受众相似建模¶
关于模板¶
受众相似建模模板可帮助您识别并触达新的高价值客户，他们与您最具盈利性的现有客户具有相似特征。通过在安全的 Snowflake Data Clean Room 中使用自定义机器学习模型，您可以显著增强营销工作。该过程首先要确定 *种子受众*（最佳客户精选列表）。然后，该模板会分析这些种子受众的独特特征和行为，以构建预测模型。随后，该模型会用于对更大范围的人群进行评分，并根据其数据特征识别出最有可能对您的产品或服务感兴趣的个人。使用 Data Clean Room 可确保与合作伙伴协作执行这种强大的分析，而无需暴露或共享底层原始数据，从而保证所有相关方的隐私和安全。通过以符合隐私的方式结合来自多个数据源的见解，可以实现更丰富、更准确的建模。
指定种子受众，并选择特征来训练相似模型。您可按需调整提升轮次和异常值修剪，从而优化模型的整体表现。该模型根据种子受众的特征进行训练，然后用于对更大的人群进行评分，从而识别出最有可能转化的个人。
关键用例¶
客户获取： 寻找与最有价值的现有客户相似的新客户。
增加 ROI： 通过定位更有可能对您的产品或服务感兴趣的用户，提高营销活动的投资回报。
扩大市场范围： 发现您以前可能没有考虑过的新细分市场。
个性化广告： 为目标受众提供更具相关性和个性化的广告体验。
获取工作簿和模板¶
下载工作簿并将其安装在同一组织和同一云托管环境中的两个单独的 Snowflake 账户中。这些笔记本展示了如何使用您可以使用和修改的库存预测模板创建和运行 Clean Room。该模板包括 UI 表单，以便您可以在代码中或在 Clean Room UI 中运行 Clean Room。通过该示例，使用者能够运行分析，并可选择将结果激活到提供商的账户。
在试用模板前，请先在提供方和使用方账户中运行示例数据生成器，以生成可供 Clean Room 使用的样本数据。
下载 Python 示例数据表生成器。运行此命令以生成可用作使用者和提供商笔记本的示例数据的数据。