為豐富個人資料的自訂資料科學藍圖

上次更新: 2023-04-14
  • 建立對象:
  • Developer
    User

為豐富個人資料的自訂資料科學藍圖闡述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向 Experience Platform 和 Real-time Customer Data Platform 提供機器學習見解。模型化的見解可擷取至 Experience Platform 中,以豐富即時客戶個人資料。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

  • 從客戶資料中擷取見解並探索模式,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即時客戶個人資料,以進行更細緻的個人化和最佳的歷程。
  • 對模型訓練和評分以確定客戶深入見解,例如客戶期限值、轉換或流失傾向性、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藍圖的參考架構

護欄

  • 有關將資料科學結果擷取到 Experience Platform 和 Real-time Customer Profile 中的詳細護欄和端對端延遲,請參閱部署護欄文檔中所引用的資料擷取護欄和延遲方案。

實施步驟

  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個人資料中,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分和身分命名空間,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

實施考量

  • 在大多數情況下,模型結果應擷取為個人資料屬性,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。
  • 每日個人資料快照資料集是統一個人資料屬性資料的每日匯出,可用來訓練個人資料屬性資料的模型。可存取此處的個人資料快照資料集文檔。
  • 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
      • 個人資料體驗事件資料會維持在非統一的原始狀態。
    • RTCDP 目標
      • 可輸出個人資料屬性和區段成員資格。

相關文件

相關部落格貼文

此頁面上的