Field Discovery Agent

Beim Erstellen von Zielgruppen oder Onboarding-Daten in Adobe Experience Platform ist es oft erforderlich, Schemas manuell zu durchsuchen oder im Voraus genau zu wissen, wie ein Feld benannt wird, um das richtige XDM-Feld für ein Geschäftskonzept zu identifizieren. Verschiedene Felder können dasselbe Konzept unter verschiedenen Namen darstellen, z. B. Bundesland, Region und Ort, und die Auswahl des falschen führt zu Fehlern in nachgelagerten Workflows.

Der Field Discovery Agent ist ein KI-gestützter Agent in Adobe Experience Platform, mit dem Sie XDM-Felder mithilfe von Abfragen in natürlicher Sprache im KI-Assistenten suchen, auswerten und auswählen können. Sie beschreiben, wonach Sie suchen, in einfacher Sprache - ein Geschäftskonzept, ein Workflow-Ziel oder ein bestimmter Feldname - und der Agent gibt Rangfolgenfeldempfehlungen mit unterstützendem Kontext zurück.

Der Felderkennungs-Agent wird im KI-Assistenten automatisch im Hintergrund aufgerufen, wenn andere Experience Platform-Agenten Feld- oder Entitätsverweise auflösen müssen. In diesen Fällen arbeitet sie im Hintergrund, um die Genauigkeit des Agenten, mit dem Sie arbeiten, zu verbessern. Wenn Sie die Felderkennung für Ihre eigene Arbeit benötigen, schreiben Sie eine explizite Eingabeaufforderung zur Feldsuche im KI-Assistenten. Der Field Discovery Agent zeigt nur Feldinformationen an. Schemas, Datensätze oder Zielgruppen werden nicht geändert, und die vorhandenen Zugriffssteuerungen und der Sandbox-Kontext werden berücksichtigt.

Verwendungszeitpunkt when-to-use-this

Verwenden Sie den Felderkennungsagenten explizit im KI-Assistenten, wenn Sie Rangfolgenfeldempfehlungen, Beispielwerte und den Nutzungskontext für eine Zuordnung, Segmentierung oder Abfrage benötigen. Sie wird implizit verwendet, wenn ein anderer Experience Platform-Agent sie im Hintergrund aufruft, um Feld- oder Entitätsverweise aufzulösen. In diesen Fällen bleiben Sie im Workflow dieses Agenten und geben keine separate Eingabeaufforderung zur Feldsuche aus.

Voraussetzungen prerequisites

Um den Field Discovery Agent zu verwenden, benötigen Sie Folgendes:

Eine grundlegende Vertrautheit mit XDM-Schemata und der Verwendung von Feldern in Segmentierungs- oder Daten-Workflows kann Ihnen dabei helfen, die Ergebnisse effektiver zu interpretieren. Weitere Informationen finden Sie unter XDM-Übersicht und Dokumentation zum Schema-Editor.

Anweisungen zum Aktivieren des Zugriffs auf den KI-Assistenten und zum Gewähren der erforderlichen Berechtigungen finden Sie im Agent Orchestrator-Zugriffshandbuch.

Funktionen des Field Discovery Agents field-discovery-agent-functions

Der Field Discovery Agent verarbeitet Ihre Abfrage und gibt abhängig von Ihrer Absicht einen von drei Ausgabetypen zurück. Diese Funktionen spiegeln wider, wie der Agent Ihre Abfrage interpretiert; Sie wählen sie nicht aus. Der Agent bestimmt den entsprechenden Antworttyp automatisch anhand Ihrer Beschreibung.

Funktionsweise des Field Discovery Agent how-field-discovery-agent-works

Auf allgemeiner Ebene interpretiert der Agent Ihre Absicht, durchsucht Ihre verfügbaren Daten und ordnet die Ergebnisse nach Relevanz. Die Formulierung Ihrer Abfrage wirkt sich direkt auf jedes Stadium aus, was sich wiederum auf die Qualität der Ergebnisse auswirkt.

