적합한 장기 개인화 접근 방식 선택
장기 개인화는 6개월, 1년 또는 그 이상 연장되는 고객 행동을 기반으로 실시간 경험을 맞춤화하는 것을 의미합니다. 프로필 스토어에 수년간 원시 이벤트 내역을 저장하지 않고 이러한 사용 사례를 지원할 수 있습니다. 분석 레이어에 자세한 내역을 유지하고, 여기에서 컴팩트한 신호를 도출하고, 활성화를 위해 해당 신호만 홍보합니다. 이 결정 안내서는 사용 가능한 접근 방식을 비교하여 아키텍처에 적합한 접근 방식을 선택하는 데 도움이 됩니다. 언제, 왜, 어떤 접근법을 사용해야 하는지 설명합니다. 구성 단계 및 SQL 구문은 연결된 제품 설명서를 참조하십시오.
이 안내서는 Experience Platform에서 장기적인 개인화 접근 방식을 평가하는 솔루션 설계자, 플랫폼 설계자 및 기술 의사 결정자를 위한 것입니다. 이는 프로필, 대상, 데이터 레이크 및 프로필 스토어에 익숙하다고 가정합니다.
장기 기록이 프로필 스토어에 속하지 않는 이유 customer-problem
많은 조직은 저장된 데이터가 더 나은 개인화를 생성한다는 가정 하에 프로필 스토어에 많은 양의 이전 이벤트 데이터를 축적합니다. 실제로 이렇게 하면 고객이 받는 경험을 개선하지 않고도 프로필 저장소 크기 및 총 데이터 볼륨 권한이 향상됩니다.
장기 개인화 사용 사례는 구매 주기가 길거나 고객 관계가 서서히 진화하는 산업에서 일반적입니다.
- 18개월 전에 저축 계좌를 개설하고 현재 모기지 상품을 연구하고 있는 한 금융 서비스 고객.
- 작년에 계절별 재고를 열람했지만 구매하지 않은 소매점 주인.
- 12개월간의 누적 활동을 반영하는 충성도 티어가 있는 항공사 상용 고객.
- 8개월 전 이탈했다가 그 이후 다시 돌아온 통신 고객이며, 이전 행동으로 인해 위험이 있는 것으로 확인됩니다.
각 경우에 관련 데이터가 기록되지만 개인화 순간이 실시간으로 발생해야 합니다. 문제는 조직이 이러한 순간을 지원하기 위해 모든 이벤트 수준 기록을 프로필 저장소에 직접 저장할 때 발생합니다.
프로필 저장소는 볼륨이 아닌 속도에 맞게 최적화되었으며, 보관하는 모든 레코드는 총 데이터 볼륨 권한에 포함됩니다. 12개월, 18개월 또는 24개월 이상의 원시 이벤트는 분석에 중요하지만 활성화를 지원하기 위해 프로필 스토어에 거주할 필요는 없습니다.
장기 개인화 사용 사례를 식별하는 방법 identify
다음 질문을 사용하여 조직에서 의도한 범위를 벗어나는 분석 수요를 프로필 저장소에 배치하는지 여부를 확인합니다. 두 가지 이상이 적용되는 경우 파생된 신호 아키텍처가 더 효율적으로 작동하는 장기 개인화 사용 사례가 있을 수 있습니다.
- 세분화 논리는 얼마나 오래 전에 표시됩니까? 30~90일 이상 “모든 시간” 논리 또는 전환 확인 기간으로 빌드된 대상은 강력한 신호입니다.
- 총 데이터 볼륨 사용 권한에 근접하거나 초과하고 있습니까? 이 경우 해당 볼륨 중 실시간 활성화에 거의 사용되지 않는 이전 이벤트 데이터의 양을 검사합니다.
- 프로필 데이터에 TTL(Time-to-Live)이 구성되어 있습니까? TTL 없음 또는 12개월 이상의 TTL은 원시 이벤트가 명확한 활성화 목적 없이 누적될 수 있음을 의미합니다.
