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 no Data Science Workspace para treinar, implantar e pontuar modelos a fim de fornecer insights de aprendizado de máquina. Esses modelos podem ser enviados diretamente para um conjunto de dados habilitado para o Perfil de cliente em tempo real para aprimorar ainda mais os perfis de clientes. Esses insights podem ser utilizados na personalização. 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 na Experience Platform. Treine e classifique modelos 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

Blueprint de arquitetura de referência para Ciência de dados personalizada para aprimoramento de perfis

Etapas de implementação

  1. Crie esquemas para que os dados sejam assimilados.
  2. Crie conjuntos de dados para que os dados sejam assimilados.
  3. Assimile dados na Experience Platform.
  4. Crie um DSW notebook.
  5. Escolha um idioma. Python e PySpark são compatíveis.
  6. Crie um modelo no notebook.
  7. Treine o modelo.
  8. Classifique o modelo para gerar predições com os dados do público-alvo.
  9. Habilite o conjunto de dados de resultados do modelo para perfil em caso de envio de resultados do modelo para o Perfil de cliente em tempo real.

Documentação relacionada

Publicações do blog relacionadas

Nesta página