度相关的个性化产品/服务。 但构建可靠且可缩放的大数据基础结构并不容易。 开发针对每个用户的个性化复杂机器学习模型也是一项艰巨的任务。

智能建议提供用于促成所需结果的功能，例如基于用户交互和元数据的项建议。 它可用于推广和个性化任何内容类型，例如可销售的产品/服务、媒体、文档等。

Azure 个性化体验创建服务是 Azure AI 服务的一部分。 可以使用它来确定向购物者推荐的产品或推测最佳广告位置。 个性化体验创建服务充当额外的最后一步排名器。 在向用户显示建议之后，会监视用户的反应并将其作为奖励分数报告给个性化体验创建服务。 此过程确保服务不断学习，并增强个性化体验创建服务根据收到的上下文信息选择最佳项的能力。

Microsoft Azure 在数据引入、数据存储、数据处理和高级分析组件领域（这些都是生成个性化服务/产品解决方案的必备元素）提供高级分析工具。

系统集成商

通过聘请经过培训的系统集成商，可以节省此解决方案实现时间。 系统集成商有助于开发概念证明，并部署和集成解决方案。

可能的用例

此解决方案适用于基于客户数据（查看或已购买的产品）的货品和服务营销。 这可能适用于以下领域：

  • 电子商务 - 这是一个广泛用于客户行为和产品推荐的个性化领域。

  • 零售 - 可以根据以前的购买数据，提供有关产品的建议和优惠。

  • 电信 - 可以根据该领域的用户交互提供建议。 与其他行业相比，产品和服务范围可能有限。

作者

本文由 Microsoft 维护， 它最初是由以下贡献者撰写的。

主要作者：

要查看非公开领英个人资料，请登录领英。

后续步骤