Wählen des richtigen langfristigen Personalisierungsansatzes
Langfristige Personalisierung bedeutet, ein Echtzeit-Erlebnis auf der Grundlage des Kundenverhaltens anzupassen, das sich über sechs Monate, ein Jahr oder länger erstreckt. Sie können diese Anwendungsfälle unterstützen, ohne den jahrelangen Rohereignisverlauf im Profilspeicher zu speichern: Speichern Sie den detaillierten Verlauf in der Analyseschicht, leiten Sie daraus ein kompaktes Signal ab und fördern Sie nur dieses Signal zur Aktivierung. Dieses Entscheidungshandbuch vergleicht die verfügbaren Ansätze und hilft Ihnen bei der Auswahl des Ansatzes, der zu Ihrer Architektur passt. Es erklärt, wann, warum und welchen Ansatz Sie verwenden sollten. Konfigurationsschritte und SQL-Syntax finden Sie in der verknüpften Produktdokumentation.
Dieses Handbuch richtet sich an Lösungsarchitekten, Plattformarchitekten und technische Entscheidungsträger, die langfristige Personalisierungsansätze in Experience Platform evaluieren. Es wird eine Vertrautheit mit Profilen, Zielgruppen, dem Data Lake und dem Profilspeicher vorausgesetzt.
Warum ein langfristiger Verlauf nicht in den Profilspeicher gehört customer-problem
Viele Unternehmen sammeln große Mengen historischer Ereignisdaten im Profilspeicher, vorausgesetzt, dass mehr gespeicherte Daten zu einer besseren Personalisierung führen. In der Praxis wird dadurch die Größe des Profilspeichers und die Berechtigung Datenvolumen insgesamt erhöht, ohne dass die Erlebnisse für Ihre Kundinnen und Kunden verbessert werden.
Anwendungsfälle für die langfristige Personalisierung sind häufig in Branchen mit langen Kaufzyklen oder sich langsam entwickelnden Kundenbeziehungen:
- Ein Finanzdienstleistungskunde, der vor 18 Monaten ein Sparkonto eröffnet hat und nun Hypothekenprodukte erforscht.
- Ein Einzelhändler, der im letzten Jahr das saisonale Inventar durchsucht, aber nie gekauft hat.
- Ein Vielflieger einer Fluggesellschaft, dessen Treuestufe 12 Monate kumulativer Aktivität widerspiegelt.
- Ein Telekommunikationskunde, der vor acht Monaten abgewandert ist und seitdem zurückgekehrt ist, und der als gefährdet aufgrund historischen Verhaltens identifiziert werden kann.
In jedem Fall sind die relevanten Daten historisch, aber der Personalisierungsmoment muss in Echtzeit stattfinden. Das Problem tritt auf, wenn Unternehmen den gesamten Verlauf auf Ereignisebene direkt im Profilspeicher speichern, um diese Momente zu unterstützen.
Der Profilspeicher ist für Geschwindigkeit und nicht für Volumen optimiert. Jeder Datensatz, den er enthält, zählt für Ihre Berechtigung für das gesamte Datenvolumen. Rohereignisse von vor 12, 18 oder 24 Monaten oder mehr sind für die Analyse nützlich, müssen jedoch selten im Profilspeicher vorhanden sein, um die Aktivierung zu unterstützen.
So identifizieren Sie einen Anwendungsfall für die langfristige Personalisierung identify
Verwenden Sie die folgenden Fragen, um festzustellen, ob Ihr Unternehmen analytische Anforderungen an den Profilspeicher stellt, die über den beabsichtigten Umfang hinausgehen. Wenn zwei oder mehr zutreffen, haben Sie wahrscheinlich einen langfristigen Personalisierungs-Anwendungsfall, bei dem eine Architektur mit abgeleiteten Signalen effizienter wäre.
- Wie weit zurück sieht Ihre Segmentierungslogik aus? Zielgruppen, die mit „jederzeit“-Logik oder Lookback-Fenstern über 30-90 Tage hinaus erstellt wurden, sind ein starkes Signal.
- Erreichen oder überschreiten Sie bald die Obergrenze Ihrer Gesamtberechtigungen für das Datenvolumen? Wenn ja, untersuchen Sie, wie viel von diesem Volumen aus historischen Ereignisdaten besteht, die selten für die Echtzeit-Aktivierung verwendet werden.
- Welche Time-to-Live wird für Ihre Profildaten konfiguriert? Keine TTL oder eine TTL von 12 oder mehr Monaten bedeutet, dass sich Rohereignisse wahrscheinlich ohne einen eindeutigen Aktivierungszweck ansammeln.
