데이터 모델링을 위한 모범 사례

Experience Data Model (XDM)은 다운스트림 Adobe Experience Platform 서비스에서 사용할 일반적인 구조 및 정의를 제공하여 고객 경험 데이터를 표준화하는 핵심 프레임워크입니다. XDM 표준을 준수함으로써 모든 고객 경험 데이터를 일반적인 표현에 통합하여 고객 작업에서 중요한 통찰력을 얻고 고객 대상을 정의하고 개인화를 위해 고객 특성을 표현하는 데 사용할 수 있습니다.

XDM은 디자인으로 인해 매우 다재다능하고 사용자 정의가 가능하므로 스키마를 디자인할 때 데이터 모델링에 대한 모범 사례를 따르는 것이 중요합니다. 이 문서에서는 고객 경험 데이터를 XDM에 매핑할 때 수행해야 하는 주요 의사 결정 및 고려 사항을 다룹니다.

시작하기

이 안내서를 읽기 전에 XDM 시스템 개요에서 XDM과 Experience Platform 내 역할에 대한 높은 수준의 소개를 검토하십시오.

이 안내서는 스키마 디자인과 관련된 주요 고려 사항에만 중점을 두므로 이 안내서 전체에서 언급된 개별 스키마 요소에 대한 자세한 설명은 스키마 컴포지션의 기본 사항을 읽어 보는 것이 좋습니다.

모범 사례 요약 summary

Experience Platform에서 사용할 데이터 모델을 디자인하는 데 권장되는 접근 방식은 다음과 같이 요약할 수 있습니다.

비즈니스 사용 사례를 수행하는 데 필요한 적용 가능한 데이터 소스 식별과 관련된 단계는 조직마다 다릅니다. 이 문서의 나머지 부분에서는 데이터 원본을 식별한 후 ERD를 구성하고 구성하는 마지막 단계에 중점을 두고 있지만 다이어그램의 여러 구성 요소에 대한 설명은 데이터 원본 중 어느 부분을 Platform (으)로 마이그레이션해야 하는지 여부를 결정할 수 있습니다.

높은 수준의 ERD 만들기 create-an-erd

Platform에 가져올 데이터 소스가 결정되면 데이터를 XDM 스키마에 매핑하는 프로세스를 안내하는 데 도움이 되는 높은 수준의 ERD를 만드십시오.

아래 예제는 데이터를 Platform (으)로 가져오려는 회사의 간소화된 ERD를 나타냅니다. 다이어그램은 고객 계정, 호텔, 주소 및 몇 가지 일반적인 전자 상거래 이벤트를 포함하여 XDM 클래스로 정렬해야 하는 필수 엔터티를 강조 표시합니다.

프로필, 조회 및 이벤트 카테고리로 엔티티 정렬 sort-entities

Platform (으)로 가져올 필수 엔터티를 식별하기 위해 ERD를 만들었으면 이러한 엔터티를 프로필, 조회 및 이벤트 범주로 정렬해야 합니다.

엔티티 정렬 고려 사항 considerations

아래 섹션에서는 엔티티를 위의 카테고리로 정렬하는 방법에 대한 추가 지침을 제공합니다.

변경 가능한 데이터 및 변경 불가능한 데이터 mutable-and-immutable-data

엔티티 카테고리 사이를 정렬하는 주요 방법은 캡처되는 데이터를 변경할 수 있는지 여부입니다.

프로필 또는 조회 엔티티에 속하는 속성은 일반적으로 변경할 수 있습니다. 예를 들어, 고객의 환경 설정은 시간이 지남에 따라 변경될 수 있으며, 구독 플랜의 매개 변수는 시장 트렌드에 따라 업데이트될 수 있습니다.

그와 대조적으로 이벤트 데이터는 일반적으로 변경할 수 없습니다. 이벤트가 특정 타임스탬프에 연결되므로 이벤트가 제공하는 "시스템 스냅샷"은 변경되지 않습니다. 예를 들어 이벤트는 장바구니를 체크아웃할 때 고객의 환경 설정을 캡처할 수 있으며, 나중에 고객의 환경 설정이 변경되더라도 변경되지 않습니다. 이벤트 데이터는 기록된 후에는 변경할 수 없습니다.

요약하면, 프로필 및 조회 엔티티는 변경 가능한 속성을 포함하며, 캡처 대상에 대한 최신 정보를 나타내는 반면 이벤트는 특정 시점의 시스템에 대한 변경 불가능한 레코드입니다.

고객 속성 customer-attributes

엔티티에 개별 고객과 관련된 속성이 포함된 경우 프로필 엔티티일 수 있습니다. 고객 속성의 예는 다음과 같습니다.

