Customer AI中的输入和输出

以下文档概述了Customer AI中使用的不同必需事件、输入和输出。

快速入门

以下是在客户人工智能中构建倾向模型和识别个性化营销的目标受众的步骤：

  1. 概述用例：倾向模型如何帮助识别个性化营销的目标受众？ 我的业务目标和实现该目标的相应策略是什么？ 倾向性建模在这个过程中可以在何处发挥作用？

  2. 优先考虑用例：哪些是业务的最高优先级？

  3. 在Customer AI中构建模型：观看 快速教程 并参阅我们的 UI指南 构建模型的逐步过程。

  4. 生成区段 使用模型结果。

  5. 根据这些区段采取有针对性的业务行动。 监控结果并重复操作以改进。

以下是您的第一个模型的配置示例。 本文档中构建的示例模型使用客户人工智能模型来预测在未来30天内零售企业的潜在转化率。 输入数据集是Adobe Analytics数据集。

步骤 定义 示例
设置 指定有关模型的基本信息。 名称：铅笔购买倾向模型
模型类型：转化
选择数据 指定用于构建模型的数据集。 数据集：Adobe Analytics数据集
身份：确保将每个数据集的标识列设置为公共标识。
定义目标 定义目标、符合条件的群体、自定义事件和配置文件属性。 预测目标：选择 commerce.purchases.value 等于铅笔
结果窗口：30天。
设置选项 设置模型刷新计划并为配置文件启用分数 计划：每周
为配置文件启用：必须启用此项，模型输出才能在分段中使用。

数据概述

以下各节概述了客户人工智能中使用的各种所需事件、输入和输出。

客户人工智能通过分析以下数据集工作，以预测客户流失（客户何时可能停止使用产品）或转化（客户何时可能购买）倾向分数：

如果每个数据集共享相同的身份类型（命名空间）（如ECID），则可以添加来自不同来源的多个数据集。 有关添加多个数据集的更多信息，请访问 Customer AI用户指南.

重要

源连接器最多需要4周的时间来回填数据。 如果您最近设置了连接器，则应验证数据集是否具有客户人工智能所需的最小数据长度。 请查看 历史数据 部分，以验证您是否有足够的预测目标数据。

下表概述了本文档中使用的一些常用术语：

搜索词 定义
Experience Data Model (XDM) XDM是一个基础框架，它允许由Adobe Experience Platform提供支持的Adobe Experience Cloud在正确的时间通过正确的渠道向正确的人员传递正确的信息。 Platform使用XDM系统以特定方式组织数据，从而更易于用于Platform服务。
XDM 架构 Experience Platform 会使用架构，以便以可重用的一致方式描述数据结构。通过在整个系统中以一致的方式定义数据，更容易保留含义并因此从数据中获取价值。在将数据摄取到Platform中之前，必须构建一个架构来描述数据的结构，并为每个字段中可以包含的数据类型提供约束。 架构由一个基本XDM类和零个或多个架构字段组组成。
XDM类 所有XDM架构都描述了可分类为 Experience Event. 架构的数据行为由架构的类定义，该类在首次创建架构时分配给架构。 XDM类描述架构必须包含的最小属性数，以便表示特定的数据行为。
字段组 定义架构中一个或多个字段的组件。 字段组强制实施其字段在架构层次结构中的显示方式，因此它们包含的每个架构中都表现出相同的结构。 字段组仅与由它们标识的特定类兼容 meta:intendedToExtend 属性。
数据类型 还可以为架构提供一个或多个字段的组件。 但是，与字段组不同，数据类型不受特定类的限制。 这使得数据类型成为描述通用数据结构的更灵活选项，这些结构可以在具有不同类的多个架构中重用。 CEE和Adobe Analytics架构均支持本文档中概述的数据类型。
实时客户资料 Real-time Customer Profile为有针对性的个性化体验管理提供了一个集中的客户档案。 每个用户档案都包含跨所有系统汇总的数据，以及在您用于Experience Platform的任何系统中发生的涉及个人事件的带可操作时间戳的帐户。

客户人工智能输入数据

对于输入数据集(如Adobe Analytics和Adobe Audience Manager)，默认情况下，在连接过程中，各自的源连接器直接映射这些标准字段组（Commerce、Web、Application和Search）中的事件。 下表显示了Customer AI的默认标准字段组中的事件字段。

有关映射Adobe Analytics数据或Audience Manager数据的更多信息，请访问Analytics字段映射或Audience Manager 字段映射指南.