Wenn Sie eine Abfrage im KI-Assistenten senden, verarbeitet der Field Discovery Agent Ihre Anfrage in drei Schritten:

Wissenswertes zu Ergebnissen understand-your-results

Der Field Discovery Agent gibt für jede Abfrage einen strukturierten Ergebnissatz zurück. Wenn Sie die Komponenten eines Ergebnisses verstehen, können Sie mögliche Felder auswerten und mit Konfidenz darauf reagieren, ohne dass Sie zusätzliche Versuche und Fehler machen müssen.

Felder als einsatzbereit behandeln, wenn ihre Bezeichnung Relevanz "Relevanz“, ihre Beispielwerte mit den erwarteten Daten (falls verfügbar) übereinstimmen und ihre Nutzungskontexte an der geplanten Verwendung ausgerichtet sind. Wenn die Ergebnisse nur mäßig relevant oder relevant, die Beispielwerte nicht Ihren Erwartungen entsprechen oder der Nutzungskontext begrenzt ist, verfeinern Sie Ihre Abfrage und überprüfen Sie einen neuen Ergebnissatz, bevor Sie fortfahren.

Relevanzkennzeichnungen

Der Felderkennungs-Agent weist jedem Feldergebnis in der Spalte Relevanz des Bedienfelds Identifizierte Felder einen Relevanztitel zu, der angibt, wie genau das Feld mit Ihrer Abfrage übereinstimmt.

Wenn alle Ergebnisse eher als mäßig relevant oder relevant und nicht hoch relevant gekennzeichnet sind, ist Ihre Abfrage möglicherweise zu breit angelegt oder verwendet eine Terminologie, die nicht mit Ihren Schema-Metadaten übereinstimmt. Verfeinern Sie Ihre Eingabeaufforderung mit spezifischeren Sprach- oder Domain-Begriffen, die widerspiegeln, wie Ihre Felder benannt sind.

Beispielwerte

Neben jedem Feldvorschlag zeigt der Felderkennungs-Agent Beispielwerte an, die aus den Felddaten in Ihrer Sandbox abgerufen wurden. Mit Beispielwerten können Sie vor der Auswahl überprüfen, ob ein Feld den erwarteten Datentyp enthält.

Beispielwerte sind nur für Felder innerhalb Ihrer Datensatzzugriffsberechtigungen sichtbar. Informationen zu Data Governance und Nutzungsbeschränkungen in Experience Platform finden Sie unter Data Governance - Übersicht.

Wenn für ein Feld keine Beispielwerte angezeigt werden, kann das Feld in der aktuellen Sandbox leer sein oder Ihre Berechtigungen umfassen möglicherweise nicht den Zugriff auf den zugrunde liegenden Datensatz. Felder mit hoher Kardinalität (z. B. Kennungs- oder UUID-Felder) geben möglicherweise auch keine repräsentativen Beispielwerte zurück. Die Beispielwerte werden aggregiert und sind frequenzbasiert und nicht auf einzelne Profile zurückzuführen.

Nutzungskontext

Jedes Feldergebnis enthält einen Nutzungskontext, der anzeigt, wo das Feld in Ihrem gesamten Daten-Ökosystem angezeigt wird:

Zielgruppe → Datensatz → Ziel → Schema

Ein Feld, das in einer veröffentlichten Zielgruppe verwendet wird, in einem aktiven Datensatz angezeigt wird, einem Live-Ziel zugeordnet wird und in einem Schema definiert ist, das eine reale Nutzung in Ihrer Umgebung gezeigt hat. Dadurch werden Felder, auf die aktiv zurückgegriffen wird, von Feldern unterschieden, die nur in einer Schemadefinition vorhanden sind, aber in der Praxis nicht verwendet wurden. Verwenden Sie dieses Signal zusammen mit der Relevanzbeschriftung und den Beispielwerten, um eine fundiertere Feldauswahl zu erzielen.

