Retail branschdatamodell

Följande enhetsrelationsdiagram representerar en standardiserad datamodell för detaljhandeln. Den europeiska referensdosen presenteras avsiktligt på ett avnormaliserat sätt och med hänsyn till hur data lagras i Adobe Experience Platform.

NOTE
Den rekommenderade referensmetoden är en rekommendation för hur du ska modellera dina data för det här användningsexemplet. Om du vill använda den här datamodellen i Platform måste du själv skapa de rekommenderade scheman och deras relationer. Mer information finns i guiderna för att hantera scheman och relationer i användargränssnittet.

Använd följande förklaring för att tolka denna ERD:

  • Varje entitet som visas i är baserad på en underliggande XDM-klass (Experience Data Model).
  • För en given entitet representerar varje rad som är markerad med bold en fältgrupp eller en datatyp, med de relevanta fält som anges nedan i oformaterad text.
  • De viktigaste fälten för en viss enhet markeras med rött.
  • Alla egenskaper som kan användas för att identifiera enskilda kunder markeras som"identitet", med en av dessa egenskaper markerad som"primär identitet".
  • Enhetsrelationer markeras som icke-beroende eftersom cookie-baserade händelser ofta inte kan avgöra vem eller vilka personer som gjorde transaktionen.

NOTE
Experience Event-entiteten innehåller ett _ID-fält, som representerar det unika identifierarattributet (_id) som tillhandahålls av klassen XDM ExperienceEvent. Mer information om vad som förväntas för det här värdet finns i referensdokumentet på XDM ExperienceEvent.

Retail användningsfall

Följande tabell visar de rekommenderade klasserna och schemafältgrupperna för flera vanliga användningsfall.

Användningsfall
Rekommenderade klasser och fältgrupper
Kombinera online- och offlinedatakällor och matcha enhets- och online-/offlineidentitet för att tillhandahålla en helhetsbaserad rapportering för flerkanals- och enhetsövergripande attribuering.
Tillhandahåll målinriktade och personaliserade upplevelser för olika segment för att öka intäkterna och bidra till att stärka plattformen i flerkanalsmarknadsföring.
Analysera multitouch-attribuering för att förbättra marknadsföringens effektivitet.
Förbättra e-postrelevansen genom förbättrad segmentering mellan män och kvinnor.
Öka lojalitetsdata (partnerdata) för att öka relevant produktinformation över webben, e-post och digitala marknadsföringskanaler.
Återmarknadsför övergivna varukorgar via automatiserade och personaliserade e-postmeddelanden.
recommendation-more-help
62e9ffd9-1c74-4cef-8f47-0d00af32fc07