使用Data Distiller实现长期个性化
长期个性化使用可追溯数月或数年的客户行为定制实时体验。 借助Data Distiller，您可以有效地支持这些用例，同时保持您的配置文件存储和总数据量的精简：您使用SQL从数据湖的完整历史记录中计算压缩信号，然后仅将该信号发布到实时客户配置文件以供激活。 信号是SQL转换的输出，如分数、层级、排名或受众成员资格。 本指南将演示如何实施该模式。
本指南面向数据工程师、解决方案架构师和构建解决方案的技术实施人员。 它假定您熟悉Experience Platform的基础知识和SQL。
工作原理 how-it-works
用于长期个性化的Data Distiller工作流遵循派生和提升模式：历史事件保留在数据湖中，只有计算的输出才会提升到配置文件存储中。 以下每个步骤均链接到详细的产品文档。
先决条件：您的历史事件数据必须已摄取到Experience Platform并在数据湖中可用，Data Distiller才能查询它。 数据Distiller在数据湖中查询数据。 它本身不会摄取数据。
以下步骤说明了派生属性模式。 直接SQL受众模式使用相同的计算和刷新方法，但发布受众成员资格，而不是可重用的配置文件属性，如传递信号的两种方式中所述。
- 访问数据湖中的历史数据。 您的所有事件历史记录（Web、应用程序、购买和忠诚度数据）都可以完全查询，而无需计入您的个人资料权限。
- 写入转换查询。 数据工程师编写了一个SQL查询来定义信号，例如过去12个月映射到忠诚度级别的总活动。 请参阅查询编辑器用户指南和参数化查询。
- 生成派生的数据集。 运行查询以创建派生的数据集，每个客户有一行，仅包含计算的信号。 查看派生的数据集。
- 计划刷新。 保存查询并将其设置为按频率（每天、每周或根据用例要求）运行，以便信号始终反映最新窗口。 查看查询计划。
- 发布到配置文件存储区。 在发布之前，派生的数据集将保留在数据湖中。 发布会将计算输出提升到实时客户个人资料中，在区段生成器中可用于构建受众。 从该位置，您可以通过Real-Time Customer Data Platform目标或Adobe Journey Optimizer历程激活这些受众。
传递信号的两种方式 output-patterns
您可以通过两种方式将信号传递到配置文件存储区，具体取决于您需要扩充每个配置文件还是定向特定受众。
确认Data Distiller适合 when-to-use
本指南假定数据Distiller是您选择的方法。 如果您的长期个性化用例需要：
- 精确数学输出。 完全历史数据集的精确十进位、百分位和排名分数。
- 每个配置文件上的派生属性。 诸如
loyalty_tier或churn_risk_score之类的计算值已写回每个客户配置文件，并可在每个下游受众和历程中重复使用。 - 自动、计划的刷新。 一个信号，在安装后以固定节奏重新计算，无需手动干预。
- 可重复、定义良好的转换。 您可以在SQL中提前定义计算的用例。
数据Distiller由数据工程师和SQL分析人员使用。 发布信号后，营销人员和营销活动经理便可以在没有任何技术知识的情况下在Segment Builder和Adobe Journey Optimizer中使用信号。
示例用例：航空公司忠诚度十分位数评分 example
以一家在Experience Platform存储了两年飞行交易活动的航空公司为例，该公司希望将座位升级至其最常旅客的10%，而不通过将所有这些活动都保存在用户档案存储中来提高总数据量。
借助Data Distiller，数据工程师可以从数据湖查询过去12个月的航班交易记录，按航班总英里数将忠诚度会员排入十分位，并为每位客户写入单个派生属性：他们的十分位排名和层标签。 他们安排查询每周刷新一次，只将派生属性发布到配置文件存储区。 然后，营销人员在Adobe Journey Optimizer中构建一个“十分位数10”的受众并激活升级选件。
有关此方案的完整分步SQL演练，请参阅创建基于十分位数的派生数据集。
要计算的常用信号 common-signals
使用Data Distiller计算示例输出，例如来自长历史记录的输出：
使配置文件存储保持精简状态 keep-lean
使用Data Distiller获取信号可将新的历史数据保留在配置文件存储之外。 要通过许可证授权监控、摄取筛选器和数据集保健管理已存在的数据，请参阅数据管理许可证授权最佳实践。
后续步骤 next-steps
使用这些资源实施和扩展解决方案：