Adobe Experience Platform kompletta exempelarbetsflöde

Adobe Experience Platform är det mest kraftfulla, flexibla och öppna systemet på marknaden för att bygga och hantera kompletta lösningar som ger en bättre kundupplevelse. Med Platform kan organisationer centralisera och standardisera kunddata och innehåll från alla system och tillämpa datavetenskap och maskininlärning för att dramatiskt förbättra utformningen och leveransen av avancerade, personaliserade upplevelser.

Platform bygger på RESTful-API:er och ger utvecklarna tillgång till systemets alla funktioner, vilket gör det enkelt att integrera företagslösningar med välbekanta verktyg. Med Platform kan ni få en helhetsbild av era kunder genom att inhämta era kunddata, segmentera data till de målgrupper ni vill ha och aktivera dessa målgrupper till en extern målgrupp. I följande självstudiekurs visas ett komplett arbetsflöde som visar alla steg från inmatning via källor till målgruppsaktivering via destinationer.

Experience Platform från början till slut

Komma igång

Detta kompletta arbetsflöde använder flera Adobe Experience Platform-tjänster. Nedan följer en lista över de tjänster som används i det här arbetsflödet med länkar till översikter över dem:

  • Experience Data Model (XDM): Det standardiserade ramverket som Platform organiserar kundupplevelsedata med. För att du ska kunna använda segmentering bör du se till att dina data är inmatade som profiler och händelser enligt bästa praxis för datamodellering.
  • Identity Service: Ger dig en heltäckande bild av dina kunder och deras beteende genom att skapa en bro mellan identiteter på olika enheter och system.
  • Källor: Experience Platform tillåter att data kan hämtas från olika källor samtidigt som du kan strukturera, etikettera och förbättra inkommande data med Platform-tjänster.
  • Segmentation Service: Segmentation Service gör att du kan dela in data som lagras i Experience Platform och som är relaterade till enskilda personer (till exempel kunder, potentiella kunder, användare eller organisationer) i mindre grupper.
  • Real-Time Customer Profile: Tillhandahåller en enhetlig konsumentprofil i realtid baserad på aggregerade data från flera källor.
  • Datauppsättningar: Konstruktionen för lagring och hantering av databeständighet i Experience Platform.
  • Destinationer: Destinationer är färdiga integreringar med vanliga program som möjliggör smidig aktivering av data från Platform för flerkanalskampanjer, e-postkampanjer, riktad reklam och många andra användningsfall.

Skapa ett XDM-schema

Innan du importerar data till Platform måste du först skapa ett XDM-schema som beskriver datastrukturen. När du importerar dina data i nästa steg mappas dina inkommande data till det här schemat. Om du vill veta mer om hur du skapar ett XDM-exempelschema kan du läsa självstudiekursen om hur du skapar ett schema med Schemaredigeraren.

Ovanstående självstudiekurs visar hur du anger identitetsfält för dina scheman. Ett identitetsfält representerar ett fält som kan användas för att identifiera en enskild person som är relaterad till en post- eller tidsseriehändelse. Identitetsfält är en viktig komponent i hur kundidentitetsdiagram skapas i Platform, som i slutändan påverkar hur kundprofilen i realtid sammanfogar olika datablad för att få en fullständig bild av kunden. Mer information om hur du visar identitetsdiagram i plattformar finns i självstudiekursen om hur du använder identitetsdiagramvisningsprogrammet.

Du måste aktivera ditt schema för användning i kundprofilen i realtid så att kundprofiler kan skapas utifrån data som baseras på ditt schema. Mer information finns i avsnittet Aktivera ett schema för profilen i gränssnittsguiden för scheman.

Infoga data i plattformen

När du har skapat ett XDM-schema kan du börja föra in data i systemet.

