個人檔案擴充藍圖的自訂資料科學
個人檔案擴充藍圖的自訂資料科學說明了如何使用資料來訓練、部署和評分模型,以提供機器學習深入分析 Experience Platform 和 Real-Time Customer Data Platform 來自資料科學和機器學習工具。
模型化見解可內嵌至 Experience Platform 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
護欄
- 取得詳細的護欄,以及擷取資料科學結果的端對端延遲 Experience Platform 而即時客戶設定檔參考中參考的資料擷取護欄和延遲圖表。 部署護欄檔案.
實施步驟
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:
- 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。
- 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。
-
用於從擷取資料 Experience Platform 可以使用以下方法
-
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
recommendation-more-help
045b7d44-713c-4708-a7a6-5dea7cc2546b