- 구매 주기가 긴 업종입니까? 모기지, 보험, B2B 계약, 시즌 소매, 여행 보상 등은 모두 수개월 또는 수년에 걸쳐 진화하는 관계를 포함한다.
- Data Distiller 또는 Customer Journey Analytics 라이선스가 있지만 대상 만들기에 사용되지 않습니까? 이러한 도구는 현재 프로필 스토어에 요청한 분석 작업을 위해 설계되었습니다.
이러한 질문이 장기 개인화 패턴을 가리킨다면 다음 단계는 Experience Platform에서 각 데이터 유형이 속하는 위치를 이해하는 것입니다.
데이터가 저장되는 위치: 분석 및 참여 워크플로 workflows
Experience Platform은 서로 다른 워크플로우를 제공하는 두 개의 저장소에 데이터를 저장합니다. 각 데이터 세트를 지원하는 워크플로에 일치시키는 것은 효율적인 장기 개인화 아키텍처의 기초입니다.
안내 원칙은 원시 기록이 아닌 신호를 개인화하는 것입니다. 고객이 충성도 계층 멤버, 고가치 구매자 또는 위험 이탈자 자격을 얻는다는 것을 알기 위해 수년간 원시 행동 이벤트를 프로필 스토어에 저장할 필요가 없습니다. 분석 워크플로우의 내역 데이터에서 이러한 레이블을 계산하고 레이블(신호)만 프로필 저장소에 저장합니다. 원시 기록은 프로필 권한에 포함되지 않는 데이터 레이크에 유지됩니다.
권장 아키텍처 architecture
권장되는 아키텍처는 장기 스토리지와 실시간 활성화를 구분합니다.
- 고객 이벤트 데이터가 데이터 레이크에 누적됩니다. 웹, 앱, 구매, 충성도 및 오프라인 레코드는 프로필 권한에 기여하지 않고 완전한 내역 깊이로 유지됩니다.
- 분석 워크플로에서 신호를 도출합니다. 쿼리 또는 분석은 수개월 또는 수년의 기록을 충성도 계층, 이탈 위험 점수, 라이프타임 값 순위 또는 적격 대상과 같은 컴팩트한 출력으로 변환합니다.
- 신호가 프로필 저장소로 승격됩니다. 기본 이벤트 내역이 아닌 출력만 참여 워크플로우에 들어갑니다.
- Real-Time Customer Data Platform 및 Adobe Journey Optimizer이 신호를 통해 활성화됩니다. 활성화 층은 희박, 현재 데이터에 작동하고 밀리초로 응답합니다.
이 안내서의 접근 방식은 2단계와 3단계를 수행하는 다양한 방법입니다. 이 중에서 선택하기 전에 사용 사례에 실제로 Real-Time CDP 및 Adobe Journey Optimizer 이상의 분석 워크플로우가 필요한지 확인하십시오.
선택하기 전에: 장기적으로 필요한 사항이 있는지 확인합니다. qualifier
모든 조직에 분석 접근 방식이 필요한 것은 아닙니다. 모든 세그먼테이션 및 개인화 논리가 30~90일 동작 기간 내에 작동하고 현재 프로필 특성과 프로필 저장소의 최근 이벤트에 필요한 모든 내용이 포함되어 있는 경우 Real-Time CDP 및 Adobe Journey Optimizer만으로도 충분합니다. 추가적인 툴링이 필요하지 않으며 활성화는 프로필 스토어에서 직접 실행됩니다.
이 기준선은 시작점이며 네 번째 접근 방식이 아닙니다. 이 제한은 나머지 접근 방식이 추가 값을 제공하는 곳입니다. 세분화 로직이 30~90일 이상 연장되거나 개인화가 수개월 또는 수년의 기록에서 파생된 insight에 따라 달라지는 경우, 프로필 스토어에 해당 기록을 저장하면 결과가 개선되지 않고 총 데이터 볼륨이 증가합니다. 이전 섹션의 진단이 장기적인 필요성을 지적했다면 다음에 나오는 세 가지 접근 방식 중 하나를 선택하십시오.
