Ma a vásárlói hűség megszerzése nem lehet egyszeri dolog. Egy márkának fókuszált és integrált tervre van szüksége, hogy megtartsa legjobb ügyfeleit – leegyszerűsítve, vásárlói hűségprogramra van szüksége. A bevételszerzési és égetési programok az egyik fő paradigma. Egy tipikus bevételszerzési és elégetési program bizonyos számú látogatás vagy költés után jutalmazza az ügyfeleket.
Például egy gyorséttermi lánc egyes helyeken elindította a keresni és elégetni hűséges kísérleti programját. Arra törekednek, hogy a hűségprogram segítségével személyesebbé tegyék ügyfélélményüket. A tesztelés után a jövőben több helyre szeretnék kiterjeszteni különböző országokban. A program lehetővé teszi az ügyfelek számára, hogy minden elköltött dollár után pontokat szerezzenek. A pontokat különböző jutalomlehetőségekre válthatják be. Az új ügyfelek vonzására pontokat is adnak az új ügyfeleknek. Minden hónapban tesztelik a beváltási mintát, hogy ellenőrizzék a hűségprogram teljesítményét különböző helyeken. A beváltási minta anomáliáinak azonosítása kulcsfontosságú a korrekciós intézkedések időben történő megtétele és a program általános sikerének biztosítása érdekében. Az ügyfelek a költésüktől és az ételválasztásuktól függően eltérő kereseti és beváltási szokásokat alkalmaznak a különböző helyeken. Ezért az anomália azonosításának és a kiváltó ok gyors diagnosztizálásának folyamata nehéz, költséges és hibára hajlamos.
Ez a bejegyzés bemutatja, hogyan használhatunk integrált megoldást Amazon Lookout for Metrics áttörni ezeket a korlátokat azáltal, hogy gyorsan és egyszerűen észleli az Ön érdeklődésére számot tartó kulcsfontosságú teljesítménymutatók (KPI) anomáliáit.
A Lookout for Metrics automatikusan észleli és diagnosztizálja az anomáliákat (a normától eltérő értékeket) az üzleti és működési adatokban. A Lookout for Metrics használatához nem szükséges ML-tapasztalat. Ez egy teljesen felügyelt gépi tanulási (ML) szolgáltatás, amely speciális ML-modelleket használ az anomáliák észlelésére az adatok jellemzői alapján. Például a trendek és a szezonalitás az idősor-metrikák két jellemzője, amelyekben a küszöb alapú anomália-észlelés nem működik. A trendek a metrika értékének folyamatos változásai (növekedése vagy csökkenése). Másrészt a szezonalitás időszakos mintázatok, amelyek egy rendszerben előfordulnak, általában az alapvonal fölé emelkednek, majd ismét csökkennek.
Ebben a bejegyzésben bemutatunk egy gyakori hűségpontszerzési és -kibocsátási forgatókönyvet, amelyben anomáliákat észlelünk az ügyfél megszerzési és beváltási mintájában. Megmutatjuk, hogyan használhatja az AWS felügyelt szolgáltatásait az anomáliák megtalálásához. Ezt a megoldást más felhasználási esetekben is alkalmazhatja, mint például a levegőminőség, a forgalmi minták és az energiafogyasztási minták rendellenességeinek észlelésére, hogy csak néhányat említsünk.
Megoldás áttekintése
Ez a bejegyzés bemutatja, hogyan állíthatja be az anomáliák észlelését egy hűségpontszerzési és -beváltási mintán a Lookout for Metrics segítségével. A megoldás lehetővé teszi a releváns adatkészletek letöltését és az anomáliák észlelésének beállítását a bevételi és beváltási minták észleléséhez.
Nézzük meg, hogyan működik általában egy hűségprogram, ahogy az a következő ábrán látható.
A vásárlók pontokat szereznek a vásárlásra költött pénzükért. A felhalmozott pontokat kedvezményekért, jutalmakért vagy ösztönzőkért cserébe beválthatják.
A rendszer felépítése három egyszerű lépést igényel:
- Létrehozása Amazon egyszerű tárolási szolgáltatás (Amazon S3) vödröt, és töltse fel mintaadatkészletét.
- Hozzon létre egy érzékelőt a Lookout for Metrics számára.
- Adjon hozzá egy adatkészletet, és aktiválja az érzékelőt az előzményadatok anomáliáinak észleléséhez.
