Erstellen von Zielgruppen mithilfe von SQL

Verwenden Sie die SQL-Audience-Erweiterung, um Zielgruppen mit Daten aus dem Data Lake zu erstellen, einschließlich vorhandener Dimensionsentitäten (z. B. Kundenattribute oder Produktinformationen).

Durch die Verwendung dieser SQL-Erweiterung können Sie besser Zielgruppen erstellen, da Sie beim Definieren von Zielgruppensegmenten keine Rohdaten in Ihren Profilen benötigen. Zielgruppen, die mit dieser Methode erstellt wurden, werden automatisch im Zielgruppen-Arbeitsbereich registriert, wo Sie sie weiter an dateibasierte Ziele anpassen können.

In diesem Dokument wird die Verwendung der SQL-Zielgruppenerweiterung in Adobe Experience Platform Data Distiller zum Erstellen, Verwalten und Veröffentlichen von Zielgruppen mithilfe von SQL-Befehlen beschrieben.

Lebenszyklus der Zielgruppenerstellung in Data Distiller audience-creation-lifecycle

Führen Sie diese Schritte aus, um Ihre Zielgruppen zu erstellen, zu verwalten und zu aktivieren. Erstellte Zielgruppen lassen sich nahtlos in den Zielgruppenfluss integrieren, sodass Sie Segmente aus Basiszielgruppen und dateibasierten Zielen (z. B. CSV-Uploads oder Cloud-Speicherorte) für die Kundenkontakte erstellen können. „Zielgruppenfluss“ bezieht sich auf den vollständigen Prozess der Erstellung, Verwaltung und Aktivierung von Zielgruppen, um eine nahtlose Integration über Ziele hinweg sicherzustellen.

Adobe Experience Platform Verwenden Sie im Rahmen Ihres „Zielgruppen-Flusses“ die folgenden SQL-Befehle um Zielgruppen in zu erstellen zu 🔗 und löschen.

Erstellen einer Zielgruppe create-audience

Verwenden Sie den Befehl CREATE AUDIENCE AS SELECT , um eine neue Audience zu definieren. Die erstellte Zielgruppe wird in einem Datensatz gespeichert und im Arbeitsbereich Zielgruppen unter Data Distiller registriert.

CREATE AUDIENCE table_name
WITH (primary_identity='IdentitycolName', identity_namespace='Namespace for the identity used', [schema='target_schema_title'])
AS (select_query)

Parameter

Verwenden Sie diese Parameter, um Ihre SQL-Zielgruppenerstellungsabfrage zu definieren:

Beispiel:

Das folgende Beispiel zeigt, wie Sie Ihre SQL-Zielgruppenerstellungsabfrage strukturieren:

CREATE Audience aud_test
WITH (primary_identity=userId, identity_namespace=lumaCrmId)
AS SELECT userId, orders, total_revenue, recency, frequency, monetization FROM profile_dim_customer;

In diesem Beispiel wird die Spalte userId als Identitätsspalte identifiziert und ein entsprechender Namespace (lumaCrmId) zugewiesen. Die übrigen Spalten (orders, total_revenue, recency, frequency und monetization) sind angereicherte Attribute, die zusätzlichen Kontext für die Zielgruppe bieten.

Einschränkungen:

Beachten Sie die folgenden Einschränkungen bei der Verwendung von SQL zur Erstellung von Zielgruppen:

Hinzufügen von Profilen zu einer bestehenden Audience add-profiles-to-audience

Mit dem Befehl INSERT INTO können Sie Profile (oder ganze Zielgruppen) zu einer bestehenden Zielgruppe hinzufügen.

INSERT INTO table_name
SELECT select_query

Parameter

In der folgenden Tabelle werden die für den INSERT INTO-Befehl erforderlichen Parameter erläutert:

Beispiel:

Das folgende Beispiel zeigt, wie Sie mit dem Befehl INSERT INTO Profile zu einer bestehenden Audience hinzufügen:

INSERT INTO Audience aud_test
SELECT userId, orders, total_revenue, recency, frequency, monetization FROM customer_ds;

Beispiel für eine RFM-Modell-Zielgruppe rfm-model-audience-example

Das folgende Beispiel zeigt, wie Sie eine Zielgruppe mithilfe des Modells „Neuigkeit“, „Häufigkeit“ und „Monetarisierung“ (RFM) erstellen. In diesem Beispiel werden Kunden anhand ihrer Aktualität, Häufigkeit und Monetarisierungswerte segmentiert, um Schlüsselgruppen wie treue Kunden, neue Kunden und hochwertige Kunden zu identifizieren.

Die folgende Abfrage erstellt ein Schema für die RFM-Zielgruppe. Die Anweisung richtet Felder ein, in denen Kundeninformationen wie userId, days_since_last_purchase, orders, total_revenue usw. gespeichert werden.