시간 경과에 따른 데이터 추적 track-data

엔티티 내의 특정 속성이 시간에 따라 어떻게 변경되는지 분석하려는 경우 이벤트 엔티티일 가능성이 높습니다. 예를 들어 장바구니에 제품 항목을 추가하는 작업은 Platform에서 장바구니에 추가 이벤트로 추적할 수 있습니다.

세그먼테이션 사용 사례 segmentation-use-cases

엔티티를 분류할 때 특정 비즈니스 사용 사례를 해결하기 위해 빌드할 수 있는 대상을 고려하는 것이 중요합니다.

예를 들어 한 회사는 작년에 5회 이상 구입한 고객 충성도 프로그램의 "골드" 또는 "플래티넘" 회원을 모두 알고 싶어합니다. 이러한 세분화 논리를 기반으로 관련 엔터티가 어떻게 표시되어야 하는지에 대해 다음과 같은 결론을 내릴 수 있습니다.

활성화 사용 사례 activation-use-cases

세분화 사용 사례에 대한 고려 사항 외에도 해당 대상에 대한 활성화 사용 사례를 검토하여 추가적인 관련 속성을 식별해야 합니다.

예를 들어 회사에서 country = US에 대한 규칙을 기반으로 대상을 빌드했습니다. 그런 다음 특정 다운스트림 타겟으로 해당 대상자를 활성화하면 회사는 홈 상태를 기반으로 내보낸 모든 프로필을 필터링하려고 합니다. 따라서 적용 가능한 프로필 엔터티에서도 state 특성을 캡처해야 합니다.

집계된 값 aggregated-values

데이터의 사용 사례 및 세부기간에 따라 프로필 또는 이벤트 엔티티에 포함되기 전에 특정 값을 미리 집계해야 하는지 여부를 결정해야 합니다.

예를 들어 회사에서 장바구니 구매 수를 기반으로 대상을 구축하려고 합니다. 각 타임스탬프가 지정된 구매 이벤트를 자체 엔터티로 포함하여 이 데이터를 가장 낮은 세부 기간으로 통합하도록 선택할 수 있습니다. 그러나 이로 인해 기록된 이벤트의 수가 기하급수적으로 증가할 수 있습니다. 수집된 이벤트의 수를 줄이려면 1주일 또는 1개월 동안 집계 값 numberOfPurchases을(를) 만들도록 선택할 수 있습니다. MIN 및 MAX과 같은 다른 집계 함수도 이러한 상황에 적용할 수 있습니다.

카디널리티 cardinality

ERD에 설정된 카디널리티는 또한 개체를 분류하는 방법에 대한 몇 가지 단서를 제공할 수 있습니다. 두 엔티티 간에 일대다 관계가 있는 경우 "다"를 나타내는 엔티티가 이벤트 엔티티일 가능성이 높습니다. 그러나 "다"가 프로필 엔티티 내에서 배열로 제공되는 조회 엔티티 세트인 경우도 있습니다.

다음 표에서는 몇 가지 일반적인 엔티티 관계와 그로부터 파생될 수 있는 범주를 간략하게 설명합니다.

다양한 엔티티 클래스의 장단점 pros-and-cons

이전 섹션에서는 엔티티를 분류하는 방법을 결정하는 몇 가지 일반적인 지침을 제공했지만, 종종 다른 엔티티 카테고리보다 한 엔티티 카테고리를 선택하는 데 장단점이 있을 수 있음을 이해하는 것이 중요합니다. 다음 사례 연구는 이러한 상황에서 옵션을 고려할 수 있는 방법을 설명하기 위한 것입니다.

회사는 한 고객이 많은 구독을 가질 수 있는 고객의 활성 구독을 추적합니다. 또한 회사는 활성 구독이 있는 모든 사용자 찾기와 같은 세분화 사용 사례에 대한 구독을 포함하려고 합니다.

이 시나리오에는 데이터 모델에서 고객의 구독을 나타내는 두 가지 잠재적인 옵션이 있습니다.

접근법 1: 프로필 속성 사용 profile-approach

첫 번째 접근 방식은 고객용 프로필 엔티티 내에 속성으로 구독 배열을 포함하는 것입니다. 이 배열의 개체에는 category, status, planName, startDate 및 endDate에 대한 필드가 포함됩니다.

장점

단점

접근법 2: 이벤트 엔티티 사용 event-approach

두 번째 접근 방식은 이벤트 스키마를 사용하여 구독을 나타내는 것입니다. 여기에는 구독 ID, 고객 ID 및 구독 이벤트가 발생한 시간의 타임스탬프를 추가하여 첫 번째 방법과 동일한 구독 필드를 수집해야 합니다.