Ezután áttekintheti és elemzi az eredményeket.
Hozzon létre egy S3 tárolót, és töltse fel a mintaadatkészletet
Töltse le a fájlt hűség.csv és mentse el helyben. Ezután folytassa a következő lépésekkel:
- Az Amazon S3 konzolon hozzon létre egy S3 vödröt a loyalty.csv fájl feltöltéséhez.
Ennek a csoportnak egyedinek kell lennie, és ugyanabban a régióban kell lennie, ahol a Lookout for Metrics szolgáltatást használja.
- Nyissa meg a létrehozott tárolót.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Feltöltés.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Fájlok hozzáadása és válassza a
loyalty.csv
fájlt. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Feltöltés.
Hozzon létre egy detektort
Az érzékelő egy Lookout for Metrics erőforrás, amely figyeli az adatkészletet, és előre meghatározott gyakorisággal azonosítja az anomáliákat. Az érzékelők az ML-t használják az adatok mintáinak megtalálására, és megkülönböztetik az adatok várható eltéréseit és a jogos anomáliákat. A teljesítmény javítása érdekében az érzékelő idővel többet tud meg az adatokról.
Használati esetünkben a detektor a napi adatokat elemzi. Az érzékelő létrehozásához hajtsa végre a következő lépéseket:
- A Lookout for Metrics konzolon válassza a lehetőséget Hozzon létre detektort.
- Adja meg az érzékelő nevét és opcionális leírását.
- A Intervallum, választ 1 napos időközönként.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Teremt.
Adatai alapértelmezés szerint egy olyan kulccsal vannak titkosítva, amelyet az AWS birtokol és kezel az Ön helyett. Azt is beállíthatja, hogy az alapértelmezés szerint használttól eltérő titkosítási kulcsot kíván-e használni.
Most irányítsuk ezt az érzékelőt azokra az adatokra, amelyeken az anomália-észlelést futtatni szeretné.
Hozzon létre egy adatkészletet
Egy adatkészlet közli az érzékelővel, hogy hol találja meg az adatokat, és mely mérőszámokat kell elemeznie az anomáliák szempontjából. Adatkészlet létrehozásához hajtsa végre a következő lépéseket:
- A Lookout for Metrics konzolon navigáljon az érzékelőhöz.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adjon hozzá egy adatkészletet.
- A Név, írjon be egy nevet (például
loyalty-point-anomaly-dataset
). - A Időzóna, válassza ki a megfelelőt.
- A Adatforrás, válassza ki az adatforrást (ebben a bejegyzésben: Amazon S3).
- A Detektor mód, válassza ki a módot (ehhez a bejegyzéshez, Backtest).
Az Amazon S3 segítségével két módban hozhat létre detektort:
- Backtest – Ez a mód a korábbi adatok anomáliáinak keresésére szolgál. Az összes rekordot egyetlen fájlban kell összevonni. Azért használjuk ezt a módot a használati esetünkhöz, mert szeretnénk észlelni az anomáliákat az ügyfél korábbi hűségpont-beváltási mintájában különböző helyeken.
- Folyamatos – Ez a mód az élő adatok anomáliáinak észlelésére szolgál.
- Adja meg az élő S3 mappa S3 elérési útját és elérési útmintáját.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Formátumbeállítások észlelése.
- Hagyja meg az összes alapértelmezett formátumbeállítást, és válassza ki Következő.
Mértékek, méretek és időbélyegek konfigurálása
intézkedések határozza meg azokat a KPI-ket, amelyeknél nyomon kívánja követni az anomáliákat. Érzékelőnként legfeljebb öt mértéket adhat hozzá. A forrásadatokból KPI-k létrehozásához használt mezőknek numerikus formátumúaknak kell lenniük. A KPI-k jelenleg úgy határozhatók meg, hogy az időintervallumon belül összevonják a rekordokat SUM vagy AVERAGE segítségével.
Méretek lehetővé teszi az adatok szeletelését és feldarabolását kategóriák vagy szegmensek meghatározásával. Ez lehetővé teszi az anomáliák nyomon követését a teljes adathalmaz egy részhalmazában, amelyre egy adott intézkedés vonatkozik.
Használati esetünkben két mértéket adunk hozzá, amelyek az 1 napos intervallumban látott tárgyak összegét számolják, és egy dimenzióval rendelkeznek, amelyre a megszerzett és a megváltott pontokat mérik.
