Huấn luyện Dataset từ dữ liệu cũ - giả lập dữ liệu
Các bước huấn luyện
Bước 1: Chọn Tạo cấu hình Dataset để huấn luyện dữ liệu cũ
Bước 2: Lựa chọn Giả lập thời gian sự kiện mua hàng để sử dụng dữ liệu huấn luyện
Bước 3: Lựa chọn loại Dataset muốn huấn luyện
Bước 4: Chọn Dataset cần huấn luyện
Bước 5: Chọn nguồn đơn hàng cần kết nối
Bước 6: Lọc dữ liệu đơn hàng để gửi lên
Bước 7: Giả lập hành vi mua hàng
Bước 8: Thiết lập số lượng đơn hàng muốn gửi lên trong ngày
Bước 9: Hoàn tất thiết lập
Cơ chế hoạt động
Tổng hợp dữ liệu mua hàng từ nguồn quản lý đơn hàng
Cơ chế này sử dụng dữ liệu có sẵn, dữ liệu cũ đã được lưu trữ trong Kho dữ liệu. Kho dữ liệu này được xây dựng bằng cách tổng hợp dữ liệu mua hàng và thông tin khách hàng từ các nguồn sự kiện đã kết nối, chẳng hạn như CRM và nền tảng chat
Xác định và Mapping dữ liệu
Khi khởi tạo thành công nguồn quản lý đơn hàng, hệ thống SMIT Dataset sẽ mapping (đồng nhất) cuộc hội thoại mua hàng của người mua trên Live Chat với sự kiện mua hàng (CAPI) của họ trên CRM
Lấy dữ liệu cũ và giả lập hành vi
Để việc huấn luyện nhanh và hiệu quả hơn, hệ thống sẽ hỗ trợ giả lập (simulating) sự kiện của một đơn hàng. Việc giả lập này bao gồm các bước:
Lọc dữ liệu đơn hàng cũ: Lọc dữ liệu từ các nguồn CRM và Shop đã kết nối dựa trên các tiêu chí như thời gian tạo đơn, giá trị đơn hàng, và trạng thái đơn hàng (Đã nhận hàng, Đã gửi hàng, Đã tạo đơn)
Giả lập khu vực và múi giờ: Chọn khu vực và múi giờ của khách hàng
Giả lập thời gian gửi sự kiện: Giả lập khoảng thời gian khách hàng thường mua hàng trong ngày (Sáng, Trưa, Chiều, Tối) và chọn tỉ lệ phân bổ số lượng sự kiện gửi theo từng khung giờ
Giả lập sự kiện gửi lên: Xác định số lượng sự kiện muốn gửi lên Dataset mỗi ngày, chọn thời điểm chính xác của sự kiện hoặc giả lập thời gian sự kiện thành thời điểm hiện tại, chọn các sự kiện muốn gửi lên (ví dụ: Purchase) và khoảng thời gian trì hoãn giữa các lần gửi sự kiện
Gửi sự kiện giả lập đến Dataset:
Dựa trên hành vi giả lập này, hệ thống sẽ gửi dữ liệu lên để huấn luyện Dataset
Khi nào cần huấn luyện Dataset từ dữ liệu cũ - giả lập dữ liệu
Khi bạn có sẵn các dữ liệu mua hàng cũ hoặc dữ liệu lịch sử khác của khách hàng được lưu trữ trong các nguồn như CRM hoặc các hệ thống khác. SMIT Dataset cung cấp giải pháp để tổng hợp dữ liệu này vào Kho dữ liệu.
Khi bạn gặp vấn đề "có dữ liệu mua hàng cũ nhưng không tận dụng được" để huấn luyện Dataset của mình. Đây là một trong những vấn đề chính mà giải pháp SMIT Dataset hướng tới giải quyết.
Để giúp Facebook Dataset "học" được hành vi của tệp khách hàng mục tiêu một cách nhanh chóng và hiệu quả hơn dựa trên dữ liệu lịch sử. Cơ chế này giả lập lại hành vi mua hàng của khách hàng từ dữ liệu cũ trong kho.
Khi bạn muốn bổ sung thêm dữ liệu cho Dataset để Dataset học đủ hành vi sớm, đặc biệt khi bạn mới bắt đầu thiết lập Dataset và phải mất nhiều thời gian chờ đợi các sự kiện mua hàng mới phát sinh.
Để giúp Facebook Dataset hiểu rõ hơn về chân dung khách hàng mục tiêu thông qua dữ liệu lịch sử, bao gồm thông tin về khu vực sinh sống, giá trị mua hàng, và các hành vi cụ thể.
Nhằm cải thiện khả năng phân phối quảng cáo của Facebook tới đúng đối tượng mục tiêu hơn và tiềm năng tiết kiệm chi phí quảng cáo.
Last updated