個人檔案擴充藍圖的自訂資料科學
個人資料擴充藍圖的自訂資料科學說明如何使用資料來訓練、部署和評分模型，從資料科學和機器學習工具提供機器學習對Experience Platform和Real-Time Customer Data Platform的深入分析。
模型化見解可內嵌至Experience Platform，以擴充即時客戶設定檔。 機器學習深入見解的範例包括期限值評分、產品和類別親和性、轉換傾向性或退訂傾向性。
使用案例
- 從客戶資料中擷取見解並探索模式，從這些資料中訓練模型並對模型評分。
- 使用模型驅動的深入見解和屬性豐富即時客戶個人資料，以進行更細緻的個人化和最佳的歷程。
- 對模型訓練和評分以確定客戶深入見解，例如客戶期限值、轉換或流失傾向性、產品和內容相似性及參與分數。
架構
護欄
- 如需將資料科學結果擷取到Experience Platform的詳細護欄和端對端延遲，以及即時客戶設定檔，請參閱部署護欄檔案中參考的資料擷取護欄和延遲圖表。
實施考量
- 在大多數情況下，模型結果應擷取為個人資料屬性，而非體驗事件。模型結果可以是簡單的屬性字串。如果要擷取多個模型結果，建議使用陣列或對應類型欄位。
- 每日個人資料快照資料集是統一個人資料屬性資料的每日匯出，可用來訓練個人資料屬性資料的模型。可存取此處的個人資料快照資料集文檔。
相關文件
相關部落格貼文
recommendation-more-help
045b7d44-713c-4708-a7a6-5dea7cc2546b