Förfina Real-Time Customer Profile med maskininlärningsinsikter

Adobe Experience Platform Data Science Workspace innehåller verktyg och resurser för att skapa, utvärdera och använda maskininlärningsmodeller för att generera dataprognoser och insikter. När maskininlärningsinsikter hämtas till en Profile-aktiverad datauppsättning, att samma data också hämtas som Profile poster som sedan kan segmenteras med Adobe Experience Platform Segmentation Service.

Det här dokumentet innehåller länkar till självstudiekurser som gör att du kan utöka Real-Time Customer Profile med inlärningsinsikter om din dator.

Komma igång

För att kunna slutföra självstudiekurserna nedan måste du ha en fungerande förståelse för att kunna importera Profile data och skapa segment. Innan du börjar med den här självstudiekursen bör du läsa dokumentationen för följande tjänster:

  • Real-Time Customer Profile: Ger en fullständig, enhetlig representation av varje enskild kund baserad på aggregerade data från flera källor.
  • Identity Service: Aktiverar Real-Time Customer Profile genom att överbrygga identiteter från olika datakällor som hämtas in till Platform.
  • Experience Data Model (XDM): Det standardiserade ramverk som Platform använder för att organisera kundupplevelsedata.

Förutom de ovannämnda dokumenten rekommenderar vi att du även granskar följande handledningar för scheman och schemaläggningsprogrammet:

Skapa och konfigurera ett utdataschema och en datauppsättning create-an-output-schema-and-dataset

Det första steget mot berikning Real-Time Customer Profile med insikt i poängsättningen är att veta vilket objekt i verkligheten (till exempel en person) era data definierar. Genom att förstå era data kan ni beskriva och utforma en struktur för att göra dem meningsfulla, ungefär som att utforma en relationsdatabas.

Dispositionen av ett schema börjar med att tilldela en klass. Klasser definierar de beteendeaspekter av data som schemat ska innehålla (post- eller tidsserie). Om du vill börja skapa egna scheman följer du instruktionerna i självstudiekursen om skapa ett schema med Schemaredigeraren. Observera att innan du kan aktivera en datauppsättning för Profilemåste du konfigurera datauppsättningens schema så att det har ett primärt identitetsfält och sedan aktivera schemat för Profile. När data hämtas till en Profile-aktiverad datauppsättning, att samma data också hämtas som Profile poster.

Om du föredrar att skapa ett schema med Schema Registry API:t börjar i stället med att läsa Schema Registry utvecklarhandbok innan du provar självstudiekursen på skapa ett schema med API.

När ditt schema och din datauppsättning har förberetts kan du generera och importera betygsdata till datauppsättningen genom att utföra betygskörningar med en lämplig modell.

Skapa segment med Segment Builder create-segments-using-the-segment-builder

När du har genererat och inhämtat dina poäng till din Profile-aktiverad datauppsättning, kan du skapa dynamiska segment med Segment Builder.

The Segment Builder innehåller en omfattande arbetsyta som du kan använda för att interagera med Profile dataelement. Arbetsytan innehåller intuitiva kontroller för att skapa och redigera regler, till exempel dra-och-släpp-paneler som används för att representera dataegenskaper. Följ Segment Builder användarhandbok om du vill veta mer om:

  • Skapa segmentdefinitioner med en kombination av attribut, händelser och befintliga målgrupper som byggstenar.
  • Använda regelbyggarens arbetsyta och behållare för att styra i vilken ordning segmentreglerna körs.
  • Visa uppskattningar av den potentiella målgruppen så att ni kan justera segmentdefinitionerna efter behov.
  • Aktivera alla segmentdefinitioner för schemalagd segmentering.
  • Aktiverar angivna segmentdefinitioner för direktuppspelningssegmentering.

Nästa steg next-steps

Mer information om segment och Segment Builder, läsa Översikt över segmenteringstjänsten.

Mer information om Real-Time Customer Profile, läsa Översikt över kundprofiler i realtid

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9