Modelo de ciencia de datos personalizada para el enriquecimiento de perfiles

La ciencia de datos personalizada para el modelo de enriquecimiento de perfiles ilustra cómo se pueden usar los datos de Adobe Experience Platform para entrenar, implementar y puntuar modelos a fin de proporcionar perspectivas de aprendizaje automático para el Experience Platform y el Real-time Customer Data Platform a partir de las herramientas de aprendizaje automático y la ciencia de datos. Las perspectivas modeladas se pueden ingerir en Experience Platform para enriquecer el perfil del cliente en tiempo real. Algunos ejemplos de datos recogidos por el aprendizaje informático incluyen calificación de valor de duración, afinidad de categoría y producto o tendencia a la conversión o cancelación.

Casos de uso

  • Extraiga información y descubra patrones de datos de clientes, entrene y puntee modelos a partir de estos datos.
  • Enriquecer Real-time Customer Profile con datos y atributos según modelo para una personalización más granular y una optimización mejorada de recorrido.
  • Entrenar y calificar modelos para determinar datos del cliente tales como el valor de tiempo de vida del cliente, la tendencia a la conversión o cancelación, la afinidad de contenido y producto, y la calificación de participación.

Arquitectura

Arquitectura de referencia del modelo de ciencia de datos personalizada para el enriquecimiento de perfiles

Pasos de implementación

  1. Crear esquemas para la ingesta de datos.
  2. Crear conjuntos de datos para la ingesta de datos.
  3. Ingesta de datos a Experience Platform.

Para que los resultados del modelo se introduzcan en el Perfil del cliente en tiempo real, asegúrese de hacer lo siguiente antes de introducir los datos:

  1. Configurar las identidades e identidad de áreas de nombres correctas en el esquema para asegurar que los datos ingestados se puedan combinar en un perfil unificado.
  2. Activar los esquemas y los conjuntos de datos del perfil.

Consideraciones sobre la implementación

  • En la mayoría de los casos, el resultado del modelo debe ingerirse como atributos de perfil y no como eventos de experiencia. Los resultados del modelo pueden ser una simple cadena de atributos. Si hay varios resultados de modelo que se van a introducir, se recomienda utilizar un campo de tipo matriz o asignación.
  • El conjunto de datos de instantánea de perfil diario, que es una exportación diaria de los datos de atributos de perfil unificado, se puede aprovechar para entrenar modelos en datos de atributos de perfil. Se puede acceder a la documentación del conjunto de datos de instantánea de perfil here.
  • Para extraer datos de un Experience Platform, se pueden utilizar los siguientes métodos
    • SDK de acceso a datos
      • Los datos están en formato de archivo sin procesar
      • Los datos de evento de experiencia de perfil se mantienen en su estado sin procesar no unificado.
    • Destinos RTCDP
      • Solo se pueden mejorar los atributos de perfil y las suscripciones a segmentos.
    • Servicio de consultas
      • El acceso a grandes cantidades de datos sin procesar puede hacer que la consulta se agote en el tiempo de espera de 10 minutos. Se recomienda consultar los datos de forma incremental.

Documentación relacionada

Entradas relacionadas en el blog

En esta página