教程概述
架构概述
视频概述
测量完成
0 — 入门
- 概述
- 0.1使用“演示系统”旁边的“设置Adobe Experience Platform数据收集客户端属性”
- 0.2创建数据流
- 0.3创建您的启用配置ID
- 0.4使用网站
- 0.5使用移动设备应用程序
- 0.6安装适用于Experience League文档的Chrome扩展
1 - Adobe Experience Platform数据收集和Web SDK扩展
- 概述
- 1.1了解Adobe Experience Platform数据收集
- 1.2边缘网络、数据流和服务器端数据收集
- 1.3Adobe Experience Platform数据收集简介
- 1.4客户端Web数据收集
- 1.5实施Adobe Analytics和Adobe Audience Manager
- 1.6实施Adobe Target
- 1.7 Adobe Experience Platform中的XDM架构要求
- 摘要和优点
2 — 数据摄取
- 概述
- 2.1浏览网站
- 2.2配置架构和设置标识符
- 2.3配置数据集
- 2.4从离线源摄取数据
- 摘要和优点
3 — 实时客户资料
- 概述
- 3.1访问网站
- 3.2可视化您自己的实时客户用户档案 — UI
- 3.3可视化您自己的实时客户资料 — API
- 3.4创建区段 — UI
- 3.5创建区段 — API
- 3.6在呼叫中心查看您的实时客户资料
- 摘要和优点
4 — 语音助手 — Amazon Alexa
- 概述
- 4.1设置Amazon环境
- 4.2定义您的Alexa技能
- 4.3使用您的Alexa技能
- 4.4演示情景演练，现在包括Alexa
- 摘要和优点
5 - ETL工具
- 概述
- 5.1创建和配置您的Informatica帐户
- 5.2设置AWS S3存储段
- 5.3将信息连接到AWS S3存储段
- 5.4将离线订单事件摄取到Adobe Experience Platform
- 5.5将第二方和第三方数据摄取到Adobe Experience Platform
- 可选：在Windows上安装OpenSSL
- 摘要和优点
6 -Adobe Journey Optimizer:编排
- 概述
- 6.1创建事件
- 6.2创建电子邮件
- 6.3创建历程
- 6.4更新配置ID并测试历程
- 摘要和优点
7 — 查询服务
- 概述
- 7.0先决条件
- 7.1快速入门
- 7.2使用查询服务
- 7.3查询、查询、查询……和流失分析
- 7.4从查询生成数据集
- 7.5查询服务和Power BI
- 7.6查询服务和表格
- 7.7查询服务API
- 摘要和优点
8 — 数据科学工作区 — 基于热门程度的Recommendations
- 概述
- 8.1数据勘探与转换
- 8.2模型创作和操作化
- 8.3模型培训与实验
- 8.4评分和洞察使用情况
- 摘要和优点
9 — 使用Google Tag Manager和Google Analytics摄取数据
- 概述
- 9.0创建Google帐户
- 9.1创建Google标签管理器属性
- 9.2设置Google Analytics并将其链接到GTM
- 9.3配置GTM变量
- 9.4在Platform中检索数据集
- 9.5配置GTM标记和触发器
- 9.6发布GTM资产
- 9.7在Platform演示网站上实施GTM标记
- 9.8验证从网站向平台中摄取的数据
- 摘要和优点
10 — 智能服务
- 概述
- 10.1客户人工智能：数据准备（摄取）
- 10.2客户人工智能：创建新实例（配置）
- 10.3客户人工智能：评分功能板和分段（预测并采取行动）
- 摘要和优点
11 — 实时CDP — 构建一个区段并采取行动！
- 概述
- 11.1构建区段并启用流分段
- 11.2查看如何使用目标配置DV360目标
- 11.3采取行动：将区段发送到DV360
- 11.4采取行动：使用Adobe Audience Manager将区段发送到Google AdWords RLSA
- 11.5采取行动：将区段发送到S3目标
- 11.6采取行动：将区段发送到Adobe Target
- 摘要和优点
12 -Adobe Journey Optimizer:外部数据源和自定义操作
- 概述
- 12.1定义事件
- 12.2定义外部数据源
- 12.3定义自定义操作
- 12.4设计基于触发器的旅程
- 12.5触发您的历程
- 摘要和优点
13 -Customer Journey Analytics — 使用Adobe Experience Platform上的Analysis Workspace构建功能板
- 概述
- 13.1Customer Journey Analytics101
- 13.2在Customer Journey Analytics中连接Adobe Experience Platform数据集
- 13.3创建数据视图
- 13.4在Customer Journey Analytics中准备数据
- 13.5使用Customer Journey Analytics的可视化图表
- 摘要和优点
14 -Offer decisioning
- 概述
- 14.1Offer decisioning101
- 14.2配置选件和决策
- 14.3准备Adobe Experience Platform数据收集客户端属性和Web SDK设置以进行Offer decisioning
