L'abstraction transforme les données brutes en événements, profils et indicateurs.
Cette couche lit les données brutes et les abstrait simultanément de trois manières. Premièrement, le comportement brut est abstrait en un modèle d'événements, où les actions de l'utilisateur sont extraites pour l'inférence d'intention et assemblées dans une chronologie par membre. Deuxièmement, les données brutes sont abstraites en étiquettes de membre qui construisent le profil ou portrait de l'utilisateur. Troisièmement, elles sont extraites en métriques, une couche sémantique régie qui exprime la réalité métier. Les trois abstractions sont produites en parallèle à partir du même substrat brut.
Les données brutes sont traitées simultanément de trois manières : un modèle d’événements pour l’intention et la chronologie, des étiquettes de membre pour le profil et des indicateurs pour la réalité métier.
La valeur est opérationnelle, pas seulement technique.
L'IA n'a pas besoin d'analyser les données brutes. Elle interprète l'intention et la chronologie inférées d'un membre à partir du modèle d'événements, son profil à partir des balises et les données commerciales réglementées à partir de la couche de métriques, le tout provenant de la même source brute.
Modélisation des comportements sous forme d’événements pour l’inférence des intentions et une chronologie par membre.
Extraction des données brutes en étiquettes de membres pour constituer le profil utilisateur.
Extrait une couche de métriques gouvernées qui exprime la vérité commerciale de manière cohérente.
Génère les trois abstractions à partir d'un seul magasin brut, garantissant ainsi leur cohérence.
Fonctionnement de cette couche
Le modèle événementiel extrait le comportement des utilisateurs pour en extraire des signaux d'intention et une chronologie ordonnée par membre.
Le modèle de tags transforme les attributs bruts et les comportements en tags de membre qui constituent le profil.
La couche de métriques définit les mesures commerciales gouvernées afin que les chiffres signifient la même chose partout.
Les trois méthodes utilisent le même substrat brut au lieu de conserver chacune une copie privée.
Fonctionnalités
C’est ainsi que la couche améliore les décisions de l’IA.
Sans couche d'abstraction partagée, la logique d'intention, les balises de profil et les indicateurs de performance sont redéfinis dans chaque outil. Il en résulte des chiffres contradictoires, des segments incohérents et un contexte d'IA peu fiable.
Une séquence de consultations de produits peut être résumée en un signal d'intention sur la chronologie du membre.
Les attributs et comportements bruts d'un membre peuvent être résumés sous forme d'étiquettes de profil plutôt que de lignes brutes.
Un tableau de bord et un workflow d'IA peuvent référencer la même définition de métrique gouvernée.