Alla data som hämtas till Platform lagras på enskilda datauppsättningar vid intag. En datauppsättning är en samling dataposter som mappar till ett specifikt XDM-schema. Innan dina data kan användas av Real-Time Customer Profile måste den aktuella datauppsättningen konfigureras specifikt. Fullständiga anvisningar om hur du aktiverar en datauppsättning för profilen finns i användargränssnittsguiden för datauppsättningar och API-självstudiekursen för datauppsättningskonfiguration. När datauppsättningen har konfigurerats kan du börja inhämta data i den.

Plattformen gör det möjligt att importera data från externa källor samtidigt som du får möjlighet att strukturera, märka och förbättra inkommande data med hjälp av plattformstjänster. Du kan importera data från en mängd olika källor, till exempel Adobe-program, molnbaserade lager, databaser och många andra. Du kan till exempel importera dina data med Amazon S3. En fullständig lista över tillgängliga källor finns i källanslutningsöversikten.

Om du använder Amazon S3 som källanslutning kan du följa instruktionerna i antingen API-självstudiekursen om att skapa en Amazon S3-anslutning eller användargränssnittet om att skapa en Amazon S3-anslutning för att lära dig hur du skapar, ansluter till och importerar data i anslutningen.

Mer detaljerad information om källanslutningar finns i översikten över källanslutningar. Om du vill veta mer om Flow Service, det API som källorna baseras på, kan du läsa API-referensen för Flow Service.

När data hämtas till Platform via källkopplingen och lagras i din profilaktiverade datauppsättning skapas kundprofiler automatiskt baserat på de identitetsdata som du konfigurerade i XDM-schemat.

När du överför data till en ny datauppsättning för första gången, eller när du konfigurerar en ny ETL-process eller datakälla, bör du noggrant kontrollera data för att se till att de har överförts korrekt och att de genererade profilerna innehåller de data du förväntar dig. Mer information om hur du får åtkomst till kundprofiler i plattformsgränssnittet finns i Användargränssnittsguiden för kundprofil i realtid. Mer information om hur du får åtkomst till profiler med Real-Time Customer Profile API finns i guiden om att använda entitetsslutpunkten.

Utvärdera era data

När du har genererat profiler från dina inkapslade data kan du utvärdera dina data genom att använda segmentering. Segmentering är processen att definiera specifika attribut eller beteenden som delas av en delmängd av individer från din profilbutik, för att särskilja en marknadsföringsbar grupp av människor från din kundbas. Läs segmenteringstjänstens översikt om du vill veta mer om segmentering.

Skapa en segmentdefinition

För att komma igång måste ni skapa en segmentdefinition för att klustra era kunder och skapa målgrupper. En segmentdefinition är en samling regler som du kan använda för att definiera målgruppen. Om du vill skapa en segmentdefinition följer du instruktionerna i användargränssnittsguiden om hur du använder Segment Builder eller API-självstudiekursen om hur du skapar ett segment.

När du har skapat en segmentdefinition måste du tänka på segmentdefinitions-ID:t.

Utvärdera din segmentdefinition

När du har skapat segmentdefinitionen kan du antingen skapa ett segmentjobb för att utvärdera segmentet som en engångsinstans eller skapa ett schema för att utvärdera segmentet kontinuerligt.

Om du vill utvärdera en segmentdefinition vid behov kan du skapa ett segmentjobb. Ett segmentjobb är en asynkron process som skapar ett nytt målgruppssegment baserat på den refererade segmentdefinitionen och sammanfogningsprinciperna. En sammanfogningspolicy är en uppsättning regler som Platform använder för att avgöra vilka data som ska användas för att skapa kundprofiler och vilka data som ska prioriteras när det finns skillnader mellan olika källor. Mer information om hur du arbetar med sammanfogningsprinciper finns i användargränssnittshandboken för sammanfogningsprinciper.

När segmentjobbet har skapats och utvärderats kan du få information om segmentet, t.ex. storlek på målgruppen eller fel som kan ha uppstått under bearbetningen. Läs Utvecklarhandboken för segmentjobb om du vill lära dig hur du skapar ett segmentjobb, inklusive all information du behöver ange.