빠른 선택기 quick-chooser
목표를 이미 알고 있는 경우 이 표를 사용하여 가능한 시작점을 찾은 다음 접근 방법 섹션 및 결정 안내서를 읽어 확인하십시오.
분석 접근 방식 선택 approaches
아래의 각 접근 방식은 무엇을 하는지, 언제 사용하는지, 강점과 한계를 기술하고 있다. 빠른 선택기가 가리킨 접근 방식으로 이동하거나 세 가지 모두 읽고 비교합니다.
Data Distiller data-distiller
SQL을 사용하여 규모에 맞게 데이터를 쿼리하고 변형하고 보강하려면 Data Distiller, Experience Platform 추가 기능을 사용하십시오. 장기적인 개인화를 위해 데이터 레이크에서 내역 이벤트 데이터를 읽고 변환 논리를 적용한 다음 결과 신호만 프로필 스토어에 기록합니다.
데이터 엔지니어는 SQL을 사용하여 변환 논리를 정의하고 로열티 계층 또는 이탈 점수와 같은 소형 출력인 파생된 데이터 세트를 생성합니다. 쿼리는 자동으로 새로 고침되도록 예약되어 있으며 해당 신호만 프로필 저장소에 게시됩니다. Data Distiller은 먼저 파생된 특성을 만들지 않고 SQL🔗에서 직접 대상을 빌드 및 게시할 수도 있습니다.
- 충성도 및 이탈 점수, 라이프타임 값, 십분위수 및 백분위수 순위, RFM 모델 및 자동 반복 새로 고침에 대한 최적 항목:
- 장점:은(는) 수학적으로 정확한 출력을 생성하고 일정에 따라 자동으로 새로 고침하며 데이터 레이크에 원시 데이터를 유지합니다.
- 제한 사항:에는 SQL과 데이터 엔지니어가 필요합니다. 변환을 미리 정의해야 하므로 탐색적 분석에 적합하지 않다.
전체 작업 예제를 포함하여 이 방법을 구현하려면 Data Distiller을 사용한 장기 개인화를 참조하십시오.
Customer Journey Analytics customer-journey-analytics
여러 채널 및 시간에 따른 고객 행동을 분석하려면 Customer Journey Analytics을 사용하세요. 장기 개인화의 경우, 이전 여정을 탐색하기 위한 시각적인 비코드 환경과 결과 대상을 프로필 스토어로 승격하기 위한 직접 경로(대상 게시)를 제공합니다.
Customer Journey Analytics에서 분석한 내역 데이터는 프로필 스토어에 대해 활성화할 필요가 없으므로, 총 데이터 볼륨 자격에 계산되지 않고 몇 개월 또는 몇 년간의 이벤트 기록이 여기에 상주할 수 있습니다.
분석가는 모든 시간 영역에서 시각적으로 여정을 탐색하고, 행동 기준을 대상에 결합하고, 프로필 스토어에 게시합니다. 여기서 Real-Time CDP 및 Adobe Journey Optimizer에서 사용할 수 있습니다. 대상자는 캠페인에 대해 한 번 게시되거나 자동으로 새로 고쳐질 수 있습니다.
- 최적 대상:탐색, 다중 채널 여정 분석, 재참여 캠페인 및 특정 이벤트에 연결된 일회성 대상을 통해 검색되었습니다.
- 장점: SQL 없이 분석가 및 마케터를 위한 셀프 서비스입니다. 탐구-우선, 대상 정의가 데이터에서 나타날 수 있습니다. 몇 분 내에 활성화에 게시합니다.
- 제한 사항: 출력은 모든 프로필에 다시 기록된 계산된 특성이 아닌 대상 멤버십입니다. 필터 기반 정밀도는 정확하지 않고 근사적입니다.
