사용자 정의 데이터 과학을 통한 프로필 강화 블루프린트

사용자 정의 데이터 과학을 통한 프로필 강화 블루프린트에서는 Data Science Workspace에서 Adobe Experience Platform 내의 데이터를 사용하여 모델을 교육, 배포 및 평가하여 머신 러닝 인사이트를 얻는 방법을 살펴봅니다. 이 모델에서 바로 Real-time Customer Profile에 사용할 수 있는 데이터 세트를 만들어 고객 프로필을 더욱 강화할 수 있습니다. 이렇게 얻은 인사이트는 개인화에 활용할 수 있습니다. 머신 러닝 인사이트의 예로는 생애 가치 평가, 제품 및 카테고리 관심도, 전환 경향 또는 이탈 경향 등이 있습니다.

사용 사례

  • Experience Platform의 고객 데이터에서 인사이트를 찾아내고 패턴을 발견합니다. 이 데이터로 모델을 훈련 및 사용합니다.
  • 모델 기반 인사이트와 특성으로 Real-time Customer Profile을 강화하여 개인화를 개선하고 여정을 최적화합니다.
  • 모델을 훈련 및 사용하여 고객 생애 가치, 전환 또는 이탈 경향, 제품과 콘텐츠 관련성 및 참여도 점수를 확인합니다.

아키텍처

사용자 정의 데이터 과학을 통한 프로필 강화 블루프린트용 참조 아키텍처

구현 단계

  1. 수집할 데이터를 위한 스키마를 만듭니다.
  2. 수집할 데이터를 위한 데이터 세트를 만듭니다.
  3. 데이터를 Experience Platform으로 수집합니다.
  4. DSW 노트북을 만듭니다.
  5. 언어를 선택합니다. Python 및 PySpark가 지원됩니다.
  6. 노트북 내에 모델을 작성합니다.
  7. 모델을 훈련합니다.
  8. 모델을 사용하여 타겟 데이터에 대해 예측을 생성합니다.
  9. Real-time Customer Profile로 모델의 결과를 보내는 경우 모델 결과 데이터 세트를 프로필에 사용하도록 설정합니다.

관련 설명서

관련 블로그 게시물

이 페이지에서는