CREATE Audience adls_rfm_profile
WITH (primary_identity=userId, identity_namespace=lumaCrmId) AS
SELECT
    cast(NULL AS string) userId,
    cast(NULL AS integer) days_since_last_purchase,
    cast(NULL AS integer) orders,
    cast(NULL AS decimal(18,2)) total_revenue,
    cast(NULL AS integer) recency,
    cast(NULL AS integer) frequency,
    cast(NULL AS integer) monetization,
    cast(NULL AS string) rfm_model
WHERE false;

Füllen Sie die Zielgruppe nach der Erstellung mit Kundendaten und segmentieren Sie die Profile anhand ihrer RFM-Bewertungen. Die folgende SQL-Anweisung verwendet die NTILE(4)-Funktion, um Kundinnen und Kunden basierend auf ihren RFM-Werten (Neuigkeit, Häufigkeit, Monetarisierung) in Quartile zu ordnen. Diese Werte kategorisieren Kundinnen und Kunden in sechs Segmente, z. B. „Core“, „Treu“ und „Wale“. Die segmentierten Kundendaten werden dann in die Tabelle der Zielgruppen-adls_rfm_profile eingefügt.“

INSERT INTO Audience adls_rfm_profile
SELECT
    userId,
    days_since_last_purchase,
    orders,
    total_revenue,
    recency,
    frequency,
    monetization,
    CASE
        WHEN Recency=1 AND Frequency=1 AND Monetization=1 THEN '1. Core - Your Best Customers'
        WHEN Recency IN(1,2,3,4) AND Frequency=1 AND Monetization IN (1,2,3,4) THEN '2. Loyal - Your Most Loyal Customers'
        WHEN Recency IN(1,2,3,4) AND Frequency IN (1,2,3,4) AND Monetization=1 THEN '3. Whales - Your Highest Paying Customers'
        WHEN Recency IN(1,2,3,4) AND Frequency IN(1,2,3) AND Monetization IN(2,3,4) THEN '4. Promising - Faithful Customers'
        WHEN Recency=1 AND Frequency=4 AND Monetization IN (1,2,3,4) THEN '5. Rookies - Your Newest Customers'
        WHEN Recency IN (2,3,4) AND Frequency=4 AND Monetization IN (1,2,3,4) THEN '6. Slipping - Once Loyal, Now Gone'
    END AS rfm_model
FROM (
    SELECT
        userId,
        days_since_last_purchase,
        orders,
        total_revenue,
        NTILE(4) OVER (ORDER BY days_since_last_purchase) AS recency,
        NTILE(4) OVER (ORDER BY orders DESC) AS frequency,
        NTILE(4) OVER (ORDER BY total_revenue DESC) AS monetization
    FROM (
        SELECT
            userid,
            DATEDIFF(current_date, MAX(purchase_date)) AS days_since_last_purchase,
            COUNT(purchaseid) AS orders,
            CAST(SUM(total_revenue) AS double) AS total_revenue
        FROM (
            SELECT DISTINCT
                ENDUSERIDS._EXPERIENCE.EMAILID.ID AS userid,
                commerce.`ORDER`.purchaseid AS purchaseid,
                commerce.`ORDER`.pricetotal AS total_revenue,
                TO_DATE(timestamp) AS purchase_date
            FROM sample_data_for_ootb_templates
            WHERE commerce.`ORDER`.purchaseid IS NOT NULL
        ) AS b
        GROUP BY userId
    )
);

Löschen einer Zielgruppe (ZIELGRUPPE ABLEGEN) delete-audience

Verwenden Sie den Befehl DROP AUDIENCE , um eine vorhandene Zielgruppe zu löschen. Wenn die Zielgruppe nicht vorhanden ist, tritt eine Ausnahme auf, es sei denn, IF EXISTS wird angegeben.

DROP AUDIENCE [IF EXISTS] [db_name.]table_name

Parameter

Die Tabelle enthält die für den DROP AUDIENCE-Befehl erforderlichen Parameter:

Beispiel:

Das folgende Beispiel zeigt, wie Sie eine Zielgruppe mithilfe des Befehls ZIELGRUPPE ABLEGEN löschen:

DROP AUDIENCE IF EXISTS aud_test;

Automatische Zielgruppenregistrierung und -verfügbarkeit registration-and-availability

Audiences, die mit der SQL-Erweiterung erstellt wurden, werden automatisch unter der Data Distiller Origin im Audience-Arbeitsbereich registriert. Nach der Registrierung stehen diese Zielgruppen für die Zielgruppenbestimmung in dateibasierten Zielen zur Verfügung, wodurch die Segmentierung und Zielgruppenbestimmungsstrategien verbessert werden. Dieser Prozess erfordert keine zusätzliche Konfiguration, wodurch die Zielgruppen-Verwaltung optimiert wird. Weitere Informationen zum Anzeigen, Verwalten und Erstellen von Zielgruppen in der Experience Platform-Benutzeroberfläche finden Sie in der Zielgruppenportal - Übersicht.

Zielgruppen für Ziele aktivieren activate-audiences

Aktivieren Sie Ihre Zielgruppen, indem Sie sie auf ein beliebiges dateibasiertes Ziel ausrichten, z. B. Amazon S3, SFTP oder Azure Blob. Die angereicherten Zielgruppenattribute stehen bei Bedarf zur weiteren Verfeinerung und Filterung zur Verfügung.

Funktionserläuterungen faqs

In diesem Abschnitt werden häufig gestellte Fragen zur Erstellung und Verwaltung externer Zielgruppen mithilfe von SQL-Daten in Distiller behandelt.

Fragen:

Nächste Schritte

Nach dem Lesen dieses Dokuments haben Sie gelernt, wie Sie mit der SQL-Zielgruppenerweiterung in Data Distiller Zielgruppen mithilfe von SQL-Befehlen effektiv erstellen, verwalten und veröffentlichen können. Sie können jetzt Zielgruppendefinitionen auf der Grundlage Ihrer individuellen Geschäftsanforderungen anpassen und über verschiedene Ziele hinweg aktivieren, indem Sie Ihre Marketing-Strategien und datengestützten Entscheidungen optimieren.

Als Nächstes können Sie die folgende Dokumentation lesen, um Ihre Zielgruppen-Management-Strategien für Experience Platform weiter zu entwickeln und zu optimieren: