Data Distiller을 사용한 장기 개인화
장기 개인화는 몇 개월 또는 몇 년 전으로 연장되는 고객 행동을 사용하여 실시간 경험을 맞춤화합니다. Data Distiller을 사용하면 프로필 저장소 및 총 데이터 볼륨을(를) 유지하면서도 이러한 사용 사례를 효과적으로 지원할 수 있습니다. SQL을 사용하여 데이터 레이크의 전체 기록에서 압축된 신호를 계산한 다음 활성화를 위해 해당 신호만 실시간 고객 프로필에 게시합니다. 신호는 점수, 계층, 등급 또는 대상자 멤버십과 같은 SQL 변환의 출력입니다. 이 안내서에서는 해당 패턴을 구현하는 방법을 보여 줍니다.
이 안내서는 솔루션을 구축하는 데이터 엔지니어, 솔루션 설계자 및 기술 구현자를 위한 것입니다. Experience Platform 기본 사항 및 SQL에 익숙하다고 가정합니다.
작동 방식 how-it-works
장기 개인화를 위한 데이터 Distiller 워크플로우는 파생 및 홍보 패턴을 따릅니다. 내역 이벤트는 데이터 레이크에 유지되고 계산된 출력만 프로필 저장소로 홍보됩니다. 아래의 각 단계는 자세한 제품 설명서에 연결됩니다.
필수 구성 요소: Data Distiller에서 쿼리하려면 이전 이벤트 데이터가 이미 Experience Platform에 수집되고데이터 레이크에서 사용 가능해야 합니다. 데이터 Distiller은 데이터 레이크의 데이터를 쿼리합니다. 데이터 자체를 수집하지 않습니다.
아래 단계는 파생된 속성 패턴을 보여 줍니다. 직접 SQL 대상 패턴은 동일한 계산 및 새로 고침 접근 방식을 사용하지만 신호를 전달하는 두 가지 방법에서 설명한 대로 재사용 가능한 프로필 특성 대신 대상 멤버십을 게시합니다.
- 데이터 레이크의 이전 데이터에 액세스합니다. 모든 이벤트 기록(웹, 앱, 구매 및 충성도 데이터)은 프로필 권한에 따라 계산되지 않고 전체 수준에서 쿼리에 사용할 수 있습니다.
- 변환 쿼리를 작성합니다. 데이터 엔지니어는 신호를 정의하는 SQL 쿼리(예: 충성도 계층에 매핑된 지난 12개월 동안의 총 활동)를 작성합니다. 쿼리 편집기 사용 안내서 및 매개 변수가 있는 쿼리를 참조하세요.
- 파생 데이터 집합을 생성합니다. 쿼리를 실행하여 계산된 신호만 포함하는 고객당 하나의 행으로 파생된 데이터 세트를 만듭니다. 파생 데이터 세트를 참조하십시오.
- 새로 고침을 예약합니다. 쿼리를 저장하고 케이던스(일별, 주별 또는 사용 사례에 필요한 경우)에서 실행되도록 설정하여 신호가 항상 최신 창을 반영하도록 합니다. 쿼리 일정을 참조하세요.
- 프로필 저장소에 게시합니다. 파생된 데이터 세트는 게시될 때까지 데이터 레이크에 유지됩니다. 게시하면 계산된 출력이 실시간 고객 프로필로 승격됩니다. 여기서 세그먼트 빌더에서 대상을 빌드할 수 있습니다. 여기에서 Real-Time Customer Data Platform 대상 또는 Adobe Journey Optimizer 여정을 통해 해당 대상을 활성화합니다.
신호를 전달하는 두 가지 방법 output-patterns
모든 프로필을 보강할지 또는 특정 대상을 타기팅해야 하는지에 따라 두 가지 방법으로 프로필 스토어에 신호를 전달할 수 있습니다.
- 파생 특성. 점수 또는 계층과 같은 값을 계산하고 모든 고객 프로필에 기록하여 많은 대상 및 여정에서 재사용할 수 있습니다. 지속적인 프로필 보강에 사용하십시오. 파생 데이터 세트를 참조하십시오.
- 직접 SQL 대상. 먼저 파생된 특성을 만들지 않고 SQL에서 직접 대상자 멤버십을 빌드하고 게시합니다. 모든 프로필을 보강할 필요가 없는 경우 타겟팅된 캠페인 대상자에게 사용하십시오. SQL을 사용하여 대상 빌드를 참조하십시오.
데이터 Distiller 적합 확인 when-to-use
이 안내서에서는 데이터 Distiller을 선택한 접근 방식으로 간주합니다. 장기 개인화 사용 사례가 다음에 대해 호출될 때 적합합니다.
- 수학적으로 정확한 출력입니다. 전체 내역 데이터 세트에서 정확한 십분위수, 백분위수 및 등급 점수.
- 모든 프로필의 파생 특성
loyalty_tier또는churn_risk_score과(와) 같은 계산된 값이 각 고객 프로필에 다시 기록되고 모든 다운스트림 대상 및 여정에서 재사용할 수 있습니다. - 자동, 예약된 새로 고침 설정 후 수동 개입 없이 고정 케이던스로 다시 계산되는 신호.
- 반복 가능하고 잘 정의된 변환입니다. SQL에서 계산을 미리 정의할 수 있는 사용 사례입니다.
데이터 Distiller은 데이터 엔지니어 및 SQL 분석가가 사용합니다. 신호가 게시되면 마케터와 캠페인 관리자는 기술 지식 없이도 세그먼트 빌더 및 Adobe Journey Optimizer에서 신호를 사용할 수 있습니다.
사용 사례: 항공사 충성도 십분위수 점수 책정 example
Experience Platform에 2년간의 비행 거래 이벤트를 저장하고, 프로필 스토어에 해당 이벤트를 모두 보관하여 총 데이터 양을 늘리지 않고 자주 사용하는 항공사의 상위 10%에게 좌석 업그레이드를 제공하려는 항공사를 고려하십시오.
데이터 Distiller을 사용하여 데이터 엔지니어는 데이터 레이크에서 지난 12개월 동안의 비행 트랜잭션을 쿼리하고, 충성도 멤버를 총 비행 마일 수 기준으로 십분위수로 분류하고, 고객별로 파생된 단일 속성(10분위수 순위 및 계층 레이블)을 기록합니다. 쿼리를 주별로 새로 고치도록 예약하고 파생된 속성만 프로필 스토어에 게시합니다. 그런 다음 마케터는 Adobe Journey Optimizer에서 “10진수” 대상을 만들고 업그레이드 오퍼를 활성화합니다.
이 시나리오에 대한 전체 단계별 SQL 연습은 십분위수 기반 파생 데이터 세트 만들기를 참조하십시오.
계산할 일반적인 신호 common-signals
Data Distiller을 사용하여 긴 기록의 출력과 같은 예제 출력을 계산합니다.
- 상위 10%의 구매자 또는 가장 많이 소비하는 집단과 같은 순위 기반 대상
- 고객 라이프타임 값 및 최신성-빈도-통화(RFM) 모델
- 이탈 위험 점수
- 성향 점수 및 제품 선호도
프로필 스토어를 기울이지 않음 keep-lean
Data Distiller을 사용하여 신호를 도출하면 프로필 저장소에서 새 내역 데이터가 유지됩니다. 라이선스 권한 모니터링, 수집 필터 및 데이터 세트 위생 기능을 통해 이미 있는 데이터를 관리하려면 데이터 관리 라이선스 권한 모범 사례를 참조하세요.
다음 단계 next-steps
다음 리소스를 사용하여 솔루션을 구현하고 확장하십시오.