Ergebnisse im KI-Assistenten

Der Felderkennungsagent gibt Ergebnisse in einem Bedienfeld Felder identifiziert innerhalb der Antwort des KI-Assistenten zurück. Das Bedienfeld zeigt eine Tabelle mit drei Spalten an:

Ein Ergebnisse erläutert wird unterhalb der Tabelle Felder angezeigt und bietet zusätzlichen Kontext auf Feldebene, einschließlich Erläuterungen und unterstützenden Details für jedes Ergebnis. Eine Anleitung zum Navigieren in der Benutzeroberfläche des KI-Assistenten finden Sie im Handbuch zur Benutzeroberfläche des KI-Assistenten.

Verwenden des Felderkennungsagenten use-field-discovery-agent

Die Interaktion mit dem Field Discovery Agent erfolgt über den KI-Assistenten in natürlicher Sprache. Der Agent erfordert eine klare Absichtserklärung. Eine vage oder zu kurze Abfrage liefert Ergebnisse von geringerer Qualität oder ruft den Felderkennungsagenten möglicherweise überhaupt nicht auf.

Für eine explizite Felderkennung führen Sie diesen Workflow aus: Identifizieren Sie das Attribut- oder Zuordnungsproblem, senden Sie eine Feldsuchabfrage, überprüfen Sie die Rang-Ergebnisse und den Nutzungskontext im Bedienfeld Identifizierte Felder, wählen Sie den Feldname-Pfad aus, der zu Ihrer Absicht passt, und wenden Sie diesen XDM-Pfad in Segment Builder, Query Service oder einem anderen Workflow an.

So verwenden Sie den Felderkennungsagenten:

Wählen Sie bei Bedarf das Dropdown-„Reasoning complete über der Antwort aus, um zu bestätigen, dass der Field Discovery Agent Ihre Anfrage verarbeitet hat. Das Dropdown-Menü enthält Argumentationsdetails, die angeben, welcher Agent aufgerufen wurde.

Eine Anleitung zur Benutzeroberfläche des KI-Assistenten finden Sie im Handbuch zur Benutzeroberfläche des KI-Assistenten.

Unterstützte Anwendungsfälle supported-use-cases

In den folgenden Abschnitten werden die drei Funktionen des Field Discovery Agents mit repräsentativen Szenarien und Beispielaufforderungen beschrieben. Zu den Ergebnissen gehören Relevanzkennzeichnungen und Nutzungskontext, die bei der Bewertung von Feldern hilfreich sind. Informationen zur Interpretation der Ergebnisse finden ​ unter „Wissenswertes zu Ergebnissen. Der Felderkennungs-Agent gibt nur Feldinformationen zurück: Er erstellt keine Zielgruppen, führt keine Abfragen aus und überträgt keine Daten in andere Tools. Nachdem Sie ein Feld identifiziert haben, lesen Sie seinen XDM-Pfad aus der Spalte Feldname und verwenden Sie ihn in Ihrem nachgelagerten Workflow.

Identifizieren von Feldern für ein Geschäftskonzept

Wenn Sie ein bestimmtes Datenkonzept oder -attribut beschreiben, gibt der Felderkennungsagent eine Rangliste von Feldern zurück, die semantisch Ihrer Beschreibung entsprechen.

„Welche Felder repräsentieren den Bundesstaat oder die Provinz eines Kunden?“
„Felder für das Kauftransaktionsdatum suchen“
„Welche Felder enthalten Informationen zum E-Mail-Marketing-Einverständnis?“

Die Antwort listet mögliche Felder mit ihrer Relevanzbezeichnung und dem XDM-Pfad im Bedienfeld Felder identifiziert auf. Die mit Sehr relevant gekennzeichneten Felder entsprechen am ehesten Ihrem angegebenen Konzept. Wenn die obersten Ergebnisse eher als mäßig relevant oder relevant und nicht hoch relevant gekennzeichnet sind, verfeinern Sie Ihre Abfrage mithilfe einer spezifischeren Terminologie oder eines Kontexts auf Feldebene.

