一、识别 Data 360 的实时用例
学习目标
完成本单元后，你将能够：
- 解释什么是 端到端亚秒级实时处理以及它在 Data 360 中的优势
- 识别 Data 360 中关键的实时用例
什么是 Data 360 的端到端亚秒级实时处理？
端到端（E2E）亚秒级实时处理意味着数据或响应在不到一秒内被处理并交付，提供近乎即时的结果。实时处理也可以用毫秒到分钟等单位来衡量。
类比：自动驾驶汽车——它近乎即时地处理周围环境数据并决定下一步行动。当前方车辆急刹车时，自动驾驶汽车立即处理这些数据，基于周边环境、速度等因素计算最优行动方案，然后执行防御动作：急刹或变道。为了防止事故，数据处理必须实时完成。
Data 360 也是实时平台：
- 客户在网站上的交互数据实时摄入
- 用户行为洞察（如每个产品类别的点击次数）即时计算
- 基于客户兴趣和活动实时个性化网站，提供产品推荐
- 客户画像即时更新并在各平台间共享——客户离开网站致电客服时，客服代理已经了解其最近的操作
Data 360 实时处理的核心是在客户行为发生的同时理解并响应。不过需要注意的是，实时处理可能成本较高，在使用前请规划信用额度消费。
实时赋能每一个团队
从客服到营销，公司中的每一个团队都从实时 Data 360 中受益：
| 团队 | 痛点 | 实时 Data 360 解决方案 |
|---|---|---|
| 客户服务 | 缺乏最新客户信息 → 解决时间长，满意度低 | 立即获取最新客户数据（含最近交互），更快解决、提升满意度 |
| 电商 — 产品推荐 | 产品推荐基于过时信息 → 错失机会，转化率低 | 即时分析客户交互，更新推荐最相关产品 → 更高参与度、更高转化率 |
| 营销 — 目标活动 | 传统活动依赖过时段落 → 定位不准，参与率低 | 基于实时交互创建动态细分并触发活动 → 更高参与度、更高 ROI |
| 网站开发 — 个性化 | 网站无法个性化 → 每个客户看到相同内容，参与度低 | 即时访问用户画像，基于实时交互动态修改网页内容 → 更高忠诚度 |
| 全公司 — 画像共享 | 各触点画像不一致（门店 vs 移动客服） → 碎片化体验 | 跨渠道实时解析客户身份，创建最新 Customer 360 画像 → 一致的个性化体验 |
二、探索 Data 360 实时功能
学习目标
完成本单元后，你将能够：
- 解释 Data 360 中哪些功能具有实时能力
- 解释这些功能如何支撑一个实时用例
实时 Data 360 功能（上）——数据基础
以下功能共同协作，实现实时客户数据的摄取、分析和响应。这些功能都使用数据模型对象（DMO）——由数据流、洞察和其他来源创建的属性组成的数据分组。
实时数据图谱（Real-Time Data Graphs）：
- 在毫秒级内访问和更新客户数据，如 Customer 360 画像
- 将 DMO 中的规范化数据组合、转换为新的数据视图
- 数据预先计算并存储，因此可以毫秒级访问和更新
- 实时数据图谱持续刷新，与 DMO 的变更保持同步（普通数据图谱则按计划刷新）
- 使用其他实时能力的前提条件
实时数据摄取（Real-Time Data Ingestion）：
- 在毫秒级内将应用或网站的用户参与和事件数据摄取进 Data 360
- 创建 Web 或移动应用数据流，或使用 Ingestion API 创建数据流
- 将数据流映射到 DMO，然后将 DMO 添加到实时数据图谱
实时身份解析与匹配（Real-Time Identity Resolution）：
- 在毫秒级内将用户链接到统一画像
- 每个规则集创建一个统一的 DMO
- 创建实时数据图谱后即可启用实时匹配
实时 Data 360 功能（下）——激活与行动
实时计算洞察（Real-Time Calculated Insights）：
- 在毫秒级内计算指标，如客户终身价值或用户访问历史
- 基于实时数据图谱中的交互数据创建
- 用于通过网站、聊天机器人和客服代理个性化客户体验
实时细分（Real-Time Segments）：
- 基于细分属性评估用户参与度，在毫秒级内构建受众
- 基于实时数据图谱创建
实时数据动作（Real-Time Data Actions）：
- 将实时数据动作添加到 Flow 中，通过 Flow Builder 在毫秒级内触发 Data 360 事件
- 创建自定义实时事件以驱动自动化响应
六大功能的完整实时管道：摄取 → 解析身份 → 计算 → 细分 → 行动，全部在不到一秒内完成。
实战案例：NTO 实施实时产品推荐
Northern Trail Outfitters（NTO）是一家户外装备和服装零售公司。由于产品推荐滞后，转化率低迷。NTO 希望利用 Data 360 实时改善产品推荐并提升转化率。
NTO 的实施步骤：
- 创建 Web 数据流：映射到个人 DMO 和参与 DMO，将电商网站的画像和用户参与数据摄取进 Data 360。
- 运行身份解析规则集：创建统一个人 DMO。
- 建立实时数据图谱：使用统一个人 DMO 和参与 DMO，现在可以即时匹配客户画像。
- 创建实时计算洞察：计算用户浏览和购买历史的指标。
- 对接个性化工具：将信息输入个性化引擎，生成用户可能感兴趣的实时产品推荐和促销。
- 在电商网站实时展示推荐。
Rachel 的实时体验：Rachel 登录网站，点击了一件蓝色夹克，然后离开了产品页（未加入购物车）。Data 360 立即摄取了这些行为。通过匹配凭证到统一画像，NTO 在实时中将该用户与 Rachel Rodriguez 的统一画像关联起来。通过洞察，NTO 发现 Rachel 是金卡级回头客，历史购买过多件夹克。个性化工具综合以下因素生成促销推荐：
- 资格：金卡客户可享受特定款式夹克折扣
- 历史购买：Rachel 偏好运动款夹克 → 推荐产品类型为"运动"
- 最近行为：Rachel 在看蓝色夹克 → 聚焦蓝色款式
最终推荐：蓝色运动夹克，促销折扣价。网站显示："金卡客户专属：本产品 85 折 + 包邮！"——这一切在毫秒内完成。Rachel 很满意，下单购买！
通过实时 Data 360，NTO 将每次客户互动转化为个性化的即时响应，大幅提升了用户参与度、转化率和每次访问收入。