自訂 Profile Enrichment 藍圖的資料科學

為豐富個人資料自訂資料科學 Blueprint 說明如何在 Data Science Workspace 中使用 Adobe Experience Platform 的資料來訓練、部署和計分模型，以提供機器學習見解。這些模型可直接輸出至為即時客戶個人資料啟用的資料集，以進一步豐富客戶個人資料。然後，這些見解可據以個人化。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 Experience Platform 中的客戶資料擷取深入見解並探索模式。從這些資料對模型進行訓練和評分。
• 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

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。
4. 建立 DSW 筆記本。
5. 選擇語言。支援 Python 和 PySpark。
6. 在筆記本中建立模型。
7. 訓練模型。
8. 對模型評分以使用目標資料產生預測。
9. 如果將模型結果推送到即時客戶個人資料，則為個人資料啟用模型結果資料集。

相關文件

• Adobe Experience Platform Intelligence 產品說明
• Data Science Workspace 文件
• Data Science Workspace 教學課程

相關部落格貼文

• Simplifying the Data Science Lifecycle with Adobe Platform Experience
• Content and Commerce AI: Personalizing Your Interactions with Customers Through Content Intelligence
• Gaining a Deeper Understanding of Churn Using Data Science Workspace
• Understanding Data Science In Adobe Experience Platform
• An Introductory Look at Exploratory Data Analysis on Adobe Experience Platform
• Cutting Across Adobe Experience Products with Machine Learning to Elevated User Experience
• Modeling XDM Data for Data Science at Scale on Adobe Experience Platform
• Segmentation.AI: Automated Audience-Clustering-as-a-Service in Adobe Experience Platform
• Reimagining Jupyter Notebooks for Enterprise Scale
• Accelerate Intelligent Insights with Adobe Experience Platform Data Science Workspace
• A Preview of Time Series Forecasting with Adobe Experience Platform
• Cutting Across Adobe Experience Products with Machine Learning to Elevated User Experience