15.数据科学工作区 — 汽车保险销售倾向

在本单元中，您将学习基本的数据科学概念，以及如何使用Adobe Experience Platform Data Science Workspace构建汽车保险销售倾向模型，计划模型以重新培训，并准备实时评分模型。

请观看此视频以了解价值、客户旅程和配置流程：

学习目标

在本单元中，您将……

  • 了解​MUTUAL365​实时机器学习用例
  • 了解如何使用Anaconda和本地JupyterLab实例与Adobe Experience Platform中的数据交互以构建ML模型
  • 了解如何通过创建菜谱来操作ML模型，然后对该菜谱进行培训和得分。
  • 了解如何将菜谱作为服务发布，以便进行反复的自动化培训。

先决条件

重要

本教程旨在促进特定研讨会格式。 它使用您可能无权访问的特定系统和帐户。 即使没有访问权限，我们认为您仍然可以通过阅读这些非常详细的内容来学习很多。 如果您是某个研讨会的参加者，并且需要您的访问凭据，请与Adobe代表联系，后者将为您提供所需的信息。

架构概述

请查看以下架构，其中重点介绍了本模块中将讨论和使用的组件。

架构概述

Business Context

MUTU365是典型的保险公司，拥有一个大型的线下经销商网络和一个拥有大量流量的网站。

MUTUAL365多年来一直在尝试个性化其数字通信，但是，如果您不知道自己与谁交谈，就很难实现个性化。 由于网站上的大多数流量来自未知的匿名用户，即只访问过网站一两次的匿名用户，因此MUTUAL365很难构建出深入的客户用户档案。

这些未知的匿名访客大多只来到网站，目标是：填写表格，然后向他们提供保险成本的概念，快速了解保险成本。

由于信息量有限，MUTUAL365很难优化任何类型的数字活动，这会导致潜在客户面临大量不相关且不一致的消息。

因此，MUTUAL365无法了解哪些客户是有趣的目标，哪些客户不是，他们无法优化其广告支出，也无法了解哪些渠道最适合与任何给定客户进行交互。

要使用的沙箱

对于本模块，请使用以下沙箱：--aepSandboxId--。

注意

不要忘记安装、配置和使用0.6 — 安装Experience League文档的Chrome扩展中引用的Chrome扩展

练习

15.1 MUTU365简介

了解如何使用MUTUAL365 Demo Brand以及如何演示实时ML使用案例。

15.2通过本地JupyterLab环境与Adobe Experience Platform中的数据交互

在您的本地计算机上安装Anaconda，以便您可以在您的本地计算机上运行Jupyter Notebooks，然后通过查询服务与Adobe Experience Platform中的数据交互。

15.3使用菜谱操作模型

通过创建菜谱，将您的模型在Adobe Experience Platform中运行。

15.4培训和评分您的菜谱

无需再次触摸代码，即可对您的菜谱进行培训和评分。

15.5将菜谱作为计划服务发布

选择您的最佳实验，然后以计划服务形式发布它，它将对客户及其经常性购买倾向进行评分。

摘要和优势

本模块的摘要和优势的概述。

常见问题解答

转到常见问题解答

注意

感谢您投入时间学习有关Adobe Experience Platform的所有知识。 如果您有疑问，希望分享对未来内容有建议的一般反馈，请直接与Wouter Van Geluwe联系，方法是向​vangeluw@adobe.com​发送电子邮件。

返回到所有模块

在此页面上