Abrufen von Feldempfehlungen für einen Anwendungsfall

Wenn Sie ein Workflow-Ziel oder einen Anwendungsfall beschreiben - z. B. das Erstellen eines Segments, das Onboarding eines Datensatzes oder das Vorbereiten einer Abfrage - empfiehlt der Felderkennungs-Agent Felder, die an diesem Ziel ausgerichtet sind und nach Relevanz priorisiert sind.

„Ich möchte eine Audience mit hochwertigen Kunden aufbauen. Welche Felder sollte ich verwenden?“
„Empfehlen Sie Felder zur Modellierung der Kaufneigung.“
„Welche Felder sollte ich beim Onboarding eines Einzelhandelstransaktionsdatensatzes einbeziehen?“

Die Antwort gibt eine priorisierte Liste von Feldern mit Relevanzkontext zurück. Überprüfen Sie den Nutzungskontext für jedes empfohlene Feld, um sicherzustellen, dass es aktiv in Ihrer Umgebung verwendet wird.

Feldkontext anreichern

Wenn Sie ein bestimmtes Feld nach Name oder Pfad fragen, gibt der Felderkennungs-Agent einen detaillierten Kontext für dieses Feld zurück, einschließlich Beispielwerten, Schemaspeicherort und Verwendung in Datensätzen, Zielgruppen und Zielen.

„Erzähl mir mehr über die person.name.lastName.“
„Welche Beispielwerte gibt es für homeAddress.stateProvince?“
„Wo wird das Feld commerce.purchases.value meinen Datensätzen und Zielgruppen verwendet?“

Die Antwort gibt die Beispielwerte des Felds, den Speicherort des Schemas, die zugehörigen Datensätze und alle Zielgruppen oder Ziele zurück, in denen das Feld angezeigt wird. Überprüfen Sie diesen Kontext, um zu bestätigen, dass das Feld die erwarteten Daten enthält.

Im Umfang und außerhalb des Bereichs in-scope-and-out-of-scope

In diesem Abschnitt wird zusammengefasst, was der Field Discovery Agent tun kann und was nicht. Detaillierte Aufgabenanleitungen finden Sie unter Unterstützte Anwendungsfälle. Informationen zu Plattformeinschränkungen finden Sie unter Leitplanken und Einschränkungen.

Im Umfang

In der folgenden Liste werden die Aufgaben beschrieben, die der Field Discovery Agent ausführen kann. Anhand dieser Aufgabe können Sie prüfen, ob der Agent Ihrer Anforderung nachkommen kann, bevor Sie sich in Ihrem Workflow darauf verlassen.

Außerhalb des Geltungsbereichs

In der folgenden Liste werden Aktionen beschrieben, die der Field Discovery Agent nicht ausführt. Verwenden Sie die Liste, um zu vermeiden, dass der Agent für Aufgaben außerhalb seines Bereichs erforderlich ist.

Leitlinien und Einschränkungen guardrails-and-limitations

Diese Leitplanken sind wichtig, da der Field Discovery Agent innerhalb von Beschränkungen auf Plattformebene arbeitet, die die Verfügbarkeit und Qualität der Ergebnisse beeinflussen. Verwenden Sie sie, um fehlende, verzögerte oder unvollständige Ergebnisse zu interpretieren und unerwartete Lücken mit realistischen Erwartungen zu beheben.

Knowledgebase

Der Field Discovery Agent basiert auf einer Wissensdatenbank, die regelmäßig mit Schemas und Metadaten aus Ihrer Experience Platform-Umgebung aktualisiert wird. Die Ergebnisse spiegeln den Status der Wissensdatenbank zum Zeitpunkt Ihrer Abfrage wider - nicht den Echtzeitstatus Ihrer Schemas. Außerdem kann es zu einer Verzögerung zwischen der Datenaufnahme und dem Zeitpunkt kommen, zu dem sie im Agenten angezeigt wird.

Neue Schemata, Felder oder Datensätze, die Ihrer Umgebung hinzugefügt wurden, werden möglicherweise nicht sofort in den Ergebnissen des Field Discovery Agent angezeigt. Es kann einige Zeit dauern, bis die Ergebnisse die jüngsten Änderungen widerspiegeln.

