Blueprint de ciência de dados personalizada para aprimoramento de perfis
O Blueprint de ciência de dados personalizada para aprimoramento de perfis ilustra como os dados na Adobe Experience Platform podem ser usados para treinar, implantar e pontuar modelos para fornecer insights de aprendizado de máquina para a Experience Platform e a Real-time Customer Data Platform a partir de ferramentas de aprendizado de máquina e ciência de dados. É possível assimilar insights modelados na Experience Platform para enriquecer o perfil do cliente em tempo real. Exemplos de insights de aprendizado de máquina incluem pontuação de valor vitalício, afinidade de categorias e produtos, propensão à conversão ou à rotatividade.
Casos de uso
- Extraia insights e descubra padrões a partir de dados do cliente; treine e pontue modelos de acordo com esses dados.
- Aprimore o Perfil de cliente em tempo real com insights e atributos orientados por modelos para uma personalização mais detalhada e jornadas aperfeiçoadas.
- Treine e classifique modelos para determinar insights do cliente, como valor vitalício do cliente, propensão à conversão ou à rotatividade, afinidade de conteúdos e produtos e classificação de engajamentos.
Arquitetura
Etapas de implementação
- Crie esquemas para que os dados sejam assimilados.
- Crie conjuntos de dados para que os dados sejam assimilados.
- Assimile dados na Experience Platform.
Para que os resultados do modelo sejam assimilados no Perfil do cliente em tempo real, faça o seguinte antes da assimilar dados:
- Configure as identidades corretas e os namespaces de identidade no esquema para assegurar que os dados assimilados possam aderir a um perfil unificado.
- Habilite os esquemas e conjuntos de dados para o perfil.
Considerações de implementação
- Na maioria dos casos, o resultado do modelo deve ser assimilado como atributos de perfil, e não como eventos de experiência. Os resultados do modelo podem ser uma cadeia de caracteres de atributo simples. Se houver vários resultados de modelo a assimilar, é recomendável usar um campo de tipo matriz ou mapa.
- O conjunto de dados de instantâneo de perfil diário, que é uma exportação diária dos dados de atributo de perfil unificado, pode ser aproveitado para treinar modelos em dados de atributo de perfil. A documentação do conjunto de dados de instantâneo de perfil pode ser acessada aqui.
- Para extrair dados da Experience Platform, os seguintes métodos podem ser usados:
- SDK de acesso a dados
- Os dados estão na forma de arquivo bruto
- Os dados do evento de experiência de perfil permanecem em seu estado bruto e não unificado.
- Destinos da RTCDP
- Só é possível fazer a saída de atributos de perfil e associações de segmento.
- Serviço de consulta
- O acesso a grandes quantidades de dados brutos pode fazer com que o query atinja o tempo limite de 10 minutos. É recomendável consultar dados de forma progressiva.
Documentação relacionada
Publicações do blog relacionadas