Plan directeur de science des données personnalisée pour l’enrichissement de profil
Le plan directeur sur la science des données personnalisée pour l’enrichissement de profil illustre la manière dont les données peuvent être utilisées pour entraîner, déployer et noter des modèles pour qu’ils fournissent à Experience Platform et à Real-time Customer Data Platform des informations de machine learning à partir de la science des données et d’outils de machine learning. Les données modélisées peuvent être ingérées dans Experience Platform pour enrichir un profil client en temps réel. Des exemples d’informations de machine learning incluent la valeur de durée de vie, l’affinité au produit et l’affinité catégorielle, la propension à convertir ou à se désabonner.
Cas d’utilisation
- Extrayez des données et découvrez des modèles à partir de données client, et entrainez et notez des modèles à partir de ces données.
- Enrichir le profil client en temps réel avec des informations et des attributs basés sur le modèle pour une personnalisation plus granulaire et une optimisation des parcours.
- Former et évaluer des modèles pour déterminer les informations sur les clients telles que la valeur durée de vie client, la propension à convertir ou à se désabonner, les affinités de produit et de contenu et les scores d’engagement.
Architecture
Garde-fous
- Pour des garde-fous détaillés et des latences de bout en bout sur l’ingestion de résultats de science des données dans Experience Platform et le profil client en temps réel, reportez-vous au schéma de latence et des garde-fous d’ingestion des données référencé dans le document sur les garde-fous de déploiement.
Étapes de mise en œuvre
- Créez des schémas pour les données à ingérer.
- Créez des jeux de données pour les données à ingérer.
- Ingérez des données dans Experience Platform.
Pour que les résultats de modèle soient ingérés dans le profil client en temps réel, suivez les opérations suivantes avant d’ingérer des données :
- Configurez les identités et les espaces de noms d’identité corrects sur le schéma pour vous assurer que les données ingérées peuvent s’intégrer dans un profil unifié.
- Activez les schémas et les jeux de données pour le profil.
Considérations relatives à la mise en œuvre
-
Dans la plupart des cas, le résultat du modèle doit être ingéré dans les attributs de profil et non en tant qu’événements d’expérience. Les résultats du modèle peuvent être une chaîne d’attribut simple. Si plusieurs résultats de modèle doivent être ingérés, il est recommandé d’utiliser un champ de type tableau ou map.
-
Les jeux de données des instantané de profils quotidiens, qui correspondent à l’exportation quotidienne des données d’attribut de profil unifié, peuvent être utilisés pour entraîner des modèles sur les données d’attribut de profil. La documentation concernant les jeux de données des instantanés de profils est accessible ici.
-
Pour extraire des données d’Experience Platform, les méthodes suivantes peuvent être utilisées :
-
Le SDK d’accès aux données
- Les données se présentent sous la forme d’un fichier brut.
- Les données d’événement d’expérience de profil restent dans leur état brut non unifié.
-
Destinations RTCDP
- Seuls les attributs de profil et les appartenances aux segments peuvent être effacés.
-
Documentation connexe
Articles de blog connexes
- Content and Commerce AI: Personalizing Your Interactions with Customers Through Content Intelligence
- An Introductory Look at Exploratory Data Analysis on Adobe Experience Platform
- Cutting Across Adobe Experience Products with Machine Learning to Elevated User Experience
- Segmentation.AI: Automated Audience-Clustering-as-a-Service in Adobe Experience Platform