使用Data Distiller實現長期個人化
長期個人化會使用可追溯數月或數年的客戶行為，量身打造即時體驗。 透過Data Distiller，您可以有效支援這些使用案例，同時保持您的設定檔存放區和總資料量偏好：您使用SQL從資料湖的完整歷史記錄中計算壓縮訊號，然後僅將該訊號發佈到即時客戶設定檔以進行啟用。 訊號是SQL轉換的輸出，例如分數、層級、排名或對象會籍。 本指南說明如何實作該模式。
本指南適用於建置解決方案的資料工程師、解決方案架構師和技術實作人員。 它假定您熟悉Experience Platform基礎知識和SQL。
運作方式 how-it-works
長期個人化的Data Distiller工作流程會遵循衍生與升級模式：歷史事件會保留在資料湖中，而且只有已計算的輸出會升級至設定檔存放區。 以下每個步驟都連結至詳細的產品檔案。
先決條件：您的歷史事件資料必須已內嵌至Experience Platform，並且可在資料湖中使用，Data Distiller才能進行查詢。 資料Distiller會在資料湖中查詢資料。 它不會擷取資料本身。
以下步驟說明衍生屬性模式。 直接SQL對象模式使用相同的運算與重新整理方法，但會發佈對象成員資格，而非可重複使用的設定檔屬性，如傳送訊號的兩種方式所述。
- 存取資料湖中的歷史資料。 您所有的事件歷史記錄（網頁、應用程式、購買和忠誠度資料）都可供完整深度查詢，而不會計入您的設定檔權益。
- 寫入轉換查詢。 資料工程師會編寫定義訊號的SQL查詢，例如對應至忠誠度等級的過去12個月的總活動。 請參閱查詢編輯器使用手冊和引數化查詢。
- 產生衍生資料集。 執行查詢以建立衍生資料集，每個客戶一列，僅包含計算訊號。 請參閱衍生資料集。
- 排程重新整理。 儲存查詢並將其設定為以步調執行（每日、每週或依您的使用案例需求），讓訊號一律反映最新視窗。 請參閱查詢排程。
- 發佈至設定檔存放區。 衍生資料集會保留在資料湖中，直到您發佈為止。 發佈會將運算輸出升級為即時客戶個人檔案，在區段產生器中可用於建立對象。 從那裡，您可以透過Real-Time Customer Data Platform目的地或Adobe Journey Optimizer歷程啟用這些對象。
傳送訊號的兩種方式 output-patterns
您可以透過兩種方式將訊號傳送至設定檔存放區，方式取決於您需要擴充每個設定檔或鎖定特定對象。
確認Data Distiller符合 when-to-use
本指南假設資料Distiller是您選擇的方法。 如果您的長期個人化使用案例需要下列專案，則此功能會很適合：
- 數學精確輸出。 完整歷史資料集的精確十分位數、百分位數和排名分數。
- 每個設定檔上的衍生屬性。 諸如
loyalty_tier或churn_risk_score之類的運算值會回寫至每個客戶設定檔，並可在每個下游對象和歷程中重複使用。 - 已自動排程重新整理。 此訊號會在設定後，以固定步調重新計算，不需要手動介入。
- 可重複、定義良好的轉換。 您可以在SQL中預先定義計算的使用案例。
資料Distiller可供資料工程師和SQL分析人員使用。 訊號發佈後，行銷人員和行銷活動經理便可在沒有任何技術知識的情況下於區段產生器和Adobe Journey Optimizer中使用訊號。
使用案例範例：航空公司忠誠度十分位數評分 example
假設一家航空公司在Experience Platform中儲存兩年的航班交易活動，並且想要提供座位升級至其前10%的常旅客名單，而不將所有這些活動保留在設定檔儲存區以增加總資料量。
透過Data Distiller，資料工程師會查詢資料湖最近12個月的航班交易、依總里程將忠誠會員排入十等分，並針對每位客戶寫入單一衍生屬性：其十等分排名和層級標籤。 他們排程查詢每週重新整理一次，並只將衍生屬性發佈到設定檔存放區。 行銷人員接著會建立「十分位數10」的受眾，並在Adobe Journey Optimizer中啟用升級選件。
如需此情境的完整逐步SQL逐步說明，請參閱建立十等分衍生資料集。
要計算的通用訊號 common-signals
使用Data Distiller計算範例輸出，例如來自長歷史記錄的輸出：
讓設定檔存放區保持精簡狀態 keep-lean
透過資料Distiller取得訊號，可將新的歷史資料保留在設定檔存放區外。 若要透過授權權益監視、擷取篩選器和資料集衛生管理已有的資料，請參閱資料管理授權權益最佳實務。
後續步驟 next-steps
使用這些資源來實作及擴充解決方案：