Analisis perilaku pelanggan untuk menciptakan pengalaman pelanggan yang dipersonalisasi
Panduan ini membantu Anda meningkatkan retensi pelanggan dengan melakukan pengumpulan dan analisis data tentang demografi, perilaku, dan preferensi pelanggan. Anda dapat mencapai optimisasi data dengan membangun platform data pelanggan modern dan saluran analitik data yang menghasilkan wawasan data yang dapat ditindaklanjuti tentang pelanggan Anda. Dengan arsitektur data modern di AWS, Anda dapat menggunakan layanan data yang dibuat khusus untuk dengan cepat membangun danau data yang dapat diskalakan, memastikan kepatuhan, dan berbagi data dengan mudah melintasi batas-batas organisasi.
Diagram Arsitektur
Langkah 1
Data dikumpulkan dari berbagai sumber data di seluruh korporasi, termasuk aplikasi perangkat lunak sebagai layanan (SaaS), perangkat edge, log, media streaming, dan jejaring sosial.
Aktivitas web online berasal dari situs web, platform media sosial, email, dan kampanye online. Sumber offline mencakup riwayat pembelian dan langganan, terutama manajemen hubungan pelanggan (CRM) dan data pihak ketiga.
Langkah 2
Berdasarkan jenis sumber data, Anda dapat menyerap data ke dalam danau data di AWS menggunakan AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Amazon Managed Streaming for Apache Kafka (Amazon MSK), atau Amazon AppFlow.
Langkah 3
AWS Data Exchange dapat digunakan untuk mengintegrasikan data pihak ketiga ke dalam danau data.
Langkah 4
Buat danau data yang dapat diskalakan menggunakan AWS Lake Formation, dan gunakan Amazon Simple Storage Service (Amazon S3) untuk penyimpanan danau data.
Langkah 5
Anda juga dapat menggunakan Lake Formation untuk mengaktifkan tata kelola terpadu, yang membantu Anda mengelola keamanan, kontrol akses (keamanan tingkat tabel, baris, atau kolom), dan jalur audit secara terpusat. Lake Formation juga memungkinkan penemuan skema otomatis dan konversi ke format yang diperlukan.
Langkah 6
AWS Glue mengekstraksi, mentransformasi, membuat katalog, dan menyerap data di beberapa penyimpanan data. Gunakan Glue DataBrew untuk persiapan data visual dan AWS Lambda untuk pengayaan dan validasi.
Langkah 7
Amazon QuickSight menyediakan kecerdasan bisnis yang ditenagai machine learning (ML). Amazon Redshift digunakan sebagai gudang data cloud. Layanan Amazon SageMaker dan AWS ML dapat digunakan untuk membangun, melatih, dan melakukan deployment model ML, serta menambahkan kecerdasan ke aplikasi Anda.
Redshift Spectrum dan Amazon Athena memiliki kemampuan pembuatan kueri, analisis, dan pemrosesan interaktif. Layanan Terkelola Amazon untuk Apache Flink digunakan untuk mentransformasi dan menganalisis data streaming secara waktu nyata.
Langkah 8
Simpan informasi profil pelanggan terpadu di Amazon OpenSearch Service.
Langkah 9
Buat tampilan profil pelanggan tunggal dengan bantuan data resolusi identitas yang berasal dari Amazon Neptune.
Langkah 10
Dengan Amazon API Gateway, Anda dapat mengekspos API yang dikembangkan sebagai layanan mikro.
Langkah 11
Aktifkan data pelanggan terpadu dan kirimkan ke pihak internal dan eksternal.
Pilar Well-Architected
Kerangka Kerja AWS Well-Architected membantu Anda memahami keuntungan dan kerugian dari keputusan yang Anda buat saat membangun sistem di cloud. Enam pilar dari Kerangka Kerja ini memungkinkan Anda mempelajari praktik terbaik arsitektur untuk merancang dan mengoperasikan sistem yang andal, aman, efisien, hemat biaya, dan berkelanjutan. Dengan Alat AWS Well-Architected yang tersedia secara gratis di Konsol Manajemen AWS, Anda dapat meninjau beban kerja dan membandingkannya terhadap praktik terbaik ini dengan menjawab serangkaian pertanyaan untuk setiap pilar.