장점

단점

분류된 엔터티를 기반으로 스키마 만들기 schemas-for-categorized-entities

엔티티를 프로필, 조회 및 이벤트 카테고리로 정렬했으면 데이터 모델을 XDM 스키마로 변환을 시작할 수 있습니다. 데모 목적으로 앞에 표시된 예제 데이터 모델은 다음 다이어그램에서 적절한 카테고리로 정렬되었습니다.

엔티티가 정렬되는 카테고리는 해당 스키마의 기반이 되는 XDM 클래스를 결정해야 합니다. 반복하려면:

아래 섹션에서는 ERD를 기반으로 스키마를 구성하는 일반적인 지침을 제공합니다.

반복적인 모델링 방식 채택 iterative-modeling

스키마 진화의 규칙은 스키마가 구현되면 비파괴적인 변경만 수행할 수 있음을 나타냅니다. 즉, 스키마에 필드를 추가하고 해당 필드에 대해 데이터가 수집되면 필드를 더 이상 제거할 수 없습니다. 따라서 시간이 지남에 따라 복잡성을 점진적으로 증가시키는 간소화된 구현부터 시작하여 스키마를 처음 만들 때 반복적인 모델링 접근 방식을 채택하는 것이 중요합니다.

스키마에 포함할 특정 필드가 필요한지 확실하지 않은 경우 제외하는 것이 좋습니다. 필드가 나중에 필요하다고 판단되면 항상 스키마의 다음 반복에 추가할 수 있습니다.

ID 필드 identity-fields

Experience Platform에서 ID로 표시된 XDM 필드는 여러 데이터 소스에서 온 개별 고객에 대한 정보를 결합하는 데 사용됩니다. 스키마에 ID로 표시된 필드가 여러 개 있을 수 있지만 Real-Time Customer Profile에서 사용할 수 있도록 스키마에 대해 하나의 기본 ID를 정의해야 합니다. 이러한 필드의 사용 사례에 대한 자세한 내용은 스키마 컴포지션 기본 사항의 ID 필드에 대한 섹션을 참조하십시오.

스키마를 디자인할 때 관계형 데이터베이스 테이블의 모든 기본 키는 기본 ID에 대한 후보일 수 있습니다. 적용 가능한 ID 필드의 다른 예로는 고객 이메일 주소, 전화번호, 계정 ID 및 ECID가 있습니다.

Adobe 응용 프로그램 스키마 필드 그룹 adobe-application-schema-field-groups

Experience Platform은 다음 Adobe 애플리케이션과 관련된 데이터를 캡처할 수 있도록 기본 제공되는 여러 XDM 스키마 필드 그룹을 제공합니다.

예를 들어 Adobe Analytics ExperienceEvent 템플릿 필드 그룹을 사용하여 Analytics별 필드를 XDM 스키마에 매핑할 수 있습니다. 작업 중인 Adobe 애플리케이션에 따라 스키마에서 이러한 Adobe 제공 필드 그룹을 사용해야 합니다.

Adobe 응용 프로그램 필드 그룹은 개별 고객의 표준 id 값을 매핑하는 시스템 생성 읽기 전용 개체인 identityMap 필드를 사용하여 기본 기본 id를 자동으로 할당합니다.

Adobe Analytics의 경우 ECID가 기본 기본 ID입니다. 고객이 ECID 값을 제공하지 않으면 기본 ID의 기본값이 AAID로 설정됩니다.

데이터 유효성 검사 필드 data-validation-fields

데이터를 데이터 레이크로 수집하면 제한된 필드에 대해서만 데이터 유효성 검사가 실행됩니다. 일괄 처리 수집 중에 특정 필드의 유효성을 검사하려면 필드를 XDM 스키마에서 제한된 것으로 표시해야 합니다. 잘못된 데이터가 플랫폼으로 수집되지 않도록 하려면 스키마를 생성할 때 필드 수준 유효성 검사에 대한 기준을 정의하는 것이 좋습니다.

특정 필드에 대한 제약 조건을 설정하려면 스키마 편집기에서 필드를 선택하여 필드 속성 사이드바를 엽니다. 사용 가능한 필드에 대한 정확한 설명은 유형별 필드 속성에 대한 설명서를 참조하십시오.

데이터 무결성을 유지하기 위한 팁 data-integrity-tips

다음은 스키마를 만들 때 데이터 무결성을 유지하기 위한 제안 사항입니다.

다음 단계

이 문서에서는 Experience Platform을 위한 데이터 모델을 설계하기 위한 일반 지침 및 모범 사례에 대해 다룹니다. 요약하려면:

준비가 되면 UI에서 스키마 만들기에 대한 자습서를 참조하여 스키마를 만들고, 엔터티에 적절한 클래스를 할당하고, 데이터를 매핑할 필드를 추가하는 방법에 대한 단계별 지침을 확인하십시오.