選擇正確的長期個人化方法

長期個人化是指根據客戶行為量身打造即時體驗,並可將時間追溯至六個月、一年或更久。 您可以支援這些使用案例,而不需在設定檔存放區中儲存多年原始事件歷史記錄:將詳細歷史記錄保留在分析層中、從中衍生精簡訊號,以及僅提升該訊號以供啟用。 本決策指南會比較可用的方法,並協助您選擇適合您架構的方法。 本檔案說明何時、為何及使用的方法。 如需設定步驟和SQL語法,請遵循連結的產品檔案。

本指南適用於在Experience Platform中評估長期個人化方法的解決方案架構師、平台架構師和技術決策者。 它會假設您已熟悉設定檔、對象、資料湖和設定檔存放區。

為何長期記錄不屬於設定檔存放區 customer-problem

許多組織都會在設定檔存放區中累積大量歷史事件資料,前提是儲存的資料越多,個人化程度越高。 實際上,這會增加設定檔存放區大小和總資料量權利,而不會改善客戶收到的體驗。

長期個人化使用案例在購買週期長或客戶關係緩慢演變的產業中很常見:

  • 18個月前開立儲蓄帳戶,現在正在研究按揭產品的金融服務客戶。
  • 去年瀏覽季節性庫存但從未購買的零售購物者。
  • 航空公司常旅客的忠誠度等級反映了12個月的累積活動。
  • 8個月前流失且已回訪的電信客戶,可識別為歷史行為帶來的風險。

在各種情況下,相關資料都是歷史資料,但個人化時刻必須即時發生。 當組織直接在設定檔存放區中儲存所有事件層級歷程記錄以支援這些時間時,就會出現問題。

設定檔存放區已針對速度(而非磁碟區)進行最佳化,而且其所持有的每筆記錄都會計入您的「總資料磁碟區」權益。 12、18或24個月前或以上的原始事件對於分析很有價值,但很少需要在設定檔存放區中存留以支援啟用。

如何識別長期個人化使用案例 identify

使用下列問題來判斷您的組織是否對設定檔存放區提出超出其預期範圍的分析需求。 如果兩個或多個適用,您可能有衍生訊號架構將更有效率的長期個人化使用案例。

  • 您的分段邏輯看起來可以追溯到多久之前? 使用「任何時間」邏輯或超過30-90天的回顧期間所建置的受眾是強烈訊號。
  • 您是否接近或超過您的總資料量權益? 若是如此,請檢查該磁碟區中有多少是很少用於即時啟用的歷史事件資料。
  • 您的設定檔資料已設定存留時間? 沒有TTL或12個月或更長的TTL,表示原始事件可能會累積而沒有明確的啟用目的。
  • 您的產業是否以購買週期較長為特徵? 按揭、保險、B2B合約、季節性零售和旅行獎勵全都涉及經過數月或數年演變的關係。
  • 您是否擁有Data Distiller或Customer Journey Analytics的授權,但未用於建立對象? 這些工具是為您目前可能要求設定檔存放區執行的分析工作而設計。

如果這些問題指向長期的個人化模式,下一步就是瞭解每種型別的資料在Experience Platform中的所屬位置。

資料存放位置:分析和參與工作流程 workflows

Experience Platform會將資料儲存在兩個為不同工作流程服務的存放庫中。 將每個資料集與其支援的工作流程進行比對,是有效率長期個人化架構的基礎。

工作流程
最適合
典型使用案例
分析
長期保留,存取速度較慢,保留在資料湖
歷史分析、報表、訊號產生、資料科學
參與
即時或近乎即時存取,保留在設定檔存放區中
細分、啟動、個人化

指導原則是​個人化訊號,而不是原始歷程記錄。 您不需要在設定檔存放區中儲存多年原始行為事件,就能知道客戶符合忠誠度層級成員、高價值買家或風險流失者的資格。 您可以從分析工作流程中的歷史資料計算這些標籤,並只將標籤(訊號)儲存在設定檔存放區中。 原始歷史記錄會保留在資料湖中,不會計入您的設定檔權益。

建議的架構 architecture

建議的架構將長期儲存與即時啟用分開:

  1. 資料湖中累積的客戶事件資料。 網頁、應用程式、購買、忠誠度和離線記錄會保留在完整歷史深度,而不會對您的設定檔權益有所貢獻。
  2. 分析工作流程衍生訊號。 查詢或分析將數月或數年的歷史記錄轉換為精簡輸出:忠誠度等級、流失風險分數、期限值排名或合格受眾。
  3. 訊號已升級至設定檔存放區。 只有輸出(而非基礎事件歷史記錄)會進入參與工作流程。
  4. Real-Time Customer Data Platform和Adobe Journey Optimizer會在訊號上啟動。 啟用層會以精簡的目前資料運作,並以毫秒為單位回應。

本指南中的方法是執行步驟2和步驟3的不同方式。 在其中進行選擇之前,請確認您的使用案例確實需要Real-Time CDP和Adobe Journey Optimizer以外的分析工作流程。

選擇之前:確認您有長期需求 qualifier

並非每個組織都需要分析方法。 如果您的所有細分和個人化邏輯在30-90天的行為視窗內運作,且設定檔存放區中的目前設定檔屬性加上最近事件包含您決定所需的一切,則僅​Real-Time CDP和Adobe Journey Optimizer就足夠了。 不需要其他工具,啟動會直接從設定檔存放區執行。

此基線是起點,不是第四個方法。 此限制是其他方法提供額外價值的地方:當細分邏輯延長超過30至90天時,或個人化依賴從幾個月或幾年歷史記錄衍生的insight,將該歷史記錄儲存在設定檔存放區會引進「總資料量」而不會改善結果。 如果您在上一節中的診斷指出長期需求,請選擇以下三種方法之一。

快速選擇器 quick-chooser

如果您已經知道您的目標,請使用此表格尋找可能的起點,然後閱讀方法區段和決定指南以進行確認。

如果您……
開始於……
需要為每個設定檔撰寫精確、計算的分數或排名
資料蒸餾器
想要探索行為並發佈對象,而不需要撰寫程式碼
Customer Journey Analytics
必須將歷史資料保留在外部倉儲中
聯合客群構成

選擇分析方法 approaches

以下每種方法都說明其功能、使用時機,及其優點和限制。 跳到快速選擇器為您指示的方法,或閱讀全部三個以比較它們。

資料蒸餾器 data-distiller

若要使用SQL大規模查詢、轉換及擴充資料,請使用資料Distiller (Experience Platform附加元件)。 對於長期個人化,它會從資料湖讀取歷史事件資料、套用轉換邏輯,並只將產生的訊號寫入設定檔存放區。

資料工程師會使用SQL定義轉換邏輯,並產生衍生資料集、精簡輸出,例如忠誠度等級或流失分數。 查詢已排程為自動重新整理,並只將該訊號發佈到設定檔存放區。 資料Distiller也可以直接從SQL🔗建置和發佈對象,而不需要先建立衍生屬性。

  • 最適合:​忠誠度和流失分數、期限值、十等分和百分位排名、RFM模型,以及自動循環重新整理。
  • 強項:​會以數學方式產生精確輸出、依排程自動重新整理,並將原始資料保留在資料湖中。
  • 限制:​需要SQL和資料工程師。 轉換必須預先定義,因此不適合探索分析。

若要實作此方法(包括端對端工作範例),請參閱使用資料Distiller的長期個人化

Customer Journey Analytics customer-journey-analytics

若要分析不同管道和一段時間內的客戶行為,請使用Customer Journey Analytics。 對於長期個人化,它提供用於探索歷史歷程的視覺化無程式碼環境,以及直接路徑(對象發佈)以將產生的對象促銷至設定檔存放區。

在Customer Journey Analytics中分析的歷史資料不需要為設定檔存放區啟用,因此事件記錄的月份或年份可以存放在該處,而不需要計入您的總資料量權益。

分析人員可跨任何時間長度以視覺化方式探索歷程,將行為條件結合至對象,然後發佈至設定檔存放區(可在Real-Time CDP和Adobe Journey Optimizer中使用)。 對象可以在行銷活動中發佈一次,或自動重新整理。