- Ist Ihre Branche von langen Einkaufszyklen geprägt? Hypotheken, Versicherungen, B2B-Verträge, saisonale Einzelhandels- und Reisebelohnungen beinhalten Beziehungen, die sich über Monate oder Jahre entwickeln.
- Haben Sie eine Lizenz für Data Distiller oder Customer Journey Analytics, die jedoch nicht für die Erstellung von Zielgruppen verwendet wird? Diese Werkzeuge sind für die Analysearbeit konzipiert, die Sie möglicherweise derzeit im Profilspeicher erledigen.
Wenn diese Fragen auf ein langfristiges Personalisierungsmuster verweisen, besteht der nächste Schritt darin zu verstehen, wo jeder Datentyp in Experience Platform gehört.
Wo Ihre Daten gespeichert werden sollen: Analyse- und Interaktions-Workflows workflows
Experience Platform speichert Daten in zwei Repositorys, die unterschiedliche Workflows unterstützen. Die Zuordnung jedes Datensatzes zu dem unterstützten Workflow bildet die Grundlage für eine effiziente langfristige Personalisierungsarchitektur.
Das Leitprinzip ist die Personalisierung des Signals, nicht der Rohverlauf. Sie müssen keine jahrelangen rohen Verhaltensereignisse im Profilspeicher speichern, um zu wissen, dass ein Kunde als Mitglied der Treuestufe, als hochwertiger Käufer oder als risikobehafteter Abwanderer infrage kommt. Sie berechnen diese Beschriftungen aus den historischen Daten im analytischen Workflow und speichern nur die Beschriftung (das Signal) im Profilspeicher. Der Rohverlauf bleibt im Data Lake, wo er nicht für Ihre Profilberechtigung zählt.
Empfohlene Architektur architecture
Die empfohlene Architektur trennt den langfristigen Speicher von der Echtzeit-Aktivierung:
- Kundenereignisdaten werden im Data Lake gesammelt. Web-, App-, Kauf-, Treue- und Offline-Datensätze werden in voller historischer Tiefe aufbewahrt, ohne zur Profilberechtigung beizutragen.
- Der analytische Workflow leitet ein Signal ab. Abfragen oder Analysen wandeln Monate oder Jahre der Geschichte in eine kompakte Ausgabe um: eine Treuestufe, eine Abwanderungsrisikobewertung, ein Lebensdauerwert-Ranking oder eine qualifizierte Zielgruppe.
- Das Signal wird in den Profilspeicher hochgestuft. Nur die Ausgabe, nicht der zugrunde liegende Ereignisverlauf, gelangt in den Interaktions-Workflow.
- Real-Time Customer Data Platform und Adobe Journey Optimizer werden auf dem Signal aktiviert. Die Aktivierungsschicht arbeitet mit schlanken, aktuellen Daten und reagiert in Millisekunden.
Die Ansätze in diesem Handbuch sind verschiedene Methoden zum Ausführen von Schritt 2 und Schritt 3. Bevor Sie einen von ihnen auswählen, vergewissern Sie sich, dass Ihr Anwendungsfall über Real-Time CDP und Adobe Journey Optimizer hinaus einen analytischen Workflow erfordert.
Bevor Sie wählen: Bestätigen Sie, dass Sie einen langfristigen Bedarf haben qualifier
Nicht jede Organisation braucht einen analytischen Ansatz. Wenn Ihre gesamte Segmentierungs- und Personalisierungslogik innerhalb eines 30-90-tägigen Verhaltensfensters ausgeführt wird und die aktuellen Profilattribute plus die letzten Ereignisse im Profilspeicher alles enthalten, was Sie für Ihre Entscheidungen benötigen, sind Real-Time CDP und Adobe Journey Optimizer allein ausreichend. Es sind keine zusätzlichen Tools erforderlich, und die Aktivierung wird direkt über den Profilspeicher ausgeführt.
Diese Ausgangsbasis ist der Ausgangspunkt, kein vierter Ansatz. An dieser Grenze bieten die verbleibenden Ansätze zusätzlichen Nutzen: Wenn die Segmentierungslogik mehr als 30-90 Tage umfasst oder die Personalisierung von insight abhängt, das aus der Historie von Monaten oder Jahren abgeleitet wurde, erhöht das Speichern dieses Verlaufs im Profilspeicher das Gesamtdatenvolumen, ohne die Ergebnisse zu verbessern. Wenn Ihre Diagnose im vorherigen Abschnitt auf eine langfristige Notwendigkeit hinwies, wählen Sie einen der drei folgenden Ansätze.
