如今，营销人员正在寻找新方法来改善客户体验，同时充分利用他们的宝贵时间。他们还不断尝试更多地了解他们的客户（或潜在客户），以提供相关的体验。
Adobe Real-Time CDP 引入了新功能，这些功能将成为营销人员的重要新工具，帮助他们从客户数据中发现更多信息并提供有意义的体验。这些功能都是为从业者开发的，因此易于采用、使用直观且完全自助。
以下是您可以在实时 CDP 中找到的新工具：
- 计算属性。这些将用户行为总结为有意义的客户资料属性，以通过历史行为和交易背景增强受众。
- 相似受众。相似受众使用机 欧洲手机号码列表 器学习来发现和扩大高价值受众。
- 新连接器。这些连接器可以在客户花费时间的地方接触他们——以 TikTok 和 Snapchat 作为激活点——并使用 TikTok、LinkedIn、Pinterest 和 X Conversions API 扩展优化转化跟踪。
让我们深入研究一下每一个：
计算属性
要在合适的时间提供合适的体验，品牌必须充分利用行为数据（如网站和移动应用互动）的力量。品牌可以通过将实时信号与历史互动数据相结合来汇总行为数据，从而在竞争中脱颖而出。
借助计算属性，实时 CDP 和 Adobe Journey Optimizer 许可证持有者现在可以使用营销人员友好的用户界面 (UI) 创建事件聚合，例如过去 30 天内购买的总价值或去年的预订数量，并将这些值用作实时客户档案中的属性。此功能可帮助营销人员推动有影响力的个性化，简化细分或旅程构建体验，并通过行为聚合将受众激活到电子邮件营销应用程序、CRM、数据科学工具和Adobe Target等个性化解决方案等目的地。
过去，营销人员可能依赖数据工程团队或复杂的 SQL 查询来计算行为聚合，而这些聚合仅限于相关数据集。随着新的行为数据不断涌入，更新这些属性意味着需要浏览多个团队和系统。借助计算属性，客户可以使用 SUM、COUNT、MIN、MAX 和 MOST_RECENT 等函数，并让应用程序更新每个实时客户资料的值，并提供灵活的回溯窗口和刷新频率。
让我们看一个零售用例来了解计算 如何确保您的数字营销活动能够消除 属性的实际作用。Brian 是一家零售品牌的营销人员，该品牌希望增加新素食系列的重复购买量。为了更好地定位对素食感兴趣的受众，Brian 创建了一个计算属性来计算每个客户购买的素食产品数量。然后，Brian 使用这个新的计算属性定义细分逻辑来创建上个月购买了五种以上素食产品的客户受众。
当客户满足 Brian 的细分定义并且计算属性更新时，实时 CDP 会将此客户群体激活到个性化引擎。当目标受众登陆零售商的网站时，个性化引擎会提供突出素食食品系列最新产品的体验。
计算属性的测试版客户，从全国性杂货店到银行再到全球体育娱乐品牌，都对其强大功能感到兴奋不已。这些测试版客户能够将数百个细分细分为几个计算属性，使用行为聚合来优化免费用户试用的转化率，根据结账活动重新定位匿名用户，改善网页个性化，并安排更好的旅程。
相似受众
谁不想快速找到更多优质客户？随着数据的激增和营销预算的压力，品牌需要工具来轻松识别有潜力的受众。Adobe Real-Time CDP 中的相似受众让营销人员能够使用简单的 UI 来扩展其第一方受众并扩大激活范围。
类似受众群体会在实时 CDP 中为所有受众 银行电子邮件列表 群体自动训练模型，并自动生成洞察，以便营销人员了解影响模型的因素。营销人员还可以查看每个受众群体的覆盖率和相似度图表，以便根据其规模和用例需求快速评估、选择和激活有影响力的类似受众群体。