Diagram arsitektur di atas adalah contoh Solusi yang dibuat dengan mempertimbangkan praktik terbaik Well-Architected. Untuk menjadi Well-Architected sepenuhnya, Anda harus mengikuti praktik terbaik Well-Architected sebanyak mungkin.
-
Keunggulan Operasional
Arsitektur referensi Platform Analitik Data Pelanggan (CDAP) sepenuhnya nirserver. Solusi Anda dapat di-deploy dengan infrastruktur sebagai kode dan otomatisasi untuk iterasi cepat dan deployment yang konsisten. Gunakan Amazon CloudWatch untuk pemantauan aplikasi dan infrastruktur.
-
Keamanan
Gunakan Lake Formation untuk tata kelola terpadu guna mengelola keamanan, kontrol akses (pada tabel, baris, tingkat keamanan kolom), dan jalur audit secara terpusat. Lake Formation juga memungkinkan penemuan skema otomatis dan konversi ke format yang diperlukan. API Gateway memberlakukan kebijakan yang mengontrol aspek keamanan, seperti autentikasi, otorisasi, atau manajemen lalu lintas.
-
Keandalan
Arsitektur nirserver memungkinkan solusi untuk secara otomatis dapat diskalakan, tersedia, dan di-deploy di semua Zona Ketersediaan.
-
Efisiensi Performa
Menggunakan teknologi nirserver, Anda hanya menyediakan sumber daya sesuai kebutuhan. Untuk memaksimalkan performa solusi CDAP, uji dengan beberapa tipe instans. Gunakan titik akhir Edge API Gateway untuk pelanggan yang tersebar secara geografis. Gunakan Regional untuk pelanggan regional (dan saat menggunakan layanan AWS lainnya dalam Wilayah yang sama).
-
Optimisasi Biaya
Menggunakan teknologi nirserver dan penskalaan secara otomatis, Anda hanya membayar sumber daya yang Anda gunakan. Layanan nirserver tidak memerlukan biaya apa pun saat tidak digunakan.
-
Keberlanjutan
Minimalkan dampak lingkungan Anda. Danau data menggunakan proses untuk secara otomatis memindahkan data yang jarang diakses ke penyimpanan dingin dengan konfigurasi Siklus Hidup Amazon S3. Menggunakan layanan terkelola dan penskalaan dinamis secara ekstensif, arsitektur ini meminimalkan dampak lingkungan dari layanan backend.
Sumber Daya Implementasi
Panduan mendetail disediakan untuk bereksperimen dan digunakan dalam akun AWS Anda. Setiap tahap pembuatan Panduan, termasuk deployment, penggunaan, dan pembersihan, diperiksa guna mempersiapkannya untuk deployment.
Kode sampel adalah titik awal. Kode sampel ini diivalidasi industri, bersifat preskriptif, tetapi tidak definitif, dan coba periksa kode sampel ini untuk memulai.
Konten Terkait
[Judul]
Penafian
Kode sampel; pustaka perangkat lunak; alat baris perintah; bukti konsep; templat; atau teknologi terkait lainnya (termasuk yang sebelumnya disediakan oleh personel kami) disediakan untuk Anda sebagai Konten AWS berdasarkan Perjanjian Pelanggan AWS, atau perjanjian tertulis yang relevan antara Anda dan AWS (mana saja yang berlaku). Anda tidak boleh menggunakan Konten AWS ini di akun produksi Anda, atau pada produksi atau data penting lainnya. Anda bertanggung jawab untuk menguji, mengamankan, dan mengoptimalkan Konten AWS, seperti kode sampel, yang sesuai untuk penggunaan tingkat produksi berdasarkan praktik dan standar kontrol kualitas spesifik Anda. Melakukan deployment Konten AWS dapat dikenai biaya AWS untuk membuat atau menggunakan sumber daya AWS berbayar, seperti menjalankan instans Amazon EC2 atau menggunakan penyimpanan Amazon S3.
Referensi ke layanan atau organisasi pihak ketiga dalam Panduan ini tidak menyiratkan dukungan, sponsor, atau afiliasi antara Amazon atau AWS dan pihak ketiga. Panduan dari AWS adalah titik awal teknis, dan Anda dapat menyesuaikan integrasi Anda dengan layanan pihak ketiga saat melakukan deployment arsitektur.