用户档案扩充的自定义数据科学 Blueprint

用户档案扩充的自定义数据科学 Blueprint 展示了如何使用数据来对模型进行训练、部署和评分，以便通过数据科学和机器学习工具为 Experience Platform 和 Real-time Customer Data Platform 提供机器学习洞察。可以将模型化的洞察摄入 Experience Platform，以丰富实时客户档案。机器学习洞察的示例包括存留期值评分、产品和类别亲和力、转化倾向或客户流失倾向。

用例

  • 从客户数据中提取洞察并发现模式，利用此数据对模型进行训练和评分。
  • 利用模型驱动的洞察和属性来丰富实时客户档案，以实现更精细的个性化并优化历程。
  • 对模型进行训练和评分，以确定客户洞察，如客户存留期值、转化或参与倾向、产品和内容关联，以及参与分数。

架构

用户档案扩充的自定义数据科学 Blueprint 的参考架构

实施步骤

  1. 为要摄入的数据创建架构。
  2. 为要摄入的数据创建数据集。
  3. 将数据摄入 Experience Platform。

要将模型结果摄入到实时客户档案中，请务必在摄入数据之前执行以下操作：

  1. 在架构上配置正确的身份和身份命名空间，以确保摄入的数据可以拼接到统一的用户档案中。
  2. 为用户档案启用架构和数据集。

实施注意事项

  • 在大多数情况下，模型结果应作为用户档案属性而不是体验事件进行摄入。模型结果可以是一个简单的属性字符串。如果要摄入多个模型结果，建议使用数组或映射类型字段。
  • 每日用户档案快照数据集是统一用户档案属性数据的每日导出数据，可用于在用户档案属性数据基础上训练模型。可以在此处访问用户档案快照数据集文档。
  • 要从 Experience Platform 中提取数据，可使用以下方法
    • 数据访问 SDK
      • 数据以原始文件形式提供
      • 用户档案体验事件数据保持其不统一的原始状态。
    • RTCDP 目标
      • 可处理用户档案属性和区段会员资格。

相关文档

相关博客帖子

在此页面上