設定檔擴充藍圖的自訂資料科學

設定檔擴充藍圖的自訂資料科學說明如何使用資料來訓練、部署和計分模型,以透過資料科學和機器學習工具提供機器學習對Experience Platform和Real-time Customer Data Platform的深入分析。 模型化的深入分析可擷取至Experience Platform中,以豐富即時客戶設定檔。 機器學習深入見解的範例包括期限值評分、產品和類別親和性、轉換傾向性或退訂傾向性。

使用案例

  • 從客戶資料中擷取深入分析並探索模式,從這些資料中訓練模型並對模型評分。
  • 使用模型驅動的深入見解和屬性豐富的即時客戶個人資料,以進行更細緻的個人化和最佳的歷程最佳化。
  • 對模型訓練和評分以確定客戶深入見解,例如客戶期限值、轉換或退訂傾向性、產品和內容相似性及參與分數。

架構

為豐富個人資料自訂資料科學 Blueprint 的參考架構

護欄

  • 有關將資料科學結果Experience Platform到中的詳細防護欄和端到端延遲,而「即時客戶配置檔案」是指 部署護欄文檔.

實作步驟

  1. 為要擷取的資料建立資料方案
  2. 為要擷取的資料建立資料集
  3. 擷取資料到 Experience Platform。

若要將模型結果擷取至即時客戶設定檔中,請務必先執行下列操作,再擷取資料:

  1. 在方案上設定正確的身份和身份命名空間,以確保擷取的資料可以嵌入統一的個人資料。
  2. 為個人資料啟用方案和資料集

實作考量事項

  • 在大多數情況下,模型結果應擷取為設定檔屬性,而非體驗事件。 模型結果可以是簡單的屬性字串。 如果要擷取多個模型結果,建議使用陣列或對應類型欄位。
  • 每日設定檔快照資料集是統一設定檔屬性資料的每日匯出,可用來訓練設定檔屬性資料的模型。 可訪問配置檔案快照資料集文檔 此處.
  • 若要從Experience Platform中擷取資料,可使用下列方法
    • 資料存取SDK
      • 資料為原始檔案形式
      • 設定檔體驗事件資料會維持在非統一的原始狀態。
    • RTCDP目標
      • 可調整設定檔屬性和區段成員資格。

相關檔案

相關部落格貼文

本頁內容