- 14.4使用演示网站测试您的决策
- 14.5使用API测试您的决策
- 14.6使用Journey Orchestration测试您的决策
- 摘要和优点
15 - Data Science Workspace — 汽车保险销售倾向
- 概述
- 15.1 MUTUAL365简介
- 15.2在本地JupyterLab环境中与Adobe Experience Platform中的数据交互
- 15.3使用方法操作模型
- 15.4训练和评分您的方法
- 15.5将方法作为计划服务发布
- 摘要和优点
- 常见问题解答
16 — 使用BigQuery Source Connector在Adobe Experience Platform中摄取并分析Google Analytics数据
- 概述
- 16.1创建您的Google Cloud Platform帐户
- 16.2在BigQuery中创建第一个查询
- 16.3将GCP和BigQuery连接到Adobe Experience Platform
- 16.4将数据从BigQuery加载到Adobe Experience Platform
- 16.5使用Google Analytics分析Customer Journey Analytics数据
- 摘要和优点
17 - Adobe Experience Platform和Microsoft Dynamics 365
- 概述
- 17.1创建Microsoft Dynamics 365帐户
- 17.2通过源连接器将Microsoft Dynamics 365连接到Adobe Experience Platform
- 17.3在Microsoft Dynamics 365中使用Adobe Journey Optimizer创建联系人并从Microsoft Dynamics导入数据
- 17.4更新Microsoft Dynamics 365中的联系人并自动触发旅程
- 摘要和优点
18 — 区段激活到Microsoft Azure事件中心
- 概述
- 18.0配置环境
- 18.1配置Microsoft Azure EventHub环境
- 18.2在Adobe Experience Platform中配置Azure事件中心目标
- 18.3创建流区段
- 18.4激活区段
- 18.5创建Microsoft Azure项目
- 18.6端到端方案
- 摘要和优点
19 - Adobe Experience Platform和ServiceNow:将服务连接到营销和销售
- 概述
- 19.1设置ServiceNow开发人员实例
- 19.2通过Adobe I/O安装和配置ServiceNow与Adobe Experience Platform之间的集成
- 19.3设置ServiceNow环境
- 19.4设置ServiceNow UI
- 19.5设置ServiceNow流程
- 19.6准备端到端演示
- 19.7端到端演示
- 摘要和优点
20 — 由Stackchat提供支持的AI驱动聊天应用程序和实时聊天
- 概述
- 20.1板载至Stackchat
- 20.2构建Luma机器人
- 20.3构建Luma机器人 — 云函数
- 20.4使用Journey Orchestration在与聊天机器人交互后触发电子邮件跟踪
- 20.5配置Stackchat与Adobe Experience Platform之间的集成
- 20.6在演示网站上测试您的聊天机器人
- 20.7将您的聊天机器人连接到Facebook Messenger
- 20.8测试微信集成
- 摘要和优点
21 -Adobe Experience Platform数据收集和实时事件转发与Adobe Experience Platform数据收集
- 概述
- 21.1创建Adobe Experience Platform数据收集事件转发属性
- 21.2更新数据流以使数据可用于Adobe Experience Platform数据收集服务器属性
- 21.3创建和配置自定义Webhook
- 21.4创建和配置Google云函数
- 21.5创建和配置Microsoft Azure函数
- 21.6测试数据收集并排除其故障
- 摘要和优点
22 — 使用Adobe I/O构建您自己的实时功能板 — 项目Firefly和Adobe Experience Platform
- 概述
- 22.1设置环境
- 22.2 Firefly项目简介
- 22.3构建EXP新闻实时仪表板
- 22.4将EXP新闻数据收集连接到EXP新闻实时仪表板
- 摘要和优点
23 - Adobe Journey Optimizer
- 概述
- 23.1Adobe Journey Optimizer导言：生成电子邮件
- 23.2配置基于触发器的历程 — 帐户创建
- 23.3配置基于触发器的历程 — 订单确认
- 23.4配置基于批量的新闻稿历程
- 23.5在电子邮件中应用个性化
- 23.6为iOS设置和使用推送通知
- 23.7创建业务事件历程
- 摘要和优点
24 — 将数据从Apache Kafka流式传输到Adobe Experience Platform
- 概述
- 24.1 Apache Kafka简介
- 24.2安装和配置Kafka群集
- 24.3在Adobe Experience Platform中配置HTTP API流端点
- 24.4安装和配置Kafka Connect和Adobe Experience Platform Sink连接器
- 摘要和优点

