Przykładowy przewodnik dotyczący prognozowania rekomendacji produktów (podgląd)

[Ten artykuł stanowi wstępną wersję dokumentacji i może ulec zmianie.]

Ten przewodnik przeprowadzi użytkownika przez cały przykład przewidywania rekomendacji produktów, korzystając z przykładowych danych. Zaleca się, aby wypróbować to przewidywanie w nowym środowisku.

Scenariusz

Contoso to firma produkująca wysokiej jakości maszyny do barów kawowych. Produkty są dostępne w witrynie firmy Contoso Coffee. Ich celem jest zrozumienie, które produkty powinni polecać swoim stałym klientom. Wiedza na temat tego, co klienci prawdopodobnie kupią, może pomóc im w zapisaniu działań marketingowych dzięki skupieniu się na określonych elementach.

Wymagania wstępne

• Co najmniej uprawnienia współautora w Dynamics 365 Customer Insights - Data.

Zadanie 1 - pozyskiwanie danych

Przejrzyj artykuły dotyczące pozyskiwania danych i łączenie ze źródłem danych Power Query. Poniższe informacje zakładają, że znasz ogólne zasady przetwarzania danych.

Pozyskiwanie danych klienta na platformie eCommerce

1. Utwórz źródło danych Power Query o nazwie Handel elektroniczny, wybierz opcję importowania i wybierz łącznik typu tekst/CSV.

2. Wprowadź adres URL eCommerce kontaktów: https://aka.ms/ciadclasscontacts.

3. Podczas edytowania danych wybierz opcję Przekształć, a następnie Użyj pierwszego wiersza jako nagłówków.

4. Zaktualizuj typ danych dla kolumn wymienionych poniżej:

   • DateOfBirth: Data
   • CreatedOn: Data/Czas/Strefa

   

5. WW polu Nazwa w panelu po prawej stronie zmień nazwę źródła danych eCommerceContacts.

6. Zapisz źródło danych.

Przetwarzaj dane zakupów online

1. Dodanie nowego zestawu danych do tego samego źródła danych eCommerce. Wybierz ponownie łącznik tekst/CSV.

2. Wprowadź adres URL danych zakupów w trybie online https://aka.ms/ciadclassonline.

3. Podczas edytowania danych wybierz opcję Przekształć, a następnie Użyj pierwszego wiersza jako nagłówków.

4. Zaktualizuj typ danych dla kolumn wymienionych poniżej:

   • PurchasedOn: Data/godzina
   • TotalPrice: waluta

5. W polu Nazwa w panelu w okienku bocznym zmień nazwę źródła danych z Query na eCommercePurchases.

6. Zapisz źródło danych.

Przetwarzaj dane klientów ze schematu lojalnościowego

1. Utwórz źródło danych o nazwie LoyaltyScheme i wybierz łącznik typu tekst/CSV.

2. Wprowadź adres URL klientów lojalnościowych https://aka.ms/ciadclasscustomerloyalty.

3. Podczas edytowania danych wybierz opcję Przekształć, a następnie Użyj pierwszego wiersza jako nagłówków.

4. Zaktualizuj typ danych dla kolumn wymienionych poniżej:

   • DateOfBirth: Data
   • RewardsPoints: Pełny numer
   • CreatedOn: Data/godzina

5. WW polu Nazwa w panelu po prawej stronie zmień nazwę źródła danych na loyCustomers.

6. Zapisz źródło danych.

Zadanie 2 - ujednolicenie danych

Przegląd artykułu o ujednolicaniu danych. Poniższe informacje zakładają, że znasz ogólne zasady ujednolicania danych.

Po pobraniu danych rozpocznij proces ujednolicania danych, aby stworzyć jednolity profil klienta. Aby uzyskać więcej informacji, zobacz Ujednolicenie danych.

Opisz dane klientów do ujednolicenia

1. Po przyjęciu danych zmapuj kontakty z danych e-commerce i lojalności na popularne typy danych. Przejdź do sekcji Dane>Ujednolicanie.

2. Wybierz tabele, które reprezentują profil klienta — eCommerceContacts i loyCustomers.

   

3. Wybierz opcję ContactId jako klucz podstawowy dla opcji eCommerceContacts i LoyaltyID jako klucz podstawowy dla loyCustomers.

4. Wybierz Dalej. Pomiń zduplikowane rekordy i wybierz opcję Dalej.

Zdefiniuj reguły dopasowywania

1. Wybierz eCommerceContacts : eCommerce jako tabelę podstawową i dołącz wszystkie rekordy.

2. Wybierz loyCustomers : LoyaltyScheme i uwzględnij wszystkie rekordy.

3. Dodawanie reguły:

   • Wybierz FullName zarówno dla eContacts, jak i loyCustomers.
   • Wybierz Typ (Telefon, Nazwisko, Adres, ...) dla Normalizuj.
   • Ustawianie Poziomu dokładności: Podstawowe i Wartość: Wysokie.

