Bygg målgrupper med SQL

Använd SQL-målgruppstillägget för att bygga målgrupper med data från datasjön, inklusive befintliga dimensionsenheter (som kundattribut eller produktinformation).

Om du använder det här SQL-tillägget förbättras möjligheten att skapa målgrupper eftersom du inte behöver rådata i dina profiler när du definierar målgruppssegment. Publiker som skapas med den här metoden registreras automatiskt på arbetsytan för målgrupper, där du kan rikta dem ytterligare mot filbaserade mål.

Det här dokumentet beskriver hur du använder SQL-målgruppstillägget i Adobe Experience Platform Data Distiller för att skapa, hantera och publicera målgrupper med hjälp av SQL-kommandon.

Livscykel för att skapa målgrupper i Data Distiller audience-creation-lifecycle

Följ de här stegen för att skapa, hantera och aktivera era målgrupper. Skapade målgrupper integreras smidigt i 'målgruppsflödet' så att ni kan skapa segment från basmålgrupper och målfilsbaserade destinationer (till exempel CSV-överföringar eller molnlagringsplatser) för kundkontakt. 'Målgruppsflöde' avser hela processen att skapa, hantera och aktivera målgrupper och säkerställa en smidig integrering mellan olika destinationer.

Som en del av ditt målgruppsflöde använder du följande SQL-kommandon för att skapa, ändra och ta bort målgrupper i Adobe Experience Platform.

Skapa en målgrupp create-audience

Använd kommandot CREATE AUDIENCE AS SELECT för att definiera en ny målgrupp. Den skapade målgruppen sparas i en datauppsättning och registreras på arbetsytan Audiences under Data Distiller.

CREATE AUDIENCE table_name
WITH (primary_identity='IdentitycolName', identity_namespace='Namespace for the identity used', [schema='target_schema_title'])
AS (select_query)

Parametrar

Använd de här parametrarna för att definiera frågan för att skapa SQL-målgrupper:

Exempel:

I följande exempel visas hur du strukturerar frågan för att skapa en SQL-målgrupp:

CREATE Audience aud_test
WITH (primary_identity=userId, identity_namespace=lumaCrmId)
AS SELECT userId, orders, total_revenue, recency, frequency, monetization FROM profile_dim_customer;

I det här exemplet identifieras kolumnen userId som identitetskolumn och ett lämpligt namnutrymme (lumaCrmId) tilldelas. De återstående kolumnerna (orders, total_revenue, recency, frequency och monetization) är berikade attribut som ger ytterligare kontext för målgruppen.

Begränsningar:

Tänk på följande begränsningar när du använder SQL för att skapa målgrupper:

Lägga till profiler till en befintlig målgrupp add-profiles-to-audience

Använd kommandot INSERT INTO för att lägga till profiler (eller hela målgrupper) till en befintlig målgrupp.

INSERT INTO table_name
SELECT select_query

Parametrar

Tabellen nedan förklarar de parametrar som krävs för kommandot INSERT INTO:

Exempel:

I följande exempel visas hur du lägger till profiler till en befintlig publik med kommandot INSERT INTO:

INSERT INTO Audience aud_test
SELECT userId, orders, total_revenue, recency, frequency, monetization FROM customer_ds;

Ersätta målgruppsdata (INSERT OVERWRITE) replace-audience

Använd kommandot INSERT OVERWRITE INTO om du vill ersätta alla befintliga profiler i en målgrupp med resultatet av en ny SQL-fråga. Det här kommandot är användbart när du vill hantera dynamiska målgruppssegment genom att göra det möjligt att helt uppdatera en målgrupps innehåll i ett enda steg.

Till skillnad från INSERT INTO, som lägger till i den aktuella målgruppen, tar INSERT OVERWRITE INTO bort alla befintliga målgruppsmedlemmar och infogar bara de som returneras av frågan. Detta ger större kontroll och flexibilitet vid hantering av målgrupper som behöver uppdateras ofta eller som behöver uppdateras.

Använd följande syntaxmall för att skriva över en målgrupp med en ny uppsättning profiler:

INSERT OVERWRITE INTO audience_name
SELECT select_query

Parametrar

Tabellen nedan förklarar de parametrar som krävs för kommandot INSERT OVERWRITE INTO:

Exempel:

I det här exemplet skrivs målgruppen audience_monthly_refresh över fullständigt med resultatet av frågan. Alla profiler som inte returneras av frågan tas bort från målgruppen.

INSERT OVERWRITE INTO audience_monthly_refresh
SELECT user_id FROM latest_transaction_summary WHERE total_spend > 100;

Åsidosättningsbeteende i kundprofil i realtid

När du skriver över en målgrupp använder kundprofilen i realtid följande logik för att uppdatera profilmedlemskapet:

Detta säkerställer att målgruppsuppdateringarna återspeglas korrekt i system och arbetsflöden längre fram i kedjan.

Exempelscenario

Om en målgrupp A1 ursprungligen innehåller:

Överskrivningsfrågan returnerar:

Därefter kommer den uppdaterade publiken att innehålla:

Profil B tas bort, profil A uppdateras och profil C ändras inte.

Om överskrivningsfrågan innehåller en ny profil:

Då blir slutpubliken:

Exempel på publik i RFM-modell rfm-model-audience-example

I följande exempel visas hur du skapar en målgrupp med hjälp av modellen Recency, Frequency och Monetization (RFM). I det här exemplet segmenteras kunder baserat på deras senaste, frekventa och intäktsgenereringspoäng för att identifiera nyckelgrupper, som lojala kunder, nya kunder och värdefulla kunder.