  • 最適合:​個對象,這些對象是透過探索、多管道歷程分析、重新參與行銷活動以及與特定事件相連結的一次性對象所探索到。
  • 優點:​分析師和行銷人員的自助服務,不需要SQL。 先探索,以便從資料中產生對象定義。 會在數分鐘內發佈以啟用。
  • 限制:​輸出是對象成員資格,而不是回寫到每個設定檔的計算屬性。 以篩選為基礎的精確度為近似值,而非精確值。

聯合客群構成 federated-audience-composition

若要直接從外部企業資料倉儲中的資料建置對象並授與資格,而不將基礎資料移入Experience Platform,請使用同盟對象構成。 使用無程式碼構成畫布,將對象定義套用至倉儲資料,並只將產生的對象成員資格傳送至Experience Platform以進行啟用。

  • 最適合下列組織:​其歷史資料是倉儲中的記錄系統(例如Snowflake、Databricks、Google BigQuery或Amazon Redshift),且想要在沒有完整擷取專案的情況下啟用該系統。
  • 優點:​基礎資料絕對不會離開倉儲,符合治理和主權要求。 不需要大規模擷取。
  • 限制:​依存於倉儲連線和組合。 啟用僅限於對象成員資格。

比較方法 comparison

下表比較三種方法。 Real-Time CDP和Adobe Journey Optimizer本身會維持僅需要最近資料的使用案例基準,如選擇之前所述。

維度
資料蒸餾器
Customer Journey Analytics
聯合客群構成
目標使用者
資料工程師、SQL分析師
業務分析人員、行銷人員
行銷和資料團隊
介面
SQL查詢編輯器
Visual Analysis Workspace
無程式碼構成畫布
輸出
衍生屬性(分數、階層);透過SQL的對象清單
對象成員資格清單
對象成員資格清單
歷史資料來源
資料湖
資料湖
外部企業倉儲
需要SQL?
精確度
數學精確(十等分、百分位數、分數)
以篩選器為基礎,近似值
以篩選器為基礎,近似值
資料移動
只有衍生訊號會進入設定檔存放區
只有對象會籍會進入設定檔存放區
基礎資料絕不會離開倉儲

決定要使用的方法 decision-guide

快速選擇器會提供起點。 使用下列問題來解決細微或組合案例。

您是否需要精確數學的輸出? 如果您的使用案例需要確切的排名(例如,前10%的客戶依計算量度或第8個十分位數的存留期值),請選擇「資料Distiller」。 如果您無法預先準確定義計算,請從Customer Journey Analytics開始。

您是否從探索開始? 如果您還不知道對象長相如何,但想透過視覺化方式探索規律,請從Customer Journey Analytics開始。 在驗證模式後,資料工程師可以根據需要在Data Distiller中建立已排程、精確度評分的版本。

您是否需要可重複使用的設定檔屬性或一次性對象? 資料Distiller會將衍生屬性(例如分數或階層)寫入每個設定檔,並可依排程自動重新計算。 當訊號必須在許多對象和歷程中重複使用時,請使用它。 Customer Journey Analytics而是會發佈對象會籍,這適合行銷活動對象或無需工程參與而建立的多步驟歷程定義。

您的資料位置和授權允許什麼? 如果歷史資料必須保留在外部倉儲中,請使用同盟對象構成。 否則,請讓您已授權的工具以及可用的工程支援來指導選擇。

TIP
同時擁有Data Distiller和Customer Journey Analytics時,請針對各自的長處使用兩者,並加以合併。 資料Distiller可以每週計算流失風險分數,並將其寫入每個設定檔。 接著Customer Journey Analytics中的分析師可以將該分數與視覺上發現的歷程行為一併篩選,產生精確分數、歷程感知的對象,這些工具無法單獨有效建立。

讓設定檔存放區保持精簡狀態 keep-lean

選擇正確的方法可讓新的歷史資料遠離設定檔存放區。 積極管理現有的每個部署都有互補、持續性的作法。 與其在此處重複該指南,請使用專用資源:

後續步驟 next-steps

長期個人化不需要將多年原始事件資料儲存在設定檔存放區。 它需要從該歷史中衍生出正確的訊號,並且只將該訊號用於即時啟用。 確認您有長期需求,選擇適合您架構和團隊的方法,然後依照連結的產品檔案來實作。

recommendation-more-help
experience-platform-help-hygiene