← 数据架构
活动 · 个人资料 · 指标
抽象化将原始记录转化为事件、用户画像和指标。
此层从原始存储读取数据，并同时以三种方式对其进行抽象。首先，原始行为被抽象为事件模型，其中提取用户操作以进行意图推断，并组装成每个成员的时间线。其次，原始数据被抽象成成员标签，构建用户画像。第三，数据被提取成指标，这是一个受控的语义层，表达了业务真相。这三个抽象层均基于相同的原始数据并行生成。
层
抽象
原始数据以三种方式并行抽象：用于意图和时间线的事件模型、用于个人资料的成员标签以及用于业务真相的指标。
为何重要
价值是可操作的，而不仅仅是技术的。
人工智能不必解析原始记录。它从事件模型中读取成员的推断意图和时间线，从标签中读取成员的个人资料，并从指标层中读取受管理的业务数字，所有这些都一致地源自相同的原始来源。
将行为抽象为事件模型，用于意图推断和每个成员的时间线。
将原始数据抽象为组成用户配置文件的成员标签。
提取一致地表达业务真相的受治理指标层。
从同一个原始存储中生成所有三个抽象，以确保它们彼此一致。
建筑合同
此层负责什么
1
事件模型将用户行为提取为意图信号和有序的每个成员时间线。
2
标签模型将原始属性和行为转化为构成用户画像的会员标签。
3
指标层定义了受管理的业务度量，因此数字在任何地方都意味着相同的事情。
4
所有三者都读取相同的原始数据，而不是各自维护私有副本。
零售信号覆盖
它的实用性
行为意图信号：浏览、搜索、购物车和重复查看模式每个会员跨渠道互动时间线会员资料标签：生命周期阶段、偏好和兴趣受管业务指标：收入、留存率、优惠券和营销活动指标
代理机构人工智能的影响
这就是该层改进人工智能决策的方式。
如果没有共享的抽象层，意图逻辑、用户画像标签和业务指标会在每个工具中重新定义。这会导致数据冲突、用户群体划分不一致，以及人工智能上下文信息无法被完全信任。
一系列产品浏览记录可以抽象为会员时间线上的意图信号。
成员的原始属性和行为可以概括为个人资料标签而不是原始行。
仪表板和 AI 工作流程可以引用相同的受控指标定义。