5.使用第三方ETL工具提取、转换、加载数据

作者：马里乌斯·谢哈蒂、沃特·范·格鲁韦、阿图尔·鲁特凯维奇(diva-e)

在本单元中，您将了解ETL应用程序在企业生态系统中的定位。任何品牌都在使用多种应用程序，从数据湖到分析解决方案，再到机器学习和许多特定于营销的应用程序。每个应用程序都使用不同的方式来描述和理解数据。在将Adobe Experience Platform引入您品牌的生态系统中时，您终于可以通过体验数据模型(XDM)用一种语言描述所有数据。将数据导入Adobe Experience Platform时，源数据模型需要转换为XDM格式。在Adobe Experience Platform用户界面中，通过工作流或源连接器在本机进行该操作的方法有很多。使用Informatica等ETL应用程序也将是该过程中的大帮助，因为Informatica已经构建了开箱即用的集成，您可以通过它轻松提取、转换数据并将数据加载到Adobe Experience Platform中。

学习目标

了解如何设置AWS S3存储桶
了解如何使用Informatica ETL
了解如何设置从Informatica到AWS S3存储桶的连接器
了解如何构建一个映射程序工作流，以提取数据、转换数据，并最终将数据加载到Adobe Experience Platform中的数据集

先决条件

访问 Adobe Experience Platform:https://experience.adobe.com/platform
访问Informatica ETL
访问AWS S3
下载以下资产:
- CSV文件

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

Luma Retail是一个时尚品牌，除了在线业务外，还在世界各地设有实体店。到目前为止，营销团队一直难以利用线下订单数据优化其在线体验。最近，他们引入了新的忠诚度项目，允许客户在使用忠诚度卡在店内购买时收集积分。营销团队会定期收到包含所有线下订单的平面文件。他们还记录了已加入忠诚度项目的所有客户。在Informatica的帮助下，我们将加入两个数据源，丰富结果，使其能够被摄取到Adobe Experience Platform中，然后利用离线订单事件水化用户档案。

Luma Retail还与调查公司建立了合作关系，同意分享他们最新的调查结果，内容涉及人们对设计师、颜色和品牌的偏好。卢玛零售还决定从Money Corp购买一些有关市场的人口统计数据，提供有关人们收入和信用评分的详细信息。 Luma Retail将这两个数据集结合在一起，旨在根据客户的偏好和收入，为客户目标更有意义的体验。