페더레이션된 대상자 컴포지션 federated-audience-composition
기본 데이터를 Experience Platform으로 이동하지 않고 외부 Enterprise Data Warehouse의 데이터에서 직접 대상을 만들고 자격을 부여하려면 페더레이션 대상 구성을 사용하십시오. 대상 정의는 코드 없는 구성 캔버스를 사용하여 웨어하우스 데이터에 적용되며, 결과 대상 멤버십만 활성화를 위해 Experience Platform으로 전송됩니다.
- 최적의 용도: 조직(예: Snowflake, Databricks, Google BigQuery 또는 Amazon Redshift 등 웨어하우스의 기록 시스템이며 전체 수집 프로젝트 없이 활성화하려는 조직)
- 장점: 기본 데이터가 웨어하우스를 떠나지 않으므로 거버넌스 및 주권 요구 사항을 충족합니다. 대규모 수집이 필요하지 않습니다.
- 제한 사항: 웨어하우스 연결 및 구성에 따라 다릅니다. 활성화는 대상자 멤버십으로 제한됩니다.
접근 방식 비교 comparison
다음 표에서는 세 가지 접근 방식을 비교합니다. Real-Time CDP 및 Adobe Journey Optimizer은 선택하기 전에에 설명된 대로 최신 데이터만 필요한 사용 사례의 기준선으로 유지됩니다.
사용할 방법 결정 decision-guide
빠른 선택기를 사용하여 시작점을 지정합니다. 다음 질문을 사용하여 뉘앙스나 결합된 사례를 해결하십시오.
수학적으로 정확한 출력이 필요하십니까? 사용 사례에서 정확한 등급(예: 계산된 지표별 상위 10% 고객 또는 8분위의 라이프타임 값)이 필요한 경우 데이터 Distiller 를 선택합니다. 계산을 미리 정확하게 정의할 수 없는 경우 Customer Journey Analytics부터 시작하십시오.
탐색을 시작하시겠습니까? 대상이 어떤 모습인지 아직 모르고 시각적으로 패턴을 발견하려는 경우 Customer Journey Analytics부터 시작하십시오. 패턴의 유효성을 검사하면 데이터 엔지니어는 정밀한 점수가 필요한 경우 데이터 Distiller에서 예약된 정밀한 점수 버전을 빌드할 수 있습니다.
재사용 가능한 프로필 특성이나 일회성 대상이 필요하십니까? Data Distiller은 점수나 계층과 같은 파생된 속성을 모든 프로필에 쓰고, 일정에 따라 자동으로 다시 계산할 수 있습니다. 많은 대상 및 여정에서 신호를 재사용할 수 있어야 할 때 사용합니다. Customer Journey Analytics은 대신 캠페인 대상 또는 엔지니어링 개입 없이 빌드된 여러 단계 여정 정의에 맞는 대상 멤버십을 게시합니다.
데이터 위치와 라이선스에서 허용되는 것은 무엇입니까? 이전 데이터가 외부 웨어하우스에 남아 있어야 하는 경우에는 Federated Audience Composition을 사용하십시오. 그렇지 않으면 라이센스가 부여된 도구 및 엔지니어링 지원 가용성에 따라 선택할 수 있습니다.
프로필 스토어를 기울이지 않음 keep-lean
올바른 접근 방식을 선택하면 새 내역 데이터가 프로필 저장소에서 제거됩니다. 이미 존재하는 것을 적극적으로 관리하는 것은 모든 배포에 대해 보완적이고 지속적인 관행입니다. 여기에서 이러한 지침을 반복하지 말고 전용 리소스를 사용하십시오.
- 라이선스 권한 모니터링, 수집 필터 및 데이터 세트 위생에 대해서는 데이터 관리 라이선스 권한 모범 사례를 참조하세요.
다음 단계 next-steps
장기 개인화에는 프로필 스토어에 수년간 원시 이벤트 데이터를 저장할 필요가 없습니다. 그 역사로부터 올바른 신호를 유도하고 그 신호만 실시간 활성화에 이용가능하게 해야 한다. 장기적인 요구 사항이 있는지 확인하고 아키텍처 및 팀에 맞는 접근 방식을 선택한 다음 연결된 제품 설명서에 따라 구현합니다.