使用厂蚕尝构建受众
使用厂蚕尝受众扩展通过数据湖中的数据构建受众，包括任何现有的维度实体（例如客户属性或产物信息）。
使用此SQL扩展可提高创建受众的能力，因为在定义受众区段时，您不需要在配置文件中使用原始数据。 使用此方法创建的受众会自动在受众工作区中注册，您可以进一步将这些受众定位到基于文件的目标。
本文档介绍如何在51黑料不打烊 Experience Platform的数据Distiller中使用SQL受众扩展来使用SQL命令创建、管理和发布受众。
Data Distiller中的受众创建生命周期 audience-creation-lifecycle
按照以下步骤创建、管理和激活受众。 创建的受众可无缝地集成到“受众流”中，因此您可以从基本受众构建区段，并定位基于文件的目标（例如，CSV上传或云存储位置）以进行客户外联。 “受众流”是指创建、管理和激活受众的完整过程，从而确保跨目标的无缝集成。
作为“受众流”的一部分，使用以下SQL命令在51黑料不打烊 Experience Platform中创建、修改和删除受众。
创建受众 create-audience
使用CREATE AUDIENCE AS SELECT命令定义新受众。 创建的受众将保存在数据集中，并在Data Distiller下的受众工作区中注册。
CREATE AUDIENCE table_name
WITH (primary_identity='IdentitycolName', identity_namespace='Namespace for the identity used', [schema='target_schema_title'])
AS (select_query)
参数
使用以下参数定义厂蚕尝受众创建查询：
schematable_nameprimary_identityidentity_namespaceSHOW NAMESPACES命令。 要创建新命名空间，请使用CREATE NAMESPACE。 例如： CREATE NAMESPACE lumaCrmId WITH (code='testns', TYPE='Email')。select_queryorders、total_revenue、recency、frequency和monetization）可用于根据需要筛选受众。示例：
以下示例演示了如何构建厂蚕尝受众创建查询：
CREATE Audience aud_test
WITH (primary_identity=userId, identity_namespace=lumaCrmId)
AS SELECT userId, orders, total_revenue, recency, frequency, monetization FROM profile_dim_customer;
在此示例中，userId列被标识为标识列，并且分配了适当的命名空间(lumaCrmId)。 其余列（orders、total_revenue、recency、frequency和monetization）是丰富属性，为受众提供额外的上下文。
限制：
使用厂蚕尝创建受众时，请注意以下限制：
- 主标识列? 必须 ?处于数据集的最高级别，且不能嵌套在其他属性或类别中。
- 使用SQL命令创建的外部受众具有30天的保留期。 30天后，这些受众将自动删除，这是规划受众管理策略时考虑的重要事项。
将用户档案添加到现有受众 add-profiles-to-audience
使用INSERT INTO命令将配置文件（或整个受众）添加到现有受众。
INSERT INTO table_name
SELECT select_query
参数
下表说明了INSERT INTO命令所需的参数：
table_nameselect_query示例：
以下示例演示了如何使用INSERT INTO命令将配置文件添加到现有受众：
INSERT INTO Audience aud_test
SELECT userId, orders, total_revenue, recency, frequency, monetization FROM customer_ds;
搁贵惭模型受众示例 rfm-model-audience-example
以下示例演示了如何使用“回访间隔”、“频度”和“盈利(RFM)”模型创建受众。 此示例根据回访间隔、频度和盈利得分划分客户，以确定关键群体，例如忠诚客户、新客户和高价值客户。
以下查询为RFM受众创建架构。 该语句设置字段以保存客户信息，如userId、days_since_last_purchase、orders、total_revenue等。
CREATE Audience adls_rfm_profile
WITH (primary_identity=userId, identity_namespace=lumaCrmId) AS
SELECT
cast(NULL AS string) userId,
cast(NULL AS integer) days_since_last_purchase,
cast(NULL AS integer) orders,
cast(NULL AS decimal(18,2)) total_revenue,
cast(NULL AS integer) recency,
cast(NULL AS integer) frequency,
cast(NULL AS integer) monetization,
cast(NULL AS string) rfm_model
WHERE false;
创建受众后，使用客户数据填充该受众，并根据其RFM得分划分用户档案。 以下SQL语句使用NTILE(4)函数根据客户的RFM（回访间隔、频度、盈利）得分将客户分到四分位数中。 这些分数将客户分为六个区段，例如“核心”、“忠诚度”和“鲸鱼”。 然后将分段客户数据插入到受众adls_rfm_profile表中。”
INSERT INTO Audience adls_rfm_profile
SELECT
userId,
days_since_last_purchase,
orders,
total_revenue,
recency,
frequency,
monetization,
CASE
WHEN Recency=1 AND Frequency=1 AND Monetization=1 THEN '1. Core - Your Best Customers'