对于未通过以上连接器之一填充的输入数据集，您可以使用体验事件或使用者体验事件XDM架构。 可以在架构创建过程中添加其他XDM字段组。 字段组可以由Adobe提供，例如标准字段组或自定义字段组，它们与Platform中的数据表示形式匹配。

重要

您必须确保将数据填充到这些输入数据集中。 如果在输入数据集中未找到标准字段组中的事件，则必须在配置工作流期间添加自定义事件。 请查看有关自定义事件的详细信息。

客户人工智能使用的标准字段组

体验事件用于确定各种客户行为。 根据数据的结构方式，下面列出的事件类型可能不会包含客户的所有行为。 由您来决定哪些字段具有必要的数据，该数据是清晰明确地识别Web或其他渠道特定的用户活动所必需的。 根据您的预测目标，所需的必填字段可能会发生更改。

注意

如果您使用的是Adobe Analytics或Adobe Audience Manager数据，则会使用捕获数据所需的标准事件自动创建架构。 如果您创建自己的自定义EE架构来捕获数据，则需要考虑捕获数据所需的字段组。

默认情况下，客户人工智能使用四个标准字段组中的事件：Commerce、Web、Application和Search。 无需在下面列出的标准字段组中为每个事件提供数据，但某些场景需要某些事件。 如果标准字段组中有任何可用事件，建议将其包含在架构中。 例如，如果要创建用于预测购买事件的客户人工智能模型，则拥有来自Commerce和网页详细信息字段组的数据会很有用。

要在Platform UI中查看字段组，请选择 架构 选项卡，然后选择 字段组 选项卡。

字段组 事件类型 XDM字段路径
商业详细信息 订单
  • commerce.order.purchaseID
  • productListItems.SKU
    • productListView
  • commerce.productListViews.value
  • productListItems.SKU
    • 结账
  • commerce.checkouts.value
  • productListItems.SKU
    • 购买
  • commerce.purchases.value
  • productListItems.SKU
    • productListRemovals
  • commerce.productListRemovals.value
  • productListItems.SKU
    • productListOpens
  • commerce.productListOpens.value
  • productListItems.SKU
    • 产品查看
  • commerce.productViews.value
  • productListItems.SKU
    • Web详细信息 webVisit web.webPageDetails.name
    webInteraction web.webInteraction.linkClicks.value
    应用程序详细信息 applicationClose
  • application.applicationCloses.value
  • application.name
    • applicationCrashes
  • application.crashes.value
  • application.name
    • applicationFeatureUsages
  • application.featureUsages.value
  • application.name
    • applicationFirstLaunches
  • application.firstLaunches.value
  • application.name
    • applicationInstall
  • application.installs.value
  • application.name
    • applicationLaunch
  • application.launches.value
  • application.name
    • applicationUpgrade
  • application.upgrades.value
  • application.name
    • 搜索详细信息 搜索 search.keywords

    此外，客户人工智能可以使用订阅数据构建更好的流失模型。 每个配置文件都需要使用订阅数据 订阅 数据类型格式。 大多数字段是可选的，但是，对于最佳流失模型，强烈建议您为尽可能多的字段提供数据，例如 startDate， endDate，以及任何其他相关详细信息。 请联系您的帐户团队以获取有关此功能的更多支持。

    添加自定义事件和配置文件属性

    如果您希望除默认信息之外还包含其他信息 标准事件字段 由Customer AI使用，您可以使用 自定义事件配置 以扩充模型使用的数据。

    何时使用自定义事件

    当在数据集选择步骤中选择的数据集包含 无 客户人工智能使用的默认事件字段的数量。 客户人工智能需要结果以外的至少一个用户行为事件的信息。

    自定义事件有助于：

    • 将领域知识或先前的专业知识整合到模型中。

    • 提高预测模型的质量。

    • 获得更多见解和解释。

    最适合自定义事件的是包含领域知识的数据，这些知识可以预测结果。 自定义事件的一些常规示例包括：

    • 注册帐户

    • 订阅新闻稿

    • 致电客户服务

    以下是一些特定于行业的自定义事件示例：

    行业 自定义事件
    零售 店内交易
    注册俱乐部卡
    剪辑移动设备优惠券。
    娱乐 购买季成员资格
    流视频。
    招待 餐厅预订
    购买会员积分。
    旅行 添加已知旅客信息购买英里。
    通信 升级/降级/取消计划。

