← 資料架構
活動 · 個人資料 · 指標
抽象化將原始記錄轉化為事件、使用者畫像和指標。
此層從原始儲存讀取數據，並同時以三種方式進行抽象化。首先，原始行為被抽象化為事件模型，其中提取使用者操作以進行意圖推斷，並組裝成每個成員的時間軸。其次，原始資料被抽象化成成員標籤，建構使用者畫像。第三，數據被提取成指標，這是一個受控的語義層，表達了業務真相。這三個抽象層都是基於相同的原始資料並行產生。
層
抽象
原始資料以三種方式並行抽象：用於意圖和時間軸的事件模型、用於個人資料的成員標籤以及用於業務真相的指標。
為何重要
價值是可操作的，而不僅僅是技術的。
人工智慧無需解析原始記錄。它從事件模型中讀取成員的推斷意圖和時間線，從標籤中讀取其個人資料，並從指標層讀取受監管的業務數據，所有這些都一致地源自同一原始資料來源。
將行為抽象化為事件模型，用於意圖推論和每個成員的時間線。
將原始資料抽象化為成員標籤，從而建立使用者個人資料。
提取一致地表達業務真相的受治理指標層。
從同一個原始儲存中產生所有三個抽象，以確保它們彼此一致。
架構合約
此層負責什麼
1
事件模型會將使用者行為提取為意圖訊號，並產生按成員排序的時間軸。
2
標籤模型將原始屬性和行為轉化為構成使用者畫像的會員標籤。
3
指標層定義了受管理的業務度量，因此數字在任何地方都意味著相同的事情。
4
所有三者都讀取相同的原始數據，而不是各自維護私有副本。
零售訊號覆蓋
它的實用性
行為意圖訊號：瀏覽、搜尋、購物車和重複瀏覽模式每位會員跨通路互動時間軸會員資料標籤：生命週期階段、偏好與興趣受管業務指標：收入、留存率、優惠券和行銷活動指標
代理商人工智慧的影響
這就是該層改進人工智慧決策的方式。
如果沒有共享的抽象層，意圖邏輯、使用者畫像標籤和業務指標會在每個工具中重新定義。這會導致資料衝突、使用者群體劃分不一致，以及人工智慧上下文資訊無法被完全信任。
一系列產品瀏覽記錄可以抽象化為會員時間線上的意圖訊號。
成員的原始屬性和行為可以概括為個人資料標籤，而不是原始資料行。
儀表板和 AI 工作流程可以引用同一個受管指標定義。