SocialHub.AI
← สถาปัตยกรรมข้อมูล
กิจกรรม · โปรไฟล์ · ตัวชี้วัด

การสร้างนามธรรมจะเปลี่ยนบันทึกดิบให้เป็นเหตุการณ์ โปรไฟล์ และตัวชี้วัด

เลเยอร์นี้อ่านข้อมูลจากที่เก็บข้อมูลดิบและแยกย่อยออกมาสามวิธีพร้อมกัน ประการแรก พฤติกรรมดิบจะถูกแยกย่อยเป็นโมเดลเหตุการณ์ ซึ่งการกระทำของผู้ใช้จะถูกดึงออกมาเพื่ออนุมานเจตนาและประกอบเข้าเป็นไทม์ไลน์ต่อสมาชิก ประการที่สอง ข้อมูลดิบจะถูกแยกย่อยเป็นแท็กสมาชิกที่สร้างโปรไฟล์ผู้ใช้หรือภาพรวม ประการที่สาม ข้อมูลจะถูกแยกออกเป็นเมตริก ซึ่งเป็นเลเยอร์เชิงความหมายที่มีการกำกับดูแลซึ่งแสดงถึงความจริงทางธุรกิจ การแยกย่อยทั้งสามส่วนนี้เกิดขึ้นพร้อมกันจากข้อมูลดิบเดียวกัน

ชั้น
นามธรรม

ข้อมูลดิบจะถูกแยกย่อยออกเป็นสามวิธีพร้อมกัน ได้แก่ โมเดลเหตุการณ์สำหรับความตั้งใจและไทม์ไลน์ แท็กสมาชิกสำหรับโปรไฟล์ และเมตริกสำหรับความจริงทางธุรกิจ

ทำไมจึงสำคัญ

คุณค่านั้นใช้งานได้จริง ไม่ใช่แค่ทางเทคนิคเท่านั้น

AI ไม่จำเป็นต้องแยกวิเคราะห์บันทึกดิบ โดยจะอ่านเจตนาและไทม์ไลน์ที่อนุมานของสมาชิกจากโมเดลเหตุการณ์ โปรไฟล์ของพวกเขาจากแท็ก และหมายเลขธุรกิจที่ควบคุมจากเลเยอร์เมตริก ทั้งหมดนี้ได้รับมาจากแหล่งดิบเดียวกันอย่างสม่ำเสมอ

บทคัดย่อพฤติกรรมในรูปแบบเหตุการณ์สำหรับการอนุมานเจตนาและไทม์ไลน์ต่อสมาชิก

บทคัดย่อข้อมูลดิบลงในแท็กสมาชิกที่ประกอบโปรไฟล์ผู้ใช้

แยกชั้นเมตริกที่ได้รับการควบคุมซึ่งแสดงออกถึงความจริงทางธุรกิจอย่างสม่ำเสมอ

สร้างนามธรรมทั้งสามจากร้านค้าดิบแห่งเดียว ดังนั้นทั้งสองภาพจึงมีความสอดคล้องกัน

สัญญาสถาปัตยกรรม

สิ่งที่เลเยอร์นี้รับผิดชอบ

1

โมเดลเหตุการณ์แยกพฤติกรรมของผู้ใช้ออกเป็นสัญญาณความตั้งใจและไทม์ไลน์ตามลำดับต่อสมาชิก

2

โมเดลแท็กจะแปลงคุณลักษณะและพฤติกรรมดิบๆ ให้เป็นแท็กสมาชิกที่สร้างโปรไฟล์

3

ชั้นเมตริกจะกำหนดมาตรการทางธุรกิจภายใต้การควบคุม ดังนั้นตัวเลขจึงมีความหมายเหมือนกันทุกที่

4

ทั้งสามอย่างอ่านเนื้อหาดิบเดียวกัน แทนที่จะเก็บสำเนาส่วนตัวไว้

ครอบคลุมสัญญาณการขายปลีก

สิ่งที่ทำให้ใช้งานได้

สัญญาณความตั้งใจเชิงพฤติกรรม: รูปแบบการเรียกดู การค้นหา รถเข็น และการดูซ้ำเส้นเวลาการโต้ตอบต่อสมาชิกข้ามช่องทางแท็กโปรไฟล์สมาชิก: ระยะวงจรชีวิต การตั้งค่า และความเกี่ยวข้องตัวชี้วัดทางธุรกิจที่ควบคุมได้: รายได้ การรักษาลูกค้า คูปอง และการวัดผลแคมเปญ
ผลกระทบจาก AI ของเอเจนซี่

นี่คือวิธีที่เลเยอร์ปรับปรุงการตัดสินใจของ AI

หากไม่มีเลเยอร์นามธรรมที่ใช้ร่วมกัน ตรรกะความตั้งใจ แท็กโปรไฟล์ และตัวชี้วัดทางธุรกิจจะถูกกำหนดใหม่ในทุกเครื่องมือ ส่งผลให้เกิดตัวเลขที่ขัดแย้งกัน กลุ่มเป้าหมายที่ไม่สอดคล้องกัน และบริบทของ AI ที่ไม่มีใครสามารถไว้วางใจได้อย่างเต็มที่

ลำดับการดูผลิตภัณฑ์สามารถสรุปเป็นสัญญาณความตั้งใจบนไทม์ไลน์ของสมาชิกได้

คุณลักษณะและพฤติกรรมดิบของสมาชิกสามารถสรุปได้เป็นแท็กโปรไฟล์ แทนที่จะเป็นแถวดิบ

แดชบอร์ดและเวิร์กโฟลว์ AI สามารถอ้างอิงคำจำกัดความเมตริกที่มีการควบคุมเดียวกันได้

ดำเนินการต่อสถาปัตยกรรม

ความสามารถแบบเรียลไทม์มาจากห่วงโซ่ทั้งหมด