Qualität und Abdeckung von Metadaten

Die Ergebnisqualität hängt von der Qualität und Vollständigkeit der Feldmetadaten in Ihrer Experience Platform-Umgebung ab. Der Agent verwendet Feldnamen, Anzeigenamen, Beschreibungen und Nutzungsverknüpfungen, um die Ergebnisse zu reihen. Felder mit unzureichenden oder fehlenden Metadaten werden möglicherweise nicht in den Ergebnissen angezeigt oder rangieren möglicherweise niedriger als erwartet.

Wenn Sie Zugriff auf die Schemabearbeitung haben, können Sie die Ergebnisqualität verbessern, indem Sie:

Anleitungen für die Bearbeitung von Anzeigenamen und Beschreibungen von Feldern im Schema-Editor finden Sie unter Erstellen und Bearbeiten von Schemas in der Benutzeroberfläche.

Wenn Sie keinen Zugriff auf die Schemabearbeitung haben und die Ergebnisse durchgängig schlecht sind, wenden Sie sich an Ihren Experience Platform-Administrator oder Ihr Data Engineering-Team, um die Feldmetadaten für die Schemata zu überprüfen, mit denen Sie arbeiten.

Zugriffs- und PII-Einschränkungen

Der Field Discovery Agent berücksichtigt alle vorhandenen Experience Platform-Zugriffssteuerungen und arbeitet innerhalb Ihres aktuellen Sandbox-Kontexts. Sie erhalten nur Ergebnisse für Felder in Schemata und Datensätzen, auf die Sie zugreifen dürfen.

Beispielwerte werden von denselben Berechtigungen auf Datensatzebene gesteuert. Felder in profilaktivierten Datensätzen mit PII-Einschränkungen geben Beispielwerte nur zurück, wenn Sie über den erforderlichen Zugriff verfügen. Siehe Beispielwerte für die Handhabung. Der Field Discovery Agent umgeht keine Sicherheitseinstellungen auf Feldebene oder profilaktivierte Zugriffsbeschränkungen.

Best Practices best-practices

Verwenden Sie die folgenden Anleitungen, um genaue, verwertbare Ergebnisse vom Field Discovery Agent zu erhalten.

Beispiel-Eingabeaufforderungen example-prompts

Verwenden Sie diesen Abschnitt als Bibliothek mit einer Eingabeaufforderung als Schnellverweis. Wenn Sie mit dem Field Discovery Agent noch nicht vertraut sind, lesen Sie zunächst Best Practices und Unterstützte Anwendungsfälle um zu verstehen, wann und warum jede Funktion gilt.

Eingabeaufforderungen zur Identifizierung

Verwenden Sie diese Eingabeaufforderungen, wenn Sie das benötigte Datenkonzept kennen, aber nicht wissen, welches Feld es enthält.

„Welches Feld enthält den Bundesstaat oder die Region eines Kunden?“
Suchen von Feldern zum E-Mail-Abonnementstatus.“
„Welches Feld enthält das Datum des ersten Kaufs eines Kunden?“
„Identifizieren Sie Felder, die für den Kundenlebenszeitwert stehen.“
„Welche Felder in meinem Profilschema beziehen sich auf die Mitgliedschaft im Treueprogramm?“

Eingabeaufforderungen zur Empfehlung

Verwenden Sie diese Eingabeaufforderungen, wenn Sie einen Workflow starten und Anleitungen benötigen, welche Felder für ein bestimmtes Ziel eingeschlossen werden sollen.

„Welche Felder sollte ich verwenden, um eine Zielgruppe für die erneute Interaktion zu erstellen?“
„Empfehlungsfelder für eine Zielgruppe, die sich an Kunden richten, die seit 90 Tagen keinen Kauf getätigt haben.“
„Welche Felder sind am nützlichsten für die Modellierung des Abwanderungsrisikos?“
Vorschlagen von Feldern, die bei der Erstellung einer geografischen Segmentierung einbezogen werden sollen“
„Ich baue ein Modell mit einer Kaufneigung auf. Mit welchen Feldