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。

使用零售推荐器解决方案加速器改善零售体验

  • 项目

在零售领域，数字渠道已迅速成为提高客户参与度的驱动力。 零售商正被迫重新构想他们传达价值主张的方式，分享他们产品线的更新。 他们正被迫转向购买消费者的视角 — 旨在更好地了解消费者的追求。 零售商正在寻找新的方法来加强购物者与产品之间的联系，包括提高产品的附带率，并创造购物车中产品之外的附加价值。

现场购物通常会导致冲动购买，因为购物者面前展示了琳琅满目的产品。 而在在线购物体验中，通常不会出现冲动购买的情况。 购物者寻找特定产品，添加到购物篮，然后直接结账。

零售推荐器解决方案加速器可帮助零售商突出显示购物者可能感兴趣的相关产品。 其目的是创造个性化的在线购物体验。 零售推荐器解决方案加速器采用了 AI 和先进的数据分析云技术，通过以下方式向购物者展示相关内容和产品：

  • 购物者访问零售商在线商业页面，页面会根据购买历史记录提示用户进行个性化选择。
  • 购物者将商品添加到购物车时，网站会根据能够与这些商品搭配购买的产品提供更多推荐。
  • 当购物者在零售商的网站上浏览时，网站会根据购物者查看的商品提供新的推荐。

零售推荐器解决方案加速器

零售推荐解决方案加速器是立即可供部署的代码，加速器利用 Azure Synapse 中的分析功能来评估购物者过去的购买和浏览习惯，从而通过过个性化的产品推荐来提供量身定制的浏览体验。

在零售领域中，超越客户期望是改善业务的最重要手段。 更深度的见解可以提升组织的收入，并提高客户保留率。 机器学习可帮助你评估运营决策对于业务成果的影响程度。

连接你的数据并了解你的客户，无论客户的购买方式如何

释放创新能力，同时消除组织中的数据孤岛. 通过统一数据策略来提供经过改善、更加定制化的全渠道客户体验，从而赢得回头客。 宏观经济影响、金融交易和供应之外，还能获得客户信息和销售数据的整体视图，这一切让你的组织能够自动化工作流程、规划未来销售并且主动管理风险。

使用可快速部署到基础架构中的立即可供部署代码**加速你现有的业务增长，并克服优化客户数据的捕获、可视化和利用方面的难题。

零售推荐器解决方案加速器概述

  • 通过有意义的产品推荐回报你的忠实客户
  • 推动整个供应链的端到端分析
  • 生成更好的店内和在线体验
  • 实现更深入的洞察力和更个性化的客户体验
  • 使用机器学习对忠诚客户进行有意义的个性化推荐

Data complexity and siloed decision-making

通过实时个性化改造客户体验

零售推荐器解决方案加速器使用机器学习和筛选模型，将客户浏览的商品与其他用户的实时数据联系起来，据此来提供推荐商品。 例如，如果其他客户浏览了手机和耳机，而你浏览了手机，那么你也更有可能浏览耳机，而该特定客户视图将成为针对你的推荐。 然后系统将构建一个类似数据的矩阵，以告知你未来的建议。

零售推荐器解决方案加速器模型如下所示：

Retail Recommender Solution Accelerator model

实时购物推荐如何在你的组织中运行？

  • 客户登陆页面后，会根据自己的购买历史看到个性化商品。
  • 客户选择或切换用户。
  • 登陆页面刷新，客户根据购买历史实时看到个性化商品。
  • 客户进入产品详情页面，根据购买和浏览历史看到推荐产品。
  • 客户将商品放入购物车，根据他们放入购物车的商品看到其他推荐。
  • 客户返回登录页面，并会看到推荐的附加产品。

Retail Recommender Solution Accelerator details

零售推荐器解决方案加速器 MVP 入门

启动零售推荐解决方案加速器，同时提供快速构建基于综合 Azure 分析平台的零售推荐器解决方案所需的资源。

创建你的个性化 MVP

  • 部署资源。 创建一个可用作容器的资源组，以开始将资源部署到 Azure。

  • 准备数据。 配置 Azure 机器学习的开发环境。 笔记本 VM 是一种高度兼容的预配置方式，可以快速启动和运行。

  • 使用自定义脚本训练数据。 一系列 Jupyter 笔记本中概述了脚本编写过程。 按顺序查看这些笔记本，可引导你使用 Azure 机器学习完成训练、评分以及进行预测。

使用演示数据，不到一天就能创建你的 MVP，使用自定义数据和准备会议也只需 2 到 5 周即可创建 MVP。

下面是通过 Azure Data Lake 存储 Gen2（企业规模 Data Lake）、Azure Synapse、Azure Synapse Analytics、Azure AI 搜索、Azure 机器学习服务、Azure API 管理和Azure 机器学习服务实现操作的高级关系图。

Retail Recommender Solution Accelerator architecture

Azure 和分析平台先决条件

Azure、Azure Cosmos DB、Azure 机器学习和 Azure Kubernetes 的工作知识。

阅读 Tractor Supply Company 的完整故事。

了解更多：

如需全面的技术指导，包括部署指南，请参阅零售推荐器解决方案加速器 GitHub 页。

美国最大的乡村生活方式零售商 Tractor Supply Company 选择 Microsoft 作为其战略性云提供商，以支持该公司电子商务网站和企业分析平台的技术体系结构和现代化。 阅读 Tractor Supply Company 客户的完整故事。

星巴克一直在使用强化学习技术，从而为使用该公司的移动应用的客户提供个性化体验。 这种机器学习训练方法学习根据外部反馈在复杂、不可预测的环境中做出决策。 阅读星巴克客户的完整故事。

后续步骤

使用 Azure DevOps 模板在你自己的环境中进行部署。 按照零售推荐器 Azure DevOps 模板中包含的步骤操作：

  1. 登录到生成器。
  2. 导航到云采用框架。
  3. 选择 Retail Recommender Azure DevOps 模板。
  4. 部署到 Azure DevOps 环境。

以下文章将帮助你在云采用之旅中取得成功。