Plan directeur sur la data science personnalisée pour l’enrichissement de profil

Le Plan directeur sur la data science personnalisée pour l’enrichissement de profil illustre comment les données d’Adobe Experience Platform peuvent être utilisées dans Data Science Workspace pour former, déployer et évaluer des modèles afin de fournir des informations de machine learning. Ces modèles peuvent directement être générés dans un jeu de données activé pour le profil client en temps réel afin d’enrichir davantage les profils client. Ces informations peuvent ensuite être utilisées pour la personnalisation. 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

  • Extraire des informations et découvrir des modèles à partir des données client dans Experience Platform. Former et évaluer 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

Architecture de référence pour le plan directeur sur la data science personnalisée pour l’enrichissement de profil

Étapes d’implémentation

  1. Créez des schémas pour les données à ingérer.
  2. Créez des jeux de données pour les données à ingérer.
  3. Ingérez les données dans Experience Platform.
  4. Créez un bloc-notes DSW.
  5. Sélectionnez une langue. Python et PySpark sont pris en charge.
  6. Créez le modèle dans le modèle dans le bloc-notes.
  7. Formez le modèle.
  8. Évaluez le modèle pour générer des prédictions avec les données cibles.
  9. Activez le jeu de données des résultats du modèle pour le profil, si vous transférez les résultats du modèle vers le profil client en temps réel.

Documentation connexe

Articles de blog connexes

Sur cette page