Az adatkészletben minden rekordnak rendelkeznie kell időbélyeggel. A következő konfiguráció lehetővé teszi az időbélyeg értékét jelentő mező kiválasztását, valamint az időbélyeg formátumát.
A következő oldalon áttekintheti az összes hozzáadott részletet, majd kiválaszthatja Mentés és aktiválás a detektor létrehozásához.
A detektor ezután elkezdi tanulni az adatforrásban lévő adatokat. Ebben a szakaszban az érzékelő állapota Inicializálásra vált.
Fontos megjegyezni azt a minimális adatmennyiséget, amelyre szükség van ahhoz, hogy a Lookout for Metrics megkezdhesse az anomáliák észlelését. A követelményekről és korlátokról további információkért lásd: Keresse a Metrics kvótákat.
Minimális konfigurációval létrehozta az érzékelőt, ráirányította egy adatkészletre, és meghatározta azokat a mutatókat, amelyekben a Lookout for Metrics anomáliákat keres.
Tekintse át és elemezze az eredményeket
Amikor az utólagos tesztelési feladat befejeződött, láthatja az összes olyan rendellenességet, amelyet a Lookout for Metrics észlelt az előzményadatok utolsó 30%-ában. Innentől kezdve elkezdheti kicsomagolni a Lookout for Metrics szolgáltatásból a jövőben megjelenő eredményeket, amikor elkezdi beszerezni az új adatokat.
A Lookout for Metrics gazdag felhasználói felületet biztosít azoknak a felhasználóknak, akik szeretnék használni a AWS felügyeleti konzol hogy elemezze az észlelt anomáliákat. Lehetőséget biztosít az anomáliák API-kon keresztüli lekérdezésére is.
Nézzünk egy példát a hűségpontok anomália detektor használati esetéből észlelt anomáliára. A következő képernyőképen a hűségpontok beváltásában észlelt anomália látható egy adott helyen, a megadott időpontban és napon, 91-es súlyossági pontszámmal.
Megmutatja a dimenzió százalékos hozzájárulását is az anomáliához. Ebben az esetben a 100%-os hozzájárulás az A-1002 helyazonosító dimenzióból származik.
Tisztítsuk meg
A folyamatos költségek elkerülése érdekében törölje az ebben a bejegyzésben létrehozott következő forrásokat:
- Detektor
- S3 vödör
- IAM szerepkör
Következtetés
Ebben a bejegyzésben megmutattuk, hogyan használhatja a Lookout for Metrics szolgáltatást az ML-alapú anomália-észlelő alkalmazások készítésének végpontokig terjedő életciklusának kezelésében járó megkülönböztethetetlen nehéz teher eltávolítására. Ez a megoldás segíthet abban, hogy felgyorsítsa a kulcsfontosságú üzleti mutatók anomáliáinak feltárását, és lehetővé teszi, hogy erőfeszítéseit vállalkozása növekedésére és fejlesztésére összpontosítsa.
Javasoljuk, hogy többet tudjon meg, ha ellátogat a Amazon Lookout for Metrics fejlesztői útmutató és próbálja ki az e szolgáltatások által lehetővé tett teljes körű megoldást az üzleti KPI-k szempontjából releváns adatkészlettel.