Om du vill utvärdera en segmentdefinition kontinuerligt kan du skapa och aktivera ett schema. Ett schema är ett verktyg som kan användas för att automatiskt köra ett segmentjobb en gång om dagen vid en viss tidpunkt. Om du vill lära dig hur du skapar och aktiverar ett schema kan du följa instruktionerna i API-guiden för slutpunkten för scheman.

Exportera utvärderade data

När du har skapat ett engångssegmentjobb eller ett pågående schema kan du antingen skapa ett segmentexportjobb för att exportera resultaten till en datauppsättning eller exportera resultaten till ett mål. I följande avsnitt finns vägledning om båda dessa alternativ.

Exportera utvärderade data till en datauppsättning

När du har skapat ett engångssegmentjobb eller ett pågående schema kan du exportera resultatet genom att skapa ett segmentexportjobb. Ett segmentexportjobb är en asynkron uppgift som skickar information om den utvärderade målgruppen till en datauppsättning.

Innan du skapar ett exportjobb måste du först skapa en datauppsättning att exportera data till. Om du vill lära dig hur du skapar en datauppsättning läser du avsnittet skapa en måldatauppsättning i självstudiekursen om hur du utvärderar ett segment, så att du kan vara säker på att du antecknar datauppsättnings-ID:t när det har skapats. När du har skapat en datauppsättning kan du skapa ett exportjobb. Om du vill lära dig hur du skapar ett exportjobb kan du följa instruktionerna i API-guiden för slutpunkten för exportjobb.

Exportera utvärderade data till ett mål

När du har skapat ett engångssegmentjobb eller ett pågående schema kan du också exportera resultatet till ett mål. Ett mål är en slutpunkt, till exempel ett Adobe-program på en extern tjänst, där en målgrupp kan aktiveras och levereras. En fullständig lista över tillgängliga mål finns i målkatalogen.

Instruktioner om hur du aktiverar data för batch- eller e-postmarknadsföringsmål finns i självstudiekursen om hur du aktiverar målgruppsdata för batchprofilexportmål med hjälp av användargränssnittetför plattformen och handboken om hur du ansluter till batchdestinationer och aktiverar data med API:t för Flow Service.

Övervaka plattformsdataaktiviteter

Med Platform kan ni spåra hur data bearbetas med hjälp av dataflöden, vilket är en representation av jobb som flyttar data mellan plattformens olika komponenter. Dessa dataflöden är konfigurerade för olika tjänster, vilket hjälper dig att flytta data från källanslutningar till måldatauppsättningar, där de sedan används av Identity Service och Real-Time Customer Profile innan de aktiveras till mål. Kontrollpanelen ger dig en visuell representation av resan för ett dataflöde. Om du vill lära dig hur du övervakar dataflöden i plattformsgränssnittet läser du självstudiekurserna Övervaka dataflöden för källor och övervaka dataflöden för mål.

Du kan också övervaka plattformsaktiviteter genom att använda statistiska mått och händelsemeddelanden med Observability Insights. Du kan prenumerera på varningsmeddelanden via plattformsgränssnittet eller skicka dem till en konfigurerad webkrok. Mer information om hur du visar, aktiverar, inaktiverar och prenumererar på tillgängliga aviseringar från användargränssnittet i Experience Platform finns i Alerts användargränssnittshandboken. Mer information om hur du tar emot aviseringar via webbhookar finns i guiden om att prenumerera på Adobe I/O-händelsemeddelanden.

Nästa steg

Genom att läsa den här självstudiekursen har du fått en grundläggande introduktion till ett enkelt helhetsflöde för Platform. Läs plattformsöversikt om du vill veta mer om Adobe Experience Platform. Om du vill veta mer om hur du använder användargränssnittet för plattformen och API:t för plattformen läser du användargränssnittshandboken för plattformen respektive API-handboken för plattformen.

recommendation-more-help
5741548a-2e07-44b3-9157-9c181502d0c5