Schnellauswahl quick-chooser
Wenn Sie Ihr Ziel bereits kennen, verwenden Sie diese Tabelle, um einen wahrscheinlichen Ausgangspunkt zu finden, und lesen Sie dann die Ansatzabschnitte und das Entscheidungshandbuch um zu bestätigen.
Analytischen Ansatz wählen approaches
Im Folgenden wird jeder Ansatz beschrieben, was er tut, wann er verwendet wird und welche Stärken und Einschränkungen er hat. Wechseln Sie zu dem Ansatz, auf den die Schnellauswahl hinweist, oder lesen Sie alle drei, um sie zu vergleichen.
Data Distiller data-distiller
Verwenden Sie zum Abfragen, Transformieren und Anreichern von Daten im großen Maßstab mithilfe von SQL Data Distiller, ein Add-on für Experience Platform. Für die langfristige Personalisierung werden historische Ereignisdaten aus dem Data Lake gelesen, eine Transformationslogik angewendet und nur das daraus resultierende Signal in den Profilspeicher geschrieben.
Mithilfe von SQL definiert ein Datentechniker die Umwandlungslogik und erzeugt einen abgeleiteten Datensatz, eine kompakte Ausgabe wie eine Treuestufe oder einen Abwanderungswert. Die Abfrage wird automatisch aktualisiert und veröffentlicht nur dieses Signal im Profilspeicher. Data Distiller kann Zielgruppen auch direkt aus SQL erstellen und veröffentlichen, zuvor ein abgeleitetes Attribut zu erstellen.
- Am besten geeignet für: Loyalitäts- und Abwanderungs-Scoring, Lebenszeitwert, Dezil- und Perzentil-Rankings, RFM-Modelle und automatisierte wiederkehrende Aktualisierung.
- Stärken: liefert mathematisch exakte Ausgaben, wird nach einem Zeitplan automatisch aktualisiert und speichert Rohdaten im Data Lake.
- Einschränkungen: erfordert SQL und einen Datentechniker. Die Transformation muss im Voraus definiert werden, daher ist sie für die explorative Analyse nicht geeignet.
Informationen zur Implementierung dieses Ansatzes, einschließlich eines durchgängigen Arbeitsbeispiels, finden Sie unter Langfristige Personalisierung mit Data Distiller.
Customer Journey Analytics customer-journey-analytics
Um das Kundenverhalten kanalübergreifend und im Zeitverlauf zu analysieren, verwenden Sie Customer Journey Analytics. Für die langfristige Personalisierung bietet sie eine visuelle, codefreie Umgebung zum Untersuchen historischer Journey und einen direkten Pfad (Zielgruppenveröffentlichung) zum Heraufstufen der resultierenden Zielgruppen in den Profilspeicher.
Historische Daten, die in Customer Journey Analytics analysiert wurden, müssen nicht für den Profilspeicher aktiviert werden, sodass sich dort Monate oder Jahre des Ereignisverlaufs befinden können, ohne dass Ihre Berechtigung für das gesamte Datenvolumen mitgezählt wird.
Analysten untersuchen Journey visuell über jeden Zeithorizont, kombinieren Verhaltenskriterien zu einer Zielgruppe und veröffentlichen sie im Profilspeicher, wo sie in Real-Time CDP und Adobe Journey Optimizer verfügbar werden. Audiences können einmal für eine Kampagne veröffentlicht oder automatisch aktualisiert werden.
- Am besten geeignet für Zielgruppen, die durch Exploration, Multi-Channel-Journey-Analyse, Rückgewinnungskampagnen und einmalige Zielgruppen, die mit einem bestimmten Ereignis verknüpft sind, entdeckt wurden.
- Stärken: Self-Service für Analysten und Marketing-Experten, ohne dass SQL erforderlich ist. Exploration-first, damit Zielgruppendefinitionen aus den Daten hervorgehen können. Veröffentlicht innerhalb von Minuten in Aktivierung.
- Einschränkungen Bei den Ausgaben handelt es sich um Zielgruppenzugehörigkeiten, nicht um berechnete Attribute, die in jedes Profil zurückgeschrieben werden. Die filterbasierte Präzision ist eher Näherungswert als Exaktheit.