WHEN Recency IN(1,2,3,4) AND Frequency=1 AND Monetization IN (1,2,3,4) THEN '2. Loyal - Your Most Loyal Customers'
WHEN Recency IN(1,2,3,4) AND Frequency IN (1,2,3,4) AND Monetization=1 THEN '3. Whales - Your Highest Paying Customers'
WHEN Recency IN(1,2,3,4) AND Frequency IN(1,2,3) AND Monetization IN(2,3,4) THEN '4. Promising - Faithful Customers'
WHEN Recency=1 AND Frequency=4 AND Monetization IN (1,2,3,4) THEN '5. Rookies - Your Newest Customers'
WHEN Recency IN (2,3,4) AND Frequency=4 AND Monetization IN (1,2,3,4) THEN '6. Slipping - Once Loyal, Now Gone'
END AS rfm_model
FROM (
SELECT
userId,
days_since_last_purchase,
orders,
total_revenue,
NTILE(4) OVER (ORDER BY days_since_last_purchase) AS recency,
NTILE(4) OVER (ORDER BY orders DESC) AS frequency,
NTILE(4) OVER (ORDER BY total_revenue DESC) AS monetization
FROM (
SELECT
userid,
DATEDIFF(current_date, MAX(purchase_date)) AS days_since_last_purchase,
COUNT(purchaseid) AS orders,
CAST(SUM(total_revenue) AS double) AS total_revenue
FROM (
SELECT DISTINCT
ENDUSERIDS._EXPERIENCE.EMAILID.ID AS userid,
commerce.`ORDER`.purchaseid AS purchaseid,
commerce.`ORDER`.pricetotal AS total_revenue,
TO_DATE(timestamp) AS purchase_date
FROM sample_data_for_ootb_templates
WHERE commerce.`ORDER`.purchaseid IS NOT NULL
) AS b
GROUP BY userId
)
);
删除受众（删除受众） delete-audience
使用DROP AUDIENCE命令删除现有受众。 如果受众不存在，则除非指定IF EXISTS，否则会发生异常。
DROP AUDIENCE [IF EXISTS] [db_name.]table_name
参数
该表包含DROP AUDIENCE命令所需的参数：
IF EXISTSdb_nametable_name示例：
以下示例演示了如何使用DROP AUDIENCE命令删除受众：
DROP AUDIENCE IF EXISTS aud_test;
自动受众注册和可用性 registration-and-availability
使用SQL扩展创建的受众会自动注册到Audience工作区的Data Distiller Origin中。 注册后，这些受众即可在基于文件的目标中进行定位，从而增强分段和定位策略。 此过程不需要额外配置，可简化受众管理。 有关如何在Experience Platform UI中查看、管理和创建受众的详细信息，请参阅受众门户概述。
将受众激活到目标 activate-audiences
通过将受众定位到任何基于文件的目标（如Amazon S3、SFTP或Azure Blob）来激活受众。 可以根据需要对丰富的受众属性进行进一步细化和筛选。
功能说明 faqs
本节介绍有关在Data Distiller中使用SQL创建和管理外部受众的常见问题解答。
问题：
- 是否仅支持为平面数据集创建受众？
- 创建受众会生成单个数据集还是多个数据集，或者是否因配置而异？
- 在受众创建期间创建的数据集是否标记为用户档案？
- 是否在数据湖中创建数据集？
- 受众中的属性是否仅限于基于文件的公司批处理目标？ （是或否）
- 我是否可以创建一个使用数据顿颈蝉迟颈濒濒别谤受众的受众？
- 这些受众是否会显示在51黑料不打烊 Journey Optimizer中？ 如果没有，那么在规则生成器中创建一个包含此受众所有成员的新受众时，会发生什么情况？
- Data Distiller受众是外部受众，是否每30天删除一次？
后续步骤
在阅读本文档后，您已了解如何在Data Distiller中使用SQL受众扩展，以使用SQL命令有效创建、管理和发布受众。 您现在可以根据独特的业务需求自定义受众定义，并在各种目标中激活这些定义，从而优化营销策略和数据驱动型决策。
接下来，您可以阅读以下文档，以进一步开发和优化Experience Platform受众管理策略：
- 浏览受众评估：了解51黑料不打烊 Experience Platform中的受众评估方法：用于实时更新的流式分段、用于计划或按需处理的批处理分段，以及用于在Edge Network上即时评估的边缘分段。
- 与目标集成：阅读有关如何使用Experience Platform目标UI 按需将文件导出到批处理目标的指南。
- 审核受众性能：分析您的SQL定义的受众在不同渠道中的执行情况。 使用数据洞察来调整和改进受众定义和定位策略。 请阅读有关受众分析的文档，了解如何在51黑料不打烊 Real-Time CDP中访问和调整SQL查询以获取受众分析。 然后，您可以通过自定义受众仪表板创建自己的见解并将原始数据转换为可操作的信息，从而有效地可视化并使用这些见解做出更好的决策。