A szerzőről
Dhiraj Thakur az Amazon Web Services megoldástervezője. Az AWS-ügyfelekkel és -partnerekkel együttműködve útmutatást ad a vállalati felhő bevezetéséhez, migrációjához és stratégiájához. Szenvedélyes a technológia iránt, és szeret építeni és kísérletezni az analitika és az AI/ML térben.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/build-a-loyalty-points-anomaly-detector-using-amazon-lookout-for-metrics/
- 1
- 7
- a
- képesség
- Rólunk
- felett
- gyorsul
- Felgyülemlett
- át
- Akció
- hozzáadott
- Örökbefogadás
- Után
- összesítés
- AI / ML
- AIR
- Minden termék
- lehetővé teszi, hogy
- amazon
- Amazon Lookout for Metrics
- Az Amazon Web Services
- összeg
- analitika
- elemez
- elemzések
- és a
- anomália észlelése
- API-k
- alkalmazható
- alkalmazások
- alkalmaz
- automatikusan
- átlagos
- AWS
- backtesting
- akadályok
- alapján
- kiindulási
- mert
- előtt
- hogy
- BEST
- között
- márka
- szünet
- épít
- Épület
- éget
- üzleti
- nem tud
- eset
- esetek
- kategóriák
- Okoz
- bizonyos
- lánc
- Változások
- jellemzők
- díjak
- ellenőrizze
- választás
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- felhő
- felhő elfogadása
- Közös
- teljes
- Configuration
- Konzol
- fogyasztás
- folytatódik
- folyamatos
- hozzájárulás
- országok
- teremt
- készítette
- kritikus
- Jelenleg
- vevő
- Vásárlói élmény
- Vásárlói hűség
- Ügyfelek
- napi
- dátum
- adatkészletek
- találka
- nap
- alapértelmezett
- meghatározó
- bizonyítani
- leírás
- részletek
- észlelt
- Érzékelés
- Fejlesztő
- különböző
- nehéz
- Dimenzió
- méretek
- kedvezmények
- különbséget tesz
- Nem
- Ennek
- Dollár
- ne
- letöltés
- pénzt keres
- szerzett
- könnyen
- erőfeszítések
- engedélyezve
- ösztönzése
- titkosított
- titkosítás
- végtől végig
- biztosítására
- belép
- Vállalkozás
- Minden
- példa
- csere
- Bontsa
- várható
- tapasztalat
- GYORS
- kevés
- mező
- Fields
- filé
- Találjon
- Összpontosít
- összpontosított
- következő
- élelmiszer
- formátum
- Frekvencia
- ból ből
- teljesen
- jövő
- egyre
- szerzés
- Ad
- Növekvő
- segít
- itt
- történeti
- Hogyan
- How To
- HTML
- HTTPS
- azonosítja
- azonosító
- fontos
- javul
- javuló
- in
- Ösztönzők
- Növeli
- mutatók
- információ
- integrált
- kamat
- részt
- IT
- Munka
- Kulcs
- keresztnév
- indított
- TANUL
- tanulás
- emelő
- határértékek
- él
- élő adatok
- helyileg
- elhelyezkedés
- helyszínek
- néz
- keres
- Hűség
- hűségprogram
- gép
- gépi tanulás
- Fő
- csinál
- sikerült
- vezetés
- kezeli
- kezelése
- intézkedés
- intézkedések
- Metrics
- elvándorlás
- minimális
- minimum
- ML
- Mód
- modellek
- módok
- pénz
- monitorok
- Hónap
- több
- név
- Keresse
- Szükség
- igények
- Új
- következő
- szám
- objektumok
- ONE
- folyamatban lévő
- operatív
- Opciók
- érdekében
- Más
- átfogó
- tulajdonosa
- különös
- partnerek
- szenvedélyes
- ösvény
- Mintás
- minták
- százalék
- teljesítmény
- időszakos
- személyes
- pilóta
- terv
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- pont
- állás
- hatalom
- folyamat
- Program
- Programok
- ad
- biztosít
- Vásárlás
- világítás
- gyorsan
- rekord
- nyilvántartások
- megvált
- megváltás
- vidék
- eltávolítása
- jelentése
- kötelező
- követelmények
- megköveteli,
- forrás
- Tudástár
- Eredmények
- Kritika
- Jutalmak
- Gazdag
- felkelő
- gyökér
- futás
- azonos
- Minta adatkészlet
- Megtakarítás
- szegmensek
- Series of
- szolgáltatás
- Szolgáltatások
- készlet
- beállítások
- előadás
- mutatott
- Műsorok
- Egyszerű
- egyszerűen
- egyetlen
- Szelet
- megoldások
- Megoldások
- néhány
- forrás
- Hely
- specializált
- különleges
- költ
- Színpad
- kezdet
- Állapot
- Lépései
- tárolás
- Stratégia
- siker
- ilyen
- rendszer
- Vesz
- Technológia
- megmondja
- teszt
- Tesztelés
- A
- azok
- ebből adódóan
- dolog
- három
- Keresztül
- idő
- Idősorok
- időbélyeg
- nak nek
- felé
- felé
- vágány
- forgalom
- Trends
- tipikus
- jellemzően
- ui
- egyedi
- használ
- használati eset
- Felhasználók
- rendszerint
- érték
- keresztül
- Látogatók
- háló
- webes szolgáltatások
- ami
- WHO
- lesz
- belül
- Munka
- művek
- te
- A te
- zephyrnet