Ciencia de datos personalizada para modelo de enriquecimiento de perfil
El modelo de enriquecimiento de perfil de ciencia de datos personalizada ilustra cómo se pueden usar los datos para entrenar, implementar y puntuar modelos para proporcionar perspectivas de aprendizaje automático de Experience Platform y Real-Time Customer Data Platform desde la ciencia de datos y las herramientas de aprendizaje automático.
Las perspectivas modeladas se pueden ingerir en Experience Platform para enriquecer el perfil del cliente en tiempo real. Algunos ejemplos de datos recogidos por el aprendizaje informático incluyen calificación de valor de duración, afinidad de categoría y producto o tendencia a la conversión o cancelación.
Casos de uso
- Extraiga información y descubra patrones de datos de clientes. A continuación, entrene y califique modelos a partir de estos datos.
- Enriquecer Real-Time Customer Profile con datos y atributos según modelo para una personalización más granular y una optimización mejorada de recorrido.
- Entrenar y calificar modelos para determinar datos del cliente tales como el valor de tiempo de vida del cliente, la tendencia a la conversión o cancelación, la afinidad de contenido y producto, y la calificación de participación.
Arquitectura
Guardas
- Para obtener protecciones detalladas y latencias de extremo a extremo sobre la ingesta de resultados de ciencia de datos en Experience Platform y el perfil del cliente en tiempo real, consulte las protecciones de ingesta de datos y el diagrama de latencia a los que se hace referencia en el documento de protecciones de implementación.
Consideraciones sobre la implementación
- En la mayoría de los casos, los resultados del modelo deben ingerirse como atributos de perfil y no como eventos de experiencia. Los resultados del modelo pueden ser una simple cadena de atributos. Si se van a ingerir varios resultados de modelo, se recomienda utilizar un campo de tipo matriz o mapa.
- El conjunto de datos de instantáneas de perfil diarias, que es una exportación diaria de los datos unificados de atributos de perfil, se puede aprovechar para entrenar modelos con datos de atributos de perfil. Puede acceder a la documentación del conjunto de datos de instantáneas de perfil aquí.
Documentación relacionada
Entradas relacionadas en el blog
- IA para contenido y comercio: personalizar las interacciones con el cliente a través de la inteligencia de contenido
- Introducción al análisis exploratorio de datos en Adobe Experience Platform
- Atajar productos de Adobe Experience con el aprendizaje automático para conseguir una mejor experiencia del usuario
- Segmentation.AI: Automated Audience-Clustering-as-a-Service en Adobe Experience Platform
recommendation-more-help
045b7d44-713c-4708-a7a6-5dea7cc2546b