View a markdown version of this page

Analyse du sentiment des consommateurs pour CPG - Analyse du sentiment des consommateurs pour CPG

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Analyse du sentiment des consommateurs pour CPG

Date de publication : 13 mai 2021 (Historique du diagramme)

Grâce à cette architecture, vous pouvez obtenir des informations à partir des avis des consommateurs en temps quasi réel. Les entreprises de biens de consommation emballés (CPG) utilisent les données d'évaluation pour comprendre les décisions liées à la consommation et résoudre les problèmes de manière proactive. Vous utilisez Amazon Comprehend pour l'analyse des sentiments par traitement du langage naturel (NLP), Amazon Translate pour la traduction et une architecture pilotée par les événements sans serveur.

Pour plus d'informations sur cette approche, voir Détecter les sentiments des clients à l'aide d'Amazon Comprehend sur le blog AWS Machine Learning.

Schéma d'analyse des sentiments

Schéma d'architecture montrant les données d'avis des consommateurs transmises par les sites de commerce électronique via Amazon Data Firehose vers Amazon Simple Storage Service, traitées par AWS Lambda Amazon Comprehend pour l'analyse des sentiments, et visualisées dans Amazon Quick Sight.

Les étapes suivantes décrivent l'architecture :

  1. Passez en revue les flux de données AWS entrant dans le pipeline d'ingestion à partir de plusieurs sources telles que des sites de commerce électronique, des sites Web de produits et des webhooks sur les réseaux sociaux.

  2. Un flux de diffusion Amazon Data Firehose charge les avis dans un bucket Amazon Simple Storage Service.

  3. Amazon AppFlow ingère des données depuis des applications SaaS (Software-as-a-Service) telles queSalesforce, MarketoSlack, et les intègre à Amazon S3. ServiceNow

  4. Un événement Amazon S3 invoque une AWS Lambda fonction pour analyser les avis bruts. Utilisez Amazon Translate pour traduire les avis dans une langue de base si nécessaire. Utilisez Amazon Comprehend for NLP pour analyser les sentiments, extraire des mots-clés et extraire des entités.

  5. Le catalogue de AWS Glue données contient une base de données logique qui organise les tables pour les données dans Amazon S3.

  6. Amazon Athena utilise ces définitions de tables pour interroger des données dans Amazon S3. Les résultats s'affichent dans un tableau de bord Amazon Quick Sight.

Suggestions de lecture

Pour plus d'informations, consultez les ressources suivantes :

Historique du diagramme

Pour recevoir des mises à jour concernant ce schéma d'architecture de référence, abonnez-vous au fil RSS.

ModificationDescriptionDate

Publication initiale

Schéma d'architecture de référence publié pour la première fois.

13 mai 2021

Obligation d'abonnement RSS

Pour vous abonner aux mises à jour RSS, un plug-in RSS doit être activé pour le navigateur que vous utilisez.