利用机器学习洞察丰富Real-time Customer Profile
Adobe Experience Platform Data Science Workspace提供用于创建、评估和利用机器学习模型生成数据预测和洞察的工具和资源。 当机器学习洞察被引入支持Profile的数据集时，同一数据也被引入为Profile记录，然后可以使用Adobe Experience Platform Segmentation Service进行分段。 在摄取用户档案和时间序列数据时，实时用户档案会自动决定在将数据与现有数据合并并更新合并视图之前，通过称为流分段的持续过程将数据包括在细分中或从细分中排除该数据。 因此，在客户与您的品牌互动时，您可以即时执行计算并做出决策，为客户提供增强的个性化体验。
本文档提供了教程链接，这些教程使您能够利用机器学习洞察丰富Real-time Customer Profile。
入门指南
要完成以下教程，您必须对获取Profile数据和创建区段有一定的了解。 在开始本教程之前，请查阅以下服务的文档：
- Real-time Customer Profile:根据来自多个来源的汇总数据，提供每个客户的完整、统一的表示形式。
- Identity Service:通过将 Real-time Customer Profile 来自被引入平台的不同数据源的身份桥接来实现。
- Experience Data Model (XDM):平台通过该标准化框架组织客户体验数据。
除了上述文档之外，还建议您查看以下模式和模式编辑器指南：
- 模式合成的基础:介绍XDM模式、构件块、原则以及编写要在中使用的模式的最佳实践 Experience Platform。
- 模式编辑器教程:提供有关使用中的模式编辑器创建模式的详细说 Experience Platform明。
创建并配置输出模式和数据集
通过评分洞察丰富Real-time Customer Profile的第一步是了解您的数据定义的真实对象（如人）。 了解数据使您能够描述和设计一个结构以增加意义，这与设计关系数据库非常相似。
编写模式从指定类开始。 类定义模式将包含的数据的行为方面（记录或时间序列）。 要开始制作您自己的模式，请按照教程中的步骤操作：使用模式编辑器🔗创建模式。 请注意，在为Profile启用模式集之前，您需要先配置数据集的模式，使其具有主标识字段，然后为Profile启用数据集。 当将数据引入启用Profile的数据集时，同一数据也作为Profile记录被引入。
如果您希望使用Schema Registry API编写模式，请先阅读Schema Registry 开发人员指南，然后尝试使用创建模式时的教程。
准备模式和数据集后，您可以使用适当的模型执行评分运行，从而生成评分数据并将其收录到数据集。
使用Segment Builder创建区段
在生成并将评分数据洞察引入支持Profile的数据集后，您可以使用Segment Builder创建动态细分。
Segment Builder提供一个丰富的工作区，允许您与Profile数据元素进行交互。 工作区提供用于构建和编辑规则的直观控件，如用于表示数据属性的拖放拼贴。 请按照Segment Builder 用户指南了解以下信息：
- 使用属性、事件和现有受众的组合作为构件块创建区段定义。
- 使用规则生成器画布和容器控制执行区段规则的顺序。
- 查看对您的潜在受众的估计，让您能够根据需要调整区段定义。
- 为计划分段启用所有区段定义。
- 为流分段启用指定的段定义。
后续步骤
要了解有关区段和Segment Builder的详细信息，请阅读分段服务概述。
要了解有关Real-time Customer Profile的更多信息，请阅读实时客户用户档案概述
