ソリューションのアイデア
この記事ではソリューションのアイデアについて説明します。 クラウド アーキテクトはこのガイダンスを使用すると、このアーキテクチャの一般的な実装の主要コンポーネントを視覚化しやすくなります。 ワークロードの特定の要件に適合する、適切に設計されたソリューションを設計するための出発点として、この記事を使用してください。
顧客離反予測では、Azure AI プラットフォームを使用してチャーンの確率を予測します。これは、既存のデータ内で、予測されるチャーン レートに関連付けられているパターンを見つけるのに役立ちます。
Architecture
このアーキテクチャの Visio ファイルをダウンロードします。
データフロー
Azure Event Hubs を使用して、すべてのライブ データを Azure にストリーミングします。
Azure Stream Analytics を使用してリアルタイム データを処理します。 Stream Analytics では、処理されたデータを Azure Synapse に出力できます。 これにより顧客は、既存および履歴のデータを組み合わせて、Power BI でダッシュボードとレポートを作成できます。
Azure Synapse またはその他の ETL (抽出、変換、読み込み) ツールを使用して、Azure Blob Storage に履歴データを大規模に取り込みます。
Azure Synapse を使用してストリーミング データと履歴データを組み合わせ、Azure Machine Learning でのレポートまたは実験を行います。
Azure Machine Learning を使用して、チャーンの確率を予測するモデルを構築します。これにより、インテリジェントな分析情報を提供するデータ パターンを特定できます。
Power BI を使用して、Azure Synapse 上に運用レポートとダッシュ ボードを作成します。 Azure Machine Learning モデルを使用すると、レポートをさらに強化し、意思決定プロセスで企業を支援できます。
Components
- Azure Event Hubs は、毎秒数百万件のイベントを処理できるイベント インジェスト サービスです。 イベント ハブに送信されたデータは、任意のリアルタイム分析プロバイダーを使用して、変換および保存できます。
- Azure Stream Analytics は、大量の高速ストリーミング データを分析および処理できるように設計されたリアルタイム分析エンジンです。 データから識別された関係やパターンを使用してアクションをトリガーし、ワークフローを開始できます。たとえば、アラートを作成する、レポート作成ツールに情報をフィードする、または後で使用できるように変換されたデータを保存するなどです。
- Azure Blob Storage は、テキスト、バイナリ データ、オーディオ、ドキュメントなどの大量の非構造化データを、より簡単かつコスト効率の高い方法で格納するためのクラウド サービスです。 Azure Blob Storage を使用すると、データ サイエンティストはデータにすばやくアクセスして、実験や AI モデルの構築を行えます。
- Azure Synapse Analytics は、無制限の分析機能を備えた高速で信頼性の高いデータ ウェアハウスであり、データ統合、エンタープライズ データ ウェアハウス、ビッグ データ分析を 1 つにまとめます。 サーバーレスまたは専用のリソースのいずれかを使用して独自の条件でデータのクエリを実行することや、BI や機械学習の差し迫った必要に応えてデータを提供することが自由に行えます。
- Azure Machine Learning は、Python と R のどちらでコードを記述するかにかかわらず、教師ありと教師なしの機械学習に使用できます。 Azure Machine Leaning ワークスペースで機械学習モデルを構築、トレーニング、追跡できます。
- Power BI は、組織に強力な分析情報を提供するツール セットです。 Power BI を使用すると、さまざまなデータ ソースに接続し、異なるソースからのデータ準備とモデル作成を簡略化できます。 組織全体のチーム コラボレーションを強化して、ビジネス上の決定をサポートする分析レポートとダッシュボードを作成し、ユーザーが使用できるよう Web やモバイル デバイスに公開できます。
シナリオの詳細
既存の顧客を維持するコストは、新規の顧客を獲得するコストの 5 分の 1 で済みます。 そのため、多くのマーケティング部門の役員は、顧客離れの可能性を見積もり、顧客離れ確率を最小限に抑えるために必要な対応を見つけることを重視しています。
考えられるユース ケース
このソリューションでは、Azure Machine Learning を使用してチャーンの確率を予測します。これは、既存のデータ内で、予測されるチャーン レートに関連付けられているパターンを見つけるのに役立ちます。 履歴データとほぼリアルタイムのデータの両方を使用することで、ユーザーは予測モデルを作成して特性を分析し、既存の対象ユーザーの予測子を特定できます。 この情報により、企業は顧客のリテンション期間と利益率の向上につながるアクション可能なインテリジェンスが得られます。
このソリューションは、小売業界向けに最適化されています。
このシナリオのデプロイ
このソリューションの構築およびデプロイ方法の詳細については、GitHub のソリューション ガイドを参照してください。
このガイドの目的は、小売業者が顧客離れを予測する予測データ パイプラインを示すことです。 小売業者はこれらの予測を使用して、領域知識と適切なマーケティング戦略を使用して、リスクがある顧客に対処することにより、顧客離れを防ぐことができます。 このガイドでは、より多くのデータが利用可能になるにつれて、それを使用して顧客離反モデルの再トレーニングを行う方法も説明されています。
しくみ
エンド ツー エンドのソリューションは、Microsoft Azure を使用してクラウドに実装されます。 このソリューションは、データ インジェスト、データ ストレージ、データ移動、高度な分析、視覚化など、いくつかの Azure コンポーネントで構成されています。 高度な分析は Azure Machine Learning に実装されており、Python または R 言語を使用してデータ サイエンス モデルを構築できます。 または、社内またはサード パーティの既存のライブラリを再利用できます。 このソリューションでは、データ インジェストを使用して、オンプレミス環境から Azure に転送されるデータに基づいて予測を行うことができます。
ソリューションのダッシュボード
以下のスナップショットでは、顧客ベース全体で予測されるチャーン レートに関する分析情報を提供する Power BI ダッシュボードの例を示しています。
次のステップ
- Azure Event Hubs とは
- Azure Stream Analytics へようこそ
- Azure Synapse Analytics とは
- Azure Blob Storage の概要
- Azure Machine Learning とは
- Power BI とは?
関連リソース
アーキテクチャ ガイド:
参照アーキテクチャ: