抽象化により、生のレコードがイベント、プロファイル、メトリクスに変換されます。
このレイヤーは raw ストアから読み取り、一度に 3 つの方法で抽象化します。まず、生の動作がイベント モデルに抽象化され、そこでユーザーのアクションが意図推論のために抽出され、メンバーごとのタイムラインに組み立てられます。次に、生データがメンバー タグに抽象化され、ユーザー プロファイルまたはポートレートが構築されます。 3 番目に、ビジネスの真実を表現する管理されたセマンティック レイヤーであるメトリクスに抽出されます。 3 つの抽象化は、同じ生の基板から並行して生成されます。
生データは、意図とタイムラインのイベント モデル、プロファイルのメンバー タグ、ビジネスの真実のメトリクスという 3 つの方法で並行して抽象化されます。
価値は技術的なものだけではなく、運用上のものです。
AI は生のレコードを解析する必要はありません。イベント モデルからメンバーの推定意図とタイムラインを読み取り、タグからメンバーのプロフィールを読み取り、メトリクス レイヤーから管理対象のビジネス数値を読み取ります。これらはすべて、同じ生のソースから一貫して導出されます。
動作をイベント モデルに抽象化し、意図推論とメンバーごとのタイムラインを実現します。
生データをメンバー タグに抽象化し、ユーザー プロファイルを組み立てます。
ビジネスの真実を一貫して表現する管理されたメトリクス レイヤーを抽出します。
1 つの生のストアから 3 つの抽象化すべてを生成するため、相互に一貫性が保たれます。
この層が担当するもの
イベント モデルは、ユーザーの行動をインテント シグナルと順序付けられたメンバーごとのタイムラインに抽出します。
タグ モデルは、生の属性と動作をプロファイルを形成するメンバー タグに変換します。
メトリクス レイヤーは管理されたビジネス指標を定義するため、数値はどこでも同じ意味になります。
それぞれがプライベート コピーを保持するのではなく、3 つすべてが同じ生の基板を読み取ります。
何が使えるようになるのか
これが、このレイヤーが AI の意思決定を改善する方法です。
共有抽象化レイヤーがないと、インテント ロジック、プロファイル タグ、ビジネス メトリクスがすべてのツールで再定義されます。その結果、矛盾する数値、一貫性のないセグメント、誰も完全には信頼できない AI コンテキストが生成されます。
一連の製品ビューは、メンバーのタイムライン上の意図信号に抽象化できます。
メンバーの生の属性と行動は、生の行ではなくプロファイル タグとして要約できます。
ダッシュボードと AI ワークフローは、同じ管理されたメトリック定義を参照できます。