一、运行查询并用细分实现个性化互动
在 Data 360 中查询数据
查询（Queries）是你在 Data 360 中对数据提问的方式。一旦客户信息被统一到数据模型对象（DMO）和数据湖对象（DLO）中，你就可以运行查询来过滤、连接和探索这些数据。
想知道哪些客户在过去 3 个月购买超过两次？还是纽约的忠诚会员平均消费多少？查询都能给出答案——它们还是创建洞察、定义受众细分、驱动实时个性化的基础构件。
根据用例，你有几种运行查询的方式：
- 集成应用：用可视化界面探索和查询数据，无需编码，如 Query Editor 和 DBeaver。
- 对象特定 API：使用 Data 360 Connect REST API 或 Data 360 REST API 进行面向对象的查询。
- 语言特定客户端库：从 JDBC、Python 或 Apex 的 Connect API 中选择，将应用直接连接到 Data 360。
- SQL 查询 API：通过 Data 360 Connect API（REST API 或 Apex）的 REST API 调用运行自定义 SQL 查询。
NTO 如何用查询驱动互动
Northern Trail Outfitters（NTO）是一家户外装备零售商，想了解哪些忠诚会员最活跃。营销团队在 Data 360 中运行查询，识别过去 3 个月购买超过两件商品且在此期间兑换过忠诚积分的客户。
通过这个查询，他们发现城市地区的重复购买者正在积极使用忠诚奖励。团队据此构建受众细分，发起个性化邮件活动，推广新徒步装备并为在线购买提供奖励积分。
通过在 Data 360 中查询统一客户数据，NTO 快速识别高价值客户，并开展驱动销售、增强忠诚度的针对性互动。
Data 360 洞察
当原始信息被转化为指标时，就更容易理解和行动。与其只使用年龄、位置等基本属性，你可以计算客户终身价值、互动水平等有意义的度量。这些洞察帮助你发现隐藏趋势、指导更明智的决策，并有效个性化客户体验。
你可以使用几种类型的洞察：
- 计算洞察（Calculated insights）：用规则和公式把现有数据转化为有意义的值，如总消费或平均订单金额。
- 流式洞察（Streaming insights）：监控实时事件（如网站访问或应用点击），并在发生时即时处理这些活动。
- 实时洞察（Real-time insights）：由实时数据图谱驱动，在新数据流入 Data 360 时以毫秒级更新，让你始终使用最新信息。
Insights Builder 与 SQL
你可以在 Insights Builder 中或用 SQL 创建洞察。
如果你偏好引导式体验，Insights Builder 是首选——它是一个无代码工具，引导你完成定义洞察的流程：选择数据源、应用过滤器、通过易用界面定义计算。例如，你可以设置"总消费除以购买次数"的公式，创建一个跟踪平均订单价值的计算洞察。
对于更高级的场景，转向 SQL Insights。这个选项让技术用户直接对协调数据编写 SQL 查询，在需要连接多个数据集、应用复杂逻辑或创建高度定制指标时尤其有用。例如，你可以写查询找出过去 90 天消费超过 $500 且与客服聊天互动超过两次的客户。
洞察的用例
公司以多种方式使用洞察——从识别高价值客户，到预测流失，再到定制提升互动的优惠。流式洞察甚至可以触发即时响应，比如在购物车被放弃时发送跟进优惠。通过把原始数据转化为业务就绪的指标，洞察为更强的客户关系和更精准的决策奠定了基础。
洞察也驱动 Data 360 中更有效的细分。虽然基本画像属性可以把客户分为宽泛类别，但洞察让细分更有意义——不只针对忠诚客户，你可以细分过去 30 天互动评分高的忠诚客户，或最近浏览了产品但未完成购买的客户。通过使用计算和实时洞察，你的细分变得更智能、更精准，从而在合适的时间触达合适的人，传递相关、个性化、及时的信息。
细分
细分（Segmentation）在 Data 360 中是指创建、过滤受众细分，为各种活动和互动定义精确受众群体的过程。其主要目标是把来自不同来源的碎片数据协调成单一、完整的客户画像，实现跨渠道的个性化体验和更好的互动。
Data 360 统一所有数据以支持更智能的数据共享和激活，这意味着你的数据模型会显著影响细分，通过可识别的过滤选项实现针对性细分。结合洞察来定义不仅准确、而且动态的受众，让活动在合适的时间触达合适的人。
几个例子：
- 公司可创建邮件互动容器，分组打开超过五封邮件的客户（使用次数至少为 6），发送主题为"冬季清仓"的邮件。
- 纽约或旧金山的零售商可为高消费客户构建一个容器，同时过滤销售订单（9 月购买超过 $1,000）和位置（城市为 New York、NYC、San Francisco、SF）。
- 健身品牌可创建细分邀请活跃的 SMS 订阅者加入跑步俱乐部，条件如"使用次数至少 1 + EngagementChannelAction 等于 opt in + 互动日期在过去 30 天内 + 关键字等于 RunClubContest"。
数据图谱
为进一步支持复杂细分和实时体验，Data 360 使用数据图谱（data graphs）——一种对数据集间关系建模的灵活方式。这些图谱针对快速访问互连数据进行了优化，简化了组织在大数据集中查询和分析复杂相互关系的方式。
通过把客户详情和历史购买记录等数据以结构化格式组织，数据图谱让系统能够拉取信息用于实时个性化产品推荐（如 WhatsApp 活动期间）。这种智能链接确保精准细分和个性化触达所需的数据随时可用。
你可以在两种数据图谱中选择：标准数据图谱（计划更新）和实时数据图谱（毫秒级即时更新，是驱动实时洞察的关键），通过数据图谱编辑器页面管理。
下一步
在本单元中，你学习了 Data 360 中的查询如何构成揭示洞察、创建目标细分以及用数据图谱建模复杂关系的基础。你探索了查询如何过滤和组合协调数据集、洞察如何把原始数据转化为可操作指标、细分如何实现个性化互动，以及数据图谱如何为实时个性化组织关系。
要继续提升技能，请探索 Trailhead 上的 Data 360 Insights 模块——该模块讲解如何创建计算和实时洞察，帮助你更好地理解和应用 Data 360 中的数据。