4. Dodaj drugi warunek dla adresu e-mail:

   • Wybierz E-mail zarówno dla eContacts, jak i loyCustomers.
   • Pozostaw puste pole Normalizuj.
   • Ustawianie Poziomu dokładności: Podstawowe i Wartość: Wysokie.
   • Jako nazwę wpisz Nazwisko, E-mail.

   

5. Wybierz Gotowe.

6. Wybierz Dalej.

Widok ujednoliconych danych

1. Zmień nazwę ContactId dla tabeli loyCustomers na ContactIdLOYALTY, aby odróżnić go od innych pozyskanych identyfikatorów.

2. Wybierz Dalej, aby przejrzeć, a następnie wybierz Utwórz profile klientów.

Zadanie 3 — utwórz działanie historii transakcji

Przejrzyj artykuł o działaniach dotyczących klienta. Poniższe informacje zakładają, że znasz ogólne zasady tworzenia działań.

1. Utwórz działanie przy użyciu tabeli eCommercePurchases:eCommerce.

2. Wybierz SalesOrderLine jako typ działania i PurchaseId jako klucz podstawowy.

3. Wpisz następujące informacje dla działania:

   • Nazwa działania: eCommercePurchases
   • Sygnatura czasowa: PurchasedOn
   • EventActivity: TotalPrice
   • ID wiersza zamówienia: PurchaseId
   • Data zamówienia: PurchasedOn
   • Kwota: TotalPrice

4. Utwórz relację między elementami eCommercePurchases:eCommerce i eCommerceContacts:eCommerce z elementem ContactID jako kluczem obcym, który ma połączyć te dwie tabele.

5. Przejrzyj zmiany i wybierz opcję Utwórz działania.

Zadanie 4 — Konfigurowanie rekomendacji przewidywanie

Mając ujednolicone profile klientów i utworzone działanie, możemy teraz uruchomić predykcję rekomendacji produktów.

1. Przejdź do opcji Szczegółowe informacje>Przewidywania.

2. Na karcie Utwórz wybierz Model użycia na kafelku Rekomendacje produktów (wersja zapoznawcza).

3. Wybierz Rozpocznij.

4. Nazwij Model rekomendacji produktu OOB przewidywanie i tabelę wyjściową OOBProductRecommendationModelPrediction.

5. Wybierz Dalej.

6. Zdefiniuj preferencje modelu:

   • Liczba produktów: 5, to ustawienie określa, ile produktów ma być zalecane dla klientów.
   • Oczekiwane powtórzenie zakupu: Tak, aby uwzględnić wcześniej zakupione produkty w rekomendacji.
   • Okno historii: 365 dni, aby określić, jak długo model będzie wyglądał wstecz przed ponownie zalecając produkt.

   

7. Wybierz Dalej.

8. W kroku Dodaj historię produktu wybierz opcję Dodaj dane.

9. Wybierz obiekt SalesOrderLine i tabelę eCommercePurchases i wybierz opcję Dalej. Wymagane dane są automatycznie wypełniane z działania. Wybierz Zapisz, a następnie Dalej.

10. Pomiń kroki Dodaj informacje o produkcie i Filtry produktów, ponieważ nie mamy danych dotyczących informacji o produkcie.

11. W kroku Aktualizacje danych ustaw Miesięcznie dla harmonogram modelu.

12. Wybierz Dalej.

13. Po przejrzeniu wszystkich szczegółów wybierz pozycję Zapisz i uruchom.

Zadanie 5 - Przejrzyj wyniki i wyjaśnienia modelu

Pozwól modelowi ukończyć uczenie i ocenianie danych. Przejrzyj objaśnienia dotyczące modelu rekomendacji produktów.

Zadanie 6 — Tworzenie segmentu wysoko zakupionych produktów

Uruchomienie modelu powoduje utworzenie nowej tabeli, która znajduje się na liściedanych wyjściowych>>. Możesz utworzyć nowy segment na podstawie tabeli utworzonej przez model.

1. Na stronie wyników wybierz opcję Utwórz segment.

2. Utwórz regułę, używając tabeli OOBProductRecommendationModelPrediction i zdefiniuj segment:

   • Pole: ProductID
   • Wartość: Wybierz trzy pierwsze identyfikatory produktów

3. Wybierz opcję Zapisz i Uruchom segment.

Masz teraz dynamicznie aktualizowany segment identyfikujący klientów, którzy mogą być zainteresowani zakupem pięciu najbardziej polecanych produktów. Aby uzyskać więcej informacji, zobacz Tworzenie segmentów i zarządzanie nimi.

Następne kroki

• Przewiduj rekomendacje produktów (wersja zapoznawcza)