設定Customer AI執行個體

Customer AI是AI/ML服務的一部分,可讓您產生自訂傾向分數,而不需擔心機器學習。

AI/ML服務提供Customer AI作為簡單易用的Adobe Sensei服務,可針對不同使用案例進行設定。 以下小節提供設定Customer AI執行個體的步驟。

建立執行個體 set-up-your-instance

在Platform UI中選取 服務 ,位於左側導覽器中。 此 服務 瀏覽器隨即出現,並顯示您可使用的所有服務。 在Customer AI的容器中,選取 開啟.

Customer AI UI會出現,並顯示您的所有服務執行個體。

  • 您可找到 已評分的個人檔案總數 位於右下角的量度 建立例項 容器。 此量度會追蹤Customer AI在目前日曆年度所評分的設定檔總數,包括所有沙箱環境及任何已刪除的服務執行個體。

您可以使用UI右側的控制項,編輯、複製和刪除服務執行個體。 若要顯示這些控制項,請從現有例項中選取一個例項 服務例項. 控制項包含下列專案:

  • 編輯:選取 編輯 可讓您修改現有的服務執行個體。 您可以編輯執行個體的名稱、說明和評分頻率。
  • 原地複製:選取 原地複製 複製目前選取的服務執行個體設定。 然後,您可以修改工作流程以進行微幅調整,並將其重新命名為新例證。
  • 刪除:您可以刪除包括任何歷史執行在內的服務執行個體。 對應的輸出資料集將會從Platform中刪除。 不過,同步至即時客戶設定檔的分數不會刪除。
  • 資料來源:此執行個體所使用資料集的連結。 如果使用多個資料集,選取超連結文字會開啟資料集預覽彈出視窗。
  • 上次執行詳細資料:這僅在執行失敗時顯示。 有關執行失敗原因的資訊,例如錯誤代碼會顯示在這裡。
  • 分數定義:您為此執行個體設定的目標快速概覽。

若要建立新例項,請選取 建立例項.

設定

此時會出現執行個體建立工作流程,從 設定 步驟。

以下是您必須為執行個體提供之值的重要資訊:

  • 名稱: 執行個體的名稱可用於顯示Customer AI分數的所有位置。 因此,名稱應該說明預測分數代表什麼。 例如,「取消雜誌訂閱的可能性」。

  • 說明: 說明您試圖預測的內容。

  • 傾向性型別: 傾向性型別會決定分數和量度極性的意圖。 您可以選擇 流失轉換. 請參閱下的備註 評分摘要 在探索深入分析檔案中,取得傾向性型別如何影響您執行個體的詳細資訊。

設定畫面

提供所需的值,然後選取 下一個 以繼續。

選取資料 select-data

Customer AI在設計上會使用Adobe Analytics、Adobe Audience Manager、一般體驗事件和消費者體驗事件資料來計算傾向分數。 選取資料集時,只會列出與Customer AI相容的資料集。 若要選取資料集,請選取(+)符號,或選取核取方塊一次新增多個資料集。 使用搜尋選項快速尋找您感興趣的資料集。

選取並搜尋資料集

選取您要使用的資料集後,選取 新增 按鈕以將資料集新增到資料集預覽窗格。

選取資料集

選取資訊圖示 資訊圖示 在資料集旁邊,會開啟資料集預覽彈出視窗。

選取並搜尋資料集

資料集預覽包含上次更新時間、來源結構描述以及前十欄的預覽等資料。

選取 儲存 以在工作流程中移動時儲存草稿。 您也可以儲存草稿模型組態,並移至工作流程中的下一個步驟。 使用 儲存並繼續 在模型組態期間建立和儲存草稿。 功能可讓您建立和儲存模型組態的草稿,當您必須在組態工作流程中定義許多欄位時,此功能特別有用。

Data Science Services Customer AI索引標籤的建立工作流程及儲存和繼續會醒目提示。

資料集完整性 dataset-completeness

資料集預覽中有一個資料集完整性百分比值。 此值可讓您快速瞭解資料集中有多少欄是空白/空的。 如果資料集包含許多遺失值,而這些值是在其他位置擷取的,強烈建議您納入包含遺失值的資料集。 在此範例中,人員ID是空的,但人員ID會擷取在可以包含的個別資料集中。

NOTE
資料集完整性是使用Customer AI的最大培訓時段(一年)計算的。 這表示在顯示您的資料集完整性值時,不會考慮超過一年的資料。

資料集完整性

選取身分 identity

您現在可以根據身分對應(欄位)將多個資料集聯結到彼此中。 您必須選取身分型別(也稱為「身分名稱空間」)及該名稱空間中的身分值。 如果您在相同名稱空間下的結構描述中將多個欄位指派為身分,則所有指派的身分值都會出現在身分下拉式清單中(前面有名稱空間),例如 EMAIL (personalEmail.address)EMAIL (workEmail.address).

選取相同的名稱空間

IMPORTANT
您選取的每個資料集都必須使用相同的身分型別(名稱空間)。 在身分資料行中的身分型別旁會出現綠色核取記號,表示資料集相容。 例如,使用電話名稱空間和 mobilePhone.number 做為識別碼,其餘資料集的所有識別碼都必須包含並使用電話名稱空間。

若要選取識別,請選取位於識別資料行中的底線值。 會出現「選取身分」彈出視窗。

選取相同的名稱空間

如果名稱空間中有多個身分可用,請務必為您的使用案例選取正確的身分欄位。 例如,電子郵件名稱空間中有兩個電子郵件身分可用,一個是工作電子郵件,一個是個人電子郵件。 視使用案例而定,個人電子郵件更有可能被填寫,且在個人預測中更有用。 這表示 EMAIL (personalEmail.address) 將被選為身分。

未選取資料集索引鍵

NOTE
如果資料集沒有有效的身分型別(名稱空間),您必須使用設定主要身分,並將其指派給身分名稱空間 結構描述編輯器. 若要進一步瞭解名稱空間和身分,請造訪 Identity Service名稱空間 檔案。

定義目標 define-a-goal

定義目標 步驟隨即顯示,並提供互動式環境,供您以視覺化方式定義預測目標。 目標由一或多個事件組成,其中每個事件的發生皆根據其擁有的條件而定。 Customer AI執行個體的目標是判斷在指定時間範圍內達成其目標的可能性。

若要建立目標,請選取 輸入欄位名稱 ,後面接著下拉式清單中的欄位。 選取第二個輸入,即事件條件的子句,然後選擇性提供完成事件的目標值。 透過選取「 」,可設定其他事件 新增事件. 最後,套用預測時段(以天數為單位)以完成目標,然後選取「 」 下一個.

將會發生且將不會發生

定義目標時,您可以選擇選取 將會發生將不會發生. 選取 將會發生 這表示您定義的事件條件必須符合,客戶的事件資料才會包含在深入分析UI中。

例如,如果您想要設定應用程式以預測客戶是否會購買,您可以選取 將會發生 後面接著 全部 然後輸入 commerce.purchases.id (或類似的欄位)和 已存在 作為運運算元。

將發生

不過,在某些情況下,您可能會想要預測某個事件在特定時間範圍內是否不會發生。 若要使用此選項設定目標,請選取 將不會發生 從頂層下拉式清單。

例如,如果您有興趣預測哪些客戶的參與度降低,並且在下個月不要造訪您的帳戶登入頁面。 選取 將不會發生 後面接著 全部 然後輸入 web.webInteraction.URL (或類似的欄位)和 等於 作為運運算元,具有 account-login 做為值。

將不會發生

所有和任何

在某些情況下,您可能想要預測事件的組合是否會發生,而在其他情況下,您可能想要從預先定義的集合預測任何事件的發生。 為了預測客戶是否有事件組合,請選取 全部 選項,該選項可從上方的第二層下拉式清單中取得。 定義目標 頁面。

例如,您可能想要預測客戶是否購買特定產品。 此預測目標由兩個條件所定義:a commerce.order.purchaseID 已存在productListItems.SKU 等於 某個特定值。

所有範例

為了預測客戶是否會擁有來自給定集的任何事件,您可以使用 任何一個 選項。

例如,您可能想要預測客戶是否造訪特定URL或具有特定名稱的網頁。 此預測目標由兩個條件所定義: web.webPageDetails.URL 開頭為 特定值和 web.webPageDetails.name 開頭為 特定值。

任何範例

符合資格的母體 (選擇性)

依預設,除非指定合格的母體,否則所有設定檔都會產生傾向分數。 您可以定義條件,以根據事件包含或排除設定檔,藉此指定合格的母體。

合格的母體

自訂事件(可選) custom-events

如果您有其他資訊,除了 標準事件欄位 customer AI使用產生傾向分數時,會提供自訂事件選項。 使用此選項可讓您新增您認為有影響力的其他事件,這些事件可能會改善模型的品質,並幫助提供更準確的結果。 如果您選取的資料集包含結構描述中定義的自訂事件,您可以將它們新增至執行個體。

NOTE
若要深入瞭解自訂事件對Customer AI評分結果的影響,請造訪 自訂事件範例 區段。

事件功能

若要新增自訂事件,請選取 新增自訂事件. 接下來,輸入自訂事件名稱,然後將其對應至結構描述中的事件欄位。 檢視影響因素和其他深入分析時,自訂事件名稱會取代欄位值顯示。 這表示將會使用自訂事件名稱,而非事件的ID/值。 如需自訂事件顯示方式的詳細資訊,請參閱 自訂事件範例區段. Customer AI使用這些其他自訂事件來改善模型的品質,並提供更準確的結果。

自訂事件欄位

接下來,從可用的運運算元下拉式清單中選取您要使用的運運算元。 僅列出與事件相容的運運算元。

自訂事件運運算元

最後,如果選取的運運算元需要欄位值,請輸入該欄位值。 在此範例中,我們只需要檢視飯店或餐廳預訂是否存在。 不過,如果我們想要更精確,可以使用等於運運算元,並在值提示中輸入精確值。

自訂事件欄位值

完成後,選取 下一個 以繼續。

自訂設定檔屬性(可選)

除了以下專案外,您還可以在資料中定義重要的設定檔資料集欄位(含時間戳記) 標準事件欄位 customer AI用來產生傾向分數。 使用此選項可讓您新增您認為有影響力的其他設定檔屬性,這些屬性可能會改善模型的品質,並提供更準確的結果。 此外,新增自訂設定檔屬性可讓Customer AI更好地展示特定設定檔最終如何在傾向性貯體中。

NOTE
新增自訂設定檔屬性會遵循與新增自訂事件相同的工作流程。 與自訂事件類似,自訂設定檔屬性也會以相同方式影響模型評分。 如需深入說明,請造訪 自訂事件範例 區段。

新增自訂設定檔屬性

從設定檔快照匯出選取設定檔屬性

您也可以選擇從每日「設定檔」快照匯出包含設定檔屬性。 這些屬性會同步至設定檔快照匯出,並顯示最近可用的值。 它們會自動顯示,不需要在設定步驟中選取資料集。

WARNING
請勿選取已因預測目標而更新或與預測目標高度相關的設定檔屬性。 這會導致資料洩漏和模型過度擬合。 例如, total_purchases_in_the_last_3_months 是預測購買轉換的屬性。

新增自訂事件範例 custom-event

在下列範例中,自訂事件和設定檔屬性已新增到Customer AI執行個體。 Customer AI執行個體的目標是預測客戶在未來60天內購買其他Luma產品的可能性。 通常產品資料會連結至產品SKU。 在此案例中,SKU為 prd1013. 培訓/評分Customer AI模型後,此SKU即可連結至事件,並顯示為傾向性貯體的影響因素。

Customer AI會自動套用功能產生,例如「間隔天數」或「計數」針對自訂事件,例如 觀看購買. 如果將此事件視為影響客戶高、中或低傾向性的因素,Customer AI會將其顯示為 Days since prd1013 purchaseCount of prd1013 purchase. 將此專案建立為自訂事件,可為事件提供新名稱,讓結果更易於閱讀。 例如 Days since Watch purchase。此外,Customer AI在其訓練和評分中會使用此事件,即使該事件不是標準事件亦然。 這表示您可以新增多個您認為可能會有影響力的事件,並包含預訂、訪客記錄和其他事件等資料,以進一步自訂您的模型。 新增這些資料點會進一步提高Customer AI模型的精確度和精確度。

自訂事件範例

設定選項

設定選項步驟可讓您設定排程以自動化預測執行、定義預測排除以篩選特定事件並切換 個人資料 開啟/關閉。

設定排程 (選擇性) configure-a-schedule

若要設定評分排程,請先設定 評分頻率. 自動化預測執行可排程為每週或每月執行。

預測排除 (選擇性)

如果您的資料集包含任何新增為測試資料的欄,您可以選取以將該欄或事件新增至排除清單 新增排除專案 然後輸入您要排除的欄位。 這可防止在產生分數時,評估符合特定條件的事件。 此功能可用來篩選掉不相關的資料輸入或促銷活動。

若要排除事件,請選取「 」 新增排除專案 和定義事件。 若要移除排除專案,請選取省略符號(),然後選取「 」 移除容器.

設定檔切換

設定檔切換可讓Customer AI將評分結果匯出至即時客戶設定檔。 停用此切換可防止將模型評分結果新增至設定檔。 此功能停用時,仍可取得Customer AI評分結果。

第一次使用Customer AI時,您可以關閉此功能,直到對模型輸出結果滿意為止。 這可讓您在微調模型時,無法將多個評分資料集上傳到您的客戶設定檔。 校準完模型後,您就可以使用 複製選項服務例項 頁面。 這可讓您建立模型副本,並開啟設定檔。

設定檔切換

設定好評分排程集、預測排除專案,並切換您要使用的設定檔後,選取「 」 完成 建立Customer AI執行個體。

如果成功建立執行個體,則會立即觸發預測執行,並根據您定義的排程執行後續執行。

NOTE
根據輸入資料的大小,預測執行最多可能需要24小時才能完成。

依照本節指示,您已設定Customer AI執行個體並執行預測執行。 執行成功完成後,如果設定檔切換已啟用,已評分見解會自動將預測分數填入設定檔。 請等候最多24小時,再繼續本教學課程的下一節。

後續步驟 next-steps

按照本教學課程,您已成功設定Customer AI例項並產生傾向分數。 您現在可以選擇使用區段產生器 使用預測分數建立客戶區段探索Customer AI的深入分析.

其他資源

以下影片旨在協助您瞭解Customer AI的設定工作流程。 此外,還提供最佳實務和使用案例範例。

IMPORTANT
以下影片已過期。 如需最新資訊,請參閱檔案。
recommendation-more-help
8959a20a-a58f-4057-9f82-870706c576e9