Komposition föderierter Zielgruppen federated-audience-composition
Um Zielgruppen direkt aus Daten in einem externen Unternehmens-Data Warehouse zu erstellen und zu qualifizieren, ohne die zugrunde liegenden Daten in Experience Platform zu verschieben, verwenden Sie Federated Audience Composition. Zielgruppendefinitionen werden auf Warehouse-Daten mit einer Arbeitsfläche ohne Code-Komposition angewendet, und nur die daraus resultierende Zielgruppenzugehörigkeit wird zur Aktivierung an Experience Platform gesendet.
- Am besten geeignet für Organisationen, deren historische Daten das „System of Record“ in einem Warehouse sind, z. B. Snowflake, Databricks, Google BigQuery oder Amazon Redshift, und die diese ohne vollständiges Aufnahmeprojekt aktivieren möchten.
- Stärken: die zugrunde liegenden Daten verlassen nie das Warehouse, was Governance- und Souveränitätsanforderungen erfüllt. Eine Aufnahme in großem Umfang ist nicht erforderlich.
- Einschränkungen: von der Konnektivität und Komposition des Warehouse ab. Die Aktivierung ist auf die Zielgruppenzugehörigkeit beschränkt.
Ansätze vergleichen comparison
In der folgenden Tabelle werden die drei Ansätze verglichen. Real-Time CDP und Adobe Journey Optimizer bleiben für sich genommen die Baseline für Anwendungsfälle, die nur aktuelle Daten benötigen, wie unter Vor Ihrer Wahl beschrieben.
Festlegen des zu verwendenden Ansatzes decision-guide
Die Schnellauswahl bietet einen Ausgangspunkt. Verwenden Sie die folgenden Fragen, um nuancierte oder kombinierte Fälle zu lösen.
Benötigt man mathematisch präzise Ausgaben? Wenn Ihr Anwendungsfall ein exaktes Ranking erfordert (z. B. die obersten 10 % der Kundinnen und Kunden nach einer berechneten Metrik oder einen Lebenszeitwert im achten Dezile), wählen Sie Data Distiller. Wenn Sie die Berechnung nicht im Voraus genau definieren können, beginnen Sie mit Customer Journey Analytics.
Beginnen Sie mit der Erforschung? Wenn Sie noch nicht wissen, wie die Zielgruppe aussieht, und Muster visuell entdecken möchten, beginnen Sie mit Customer Journey Analytics. Sobald ein Muster validiert wurde, kann ein Dateningenieur in Data Distiller eine geplante Version mit einem Präzisions-Score erstellen, wenn diese Sorgfalt erforderlich ist.
Benötigen Sie ein wiederverwendbares Profilattribut oder eine einmalige Zielgruppe? Data Distiller schreibt ein abgeleitetes Attribut, z. B. eine Bewertung oder eine Ebene, in jedes Profil und kann es automatisch nach einem Zeitplan neu berechnen. Verwenden Sie es, wenn das Signal für viele Zielgruppen und Journey wiederverwendbar sein muss. Customer Journey Analytics veröffentlicht stattdessen eine Zielgruppenzugehörigkeit, die für eine Kampagnenzielgruppe oder eine mehrstufige Journey-Definition geeignet ist, die ohne Beteiligung des Engineering erstellt wurde.
Was ermöglichen Ihr Speicherort und Ihre Lizenzierung? Wenn historische Daten in einem externen Warehouse bleiben müssen, verwenden Sie die Federated Audience-Komposition. Andernfalls lassen Sie sich von den lizenzierten Tools und der Verfügbarkeit des technischen Supports leiten.
Halten Sie den Profilspeicher sauber keep-lean
Durch die Auswahl des richtigen Ansatzes werden neue historische Daten aus dem Profilspeicher ausgeschlossen. Die aktive Verwaltung der bereits vorhandenen Ressourcen ist eine ergänzende, fortlaufende Praxis für jede Bereitstellung. Anstatt diese Anleitung hier zu wiederholen, sollten Sie die dedizierte Ressource verwenden:
- Informationen zur Überwachung von Lizenzberechtigungen, Aufnahmefiltern und Datensatzhygiene finden Sie unter Best Practices für die Verwaltung von Datenlizenzen.
Nächste Schritte next-steps
Bei der langfristigen Personalisierung müssen nicht jahrelang Rohdaten von Ereignissen im Profilspeicher gespeichert werden. Es erfordert, das richtige Signal aus diesem Verlauf abzuleiten und nur dieses Signal für die Aktivierung in Echtzeit verfügbar zu machen. Vergewissern Sie sich, dass Sie einen langfristigen Bedarf haben, wählen Sie den Ansatz aus, der zu Ihrer Architektur und Ihrem Team passt, und befolgen Sie die verknüpfte Produktdokumentation, um sie zu implementieren.