    要选择自定义事件，必须表示用户启动的操作。 例如，“电子邮件发送”是由营销人员而不是用户启动的操作，因此不应将其用作自定义事件。

    历史数据

    客户人工智能需要历史数据来进行模型训练。 数据在系统中存在的所需持续时间由两个关键要素决定：结果窗口和合格群体。

    默认情况下，如果在应用程序配置期间未提供符合条件的群体定义，客户人工智能会查找过去45天内有活动的用户。 此外，根据预测的目标定义，客户人工智能需要至少500个符合条件和500个非符合条件的事件（总共1000个）。

    以下示例演示了如何使用一个简单的公式，该公式可帮助您确定所需的最小数据量。 如果拥有的数据多于最低要求，则模型可能会提供更准确的结果。 如果您的数据少于所需的最小值，则模型将失败，因为没有足够的数据进行模型训练。

    公式:

    要确定系统中现有数据所需的最短持续时间，请执行以下操作：

    • 创建功能所需的最少数据为30天。 将资格回顾时间范围与30天进行比较：

      • 如果资格回顾窗口大于30天，则数据要求=资格回顾窗口+结果窗口。

      • 否则，数据要求= 30天+结果窗口。

    **如果定义合格群体的条件不止一个，则合格回顾时间范围是最长的一个。

    注意

    30是符合条件的群体所需的最小天数。 如果未提供，则默认为45天。

    示例:

    • 您想要预测客户是否可能在接下来的30天内为过去60天内有某些Web活动的客户购买手表。

      • 资格回顾时间范围= 60天

      • 结果窗口= 30天

      • 所需数据= 60天+ 30天= 90天

    • 您要预测用户是否可能在未来7天内购买手表 不含 提供明确符合条件的群体。 在这种情况下，符合条件的群体将默认为“过去45天内有过活动的人”，并且结果时段为7天。

      • 资格回顾时间范围= 45天

      • 结果窗口= 7天

      • 所需数据= 45天+ 7天= 52天

    • 您希望预测客户是否可能在未来七天内为过去7天内有某些Web活动的客户购买手表。

      • 资格回顾时间范围= 7天

      • 创建功能所需的最少数据= 30天

      • 结果窗口= 7天

      • 所需数据= 30天+ 7天= 37天

    尽管客户人工智能要求数据在系统中存在的最短时间，但它也最适用于最近的数据。 通过使用更近期的行为数据，客户人工智能有可能对用户未来的行为产生更准确的预测。

    Customer AI输出数据

    客户人工智能为被认为符合条件的个人资料生成多个属性。 根据您配置的内容，可通过两种方式使用得分（输出）。 如果您拥有启用了实时客户配置文件的数据集，则可以从的实时客户配置文件中获取见解 区段生成器. 如果您没有启用配置文件的数据集，您可以 下载客户人工智能输出 数据湖上可用的数据集。

    您可以在Platform中找到输出数据集 数据集 工作区。 所有客户人工智能输出数据集都以名称开头 客户人工智能分数 — NAME_OF_APP. 同样，所有客户人工智能输出架构都以名称开头 客户人工智能架构 — Name_of_app.

    客户人工智能中输出数据集的名称

    下表描述了Customer AI输出中的各种属性：

    属性 描述
    得分 客户在定义的时间范围内实现预测目标的相对可能性。 这个值不应被视为概率百分比，而应被视为个体相对于总体群体的可能性。 该得分范围从0到100。
    概率 此属性是用户档案在定义的时间范围内实现预测目标的真实概率。 比较不同目标的输出时，建议考虑概率超过百分位数或分数。 在确定整个合格群体的平均概率时应始终使用概率，因为对于不频繁发生的事件，概率往往位于较低侧。 概率范围在0和1之间的值。
    百分位数 此值提供有关用户档案相对于其他类似评分的用户档案的性能信息。 例如，百分位数排名为99的客户档案流失率表明，该客户档案的流失风险高于所有其他已评分客户档案的99%。 百分位数的范围从1到100。
    倾向性类型 选定的倾向性类型。
    得分日期 评分发生的日期。
    影响因素 这些是个人资料可能会发生转化或流失的预测原因。 这些因素由以下属性组成：
    • 代码：对个人资料的预测得分产生积极影响的个人资料或行为属性。
    • 值：配置文件或行为属性的值。
    • 重要性：表示用户档案或行为属性对预测得分（低、中、高）的权重

    后续步骤

    准备好数据并确保所有凭据和架构都就绪后，请参阅 配置客户人工智能实例 指南，它将指导您完成创建客户人工智能实例的分步教程。

    在此页面上