Följande fråga skapar ett schema för RFM-målgruppen. Programsatsen ställer in fält för kundinformation som userId, days_since_last_purchase, orders, total_revenue och så vidare.

CREATE Audience adls_rfm_profile
WITH (primary_identity=userId, identity_namespace=lumaCrmId) AS
SELECT
    cast(NULL AS string) userId,
    cast(NULL AS integer) days_since_last_purchase,
    cast(NULL AS integer) orders,
    cast(NULL AS decimal(18,2)) total_revenue,
    cast(NULL AS integer) recency,
    cast(NULL AS integer) frequency,
    cast(NULL AS integer) monetization,
    cast(NULL AS string) rfm_model
WHERE false;

Fyll i målgruppen med kunddata och segmentera profilerna baserat på deras RFM-poäng. I SQL-satsen nedan används funktionen NTILE(4) för att rangordna kunder i kvartiler baserat på deras RFM-poäng (Recency, Frequency, Monetization). Dessa poäng kategoriserar kunderna i sex segment, t.ex."Core","Loyal" och"Whales". Den segmenterade kundinformationen infogas sedan i målgruppstabellen adls_rfm_profile."

INSERT INTO Audience adls_rfm_profile
SELECT
    userId,
    days_since_last_purchase,
    orders,
    total_revenue,
    recency,
    frequency,
    monetization,
    CASE
        WHEN Recency=1 AND Frequency=1 AND Monetization=1 THEN '1. Core - Your Best Customers'
        WHEN Recency IN(1,2,3,4) AND Frequency=1 AND Monetization IN (1,2,3,4) THEN '2. Loyal - Your Most Loyal Customers'
        WHEN Recency IN(1,2,3,4) AND Frequency IN (1,2,3,4) AND Monetization=1 THEN '3. Whales - Your Highest Paying Customers'
        WHEN Recency IN(1,2,3,4) AND Frequency IN(1,2,3) AND Monetization IN(2,3,4) THEN '4. Promising - Faithful Customers'
        WHEN Recency=1 AND Frequency=4 AND Monetization IN (1,2,3,4) THEN '5. Rookies - Your Newest Customers'
        WHEN Recency IN (2,3,4) AND Frequency=4 AND Monetization IN (1,2,3,4) THEN '6. Slipping - Once Loyal, Now Gone'
    END AS rfm_model
FROM (
    SELECT
        userId,
        days_since_last_purchase,
        orders,
        total_revenue,
        NTILE(4) OVER (ORDER BY days_since_last_purchase) AS recency,
        NTILE(4) OVER (ORDER BY orders DESC) AS frequency,
        NTILE(4) OVER (ORDER BY total_revenue DESC) AS monetization
    FROM (
        SELECT
            userid,
            DATEDIFF(current_date, MAX(purchase_date)) AS days_since_last_purchase,
            COUNT(purchaseid) AS orders,
            CAST(SUM(total_revenue) AS double) AS total_revenue
        FROM (
            SELECT DISTINCT
                ENDUSERIDS._EXPERIENCE.EMAILID.ID AS userid,
                commerce.`ORDER`.purchaseid AS purchaseid,
                commerce.`ORDER`.pricetotal AS total_revenue,
                TO_DATE(timestamp) AS purchase_date
            FROM sample_data_for_ootb_templates
            WHERE commerce.`ORDER`.purchaseid IS NOT NULL
        ) AS b
        GROUP BY userId
    )
);

Ta bort en målgrupp (DROP AUDIENCE) delete-audience

Använd kommandot DROP AUDIENCE om du vill ta bort en befintlig målgrupp. Om målgruppen inte finns inträffar ett undantag om inte IF EXISTS anges.

DROP AUDIENCE [IF EXISTS] [db_name.]table_name

Parametrar

Tabellen innehåller de parametrar som krävs för kommandot DROP AUDIENCE:

Exempel:

I följande exempel visas hur du tar bort en målgrupp med kommandot DROP AUDIENCE:

DROP AUDIENCE IF EXISTS aud_test;

Automatisk registrering och tillgänglighet registration-and-availability

Publiker som skapas med SQL-tillägget registreras automatiskt under Data Distiller Origin på målarbetsytan. När de väl har registrerats är dessa målgrupper tillgängliga för målgruppsanpassning på filbaserade destinationer, vilket förbättrar segmenterings- och målinriktningsstrategier. Denna process kräver ingen ytterligare konfiguration, vilket effektiviserar målgruppshanteringen. Mer information om hur du visar, hanterar och skapar målgrupper i användargränssnittet i Experience Platform finns i Översikt över målportalen.

Aktivera målgrupper för destinationer activate-audiences

Aktivera era målgrupper genom att rikta dem mot valfritt filbaserat mål, till exempel Amazon S3, SFTP eller Azure Blob. De berikade målgruppsattributen är tillgängliga för ytterligare finjustering och filtrering efter behov.

Förklara funktioner faqs

I det här avsnittet behandlas vanliga frågor om hur du skapar och hanterar externa målgrupper med hjälp av SQL i Data Distiller.

Frågor:

Nästa steg

När du har läst det här dokumentet har du lärt dig att använda SQL-målgruppstillägget i Data Distiller för att skapa, hantera och publicera målgrupper effektivt med hjälp av SQL-kommandon. Nu kan ni anpassa målgruppsdefinitioner baserat på era unika affärskrav och aktivera dem på olika destinationer, optimera era era marknadsföringsstrategier och datadrivna beslut.

Därefter kan du läsa följande dokumentation för att vidareutveckla och optimera dina Experience Platform strategier för målgruppshantering: