用于丰富个人资料的自定义数据科学Blueprint
用于丰富个人资料的自定义数据科学Blueprint说明了如何使用数据来训练、部署和评分模型，以便通过数据科学和机器学习工具提供对Experience Platform和Real-Time Customer Data Platform的机器学习见解。
模型化的见解可以引入Experience Platform以丰富实时客户档案。 机器学习洞察的示例包括存留期值评分、产品和类别亲和力、转化倾向或客户流失倾向。
用例
- 从客户数据中提取洞察并发现模式，利用此数据对模型进行训练和评分。
- 利用模型驱动的洞察和属性来丰富实时客户档案，以实现更精细的个性化并优化历程。
- 对模型进行训练和评分，以确定客户洞察，如客户存留期值、转化或参与倾向、产品和内容关联，以及参与分数。
架构
护栏
- 有关将数据科学结果摄取到Experience Platform和实时客户个人资料的详细护栏和端到端延迟，请参阅部署护栏文档中引用的数据摄取护栏和延迟图。
实施注意事项
- 在大多数情况下，模型结果应作为用户档案属性而不是体验事件进行摄入。模型结果可以是一个简单的属性字符串。如果要摄入多个模型结果，建议使用数组或映射类型字段。
- 每日用户档案快照数据集是统一用户档案属性数据的每日导出数据，可用于在用户档案属性数据基础上训练模型。可以在此处访问用户档案快照数据集文档。
相关文档
相关博客帖子
recommendation-more-help
045b7d44-713c-4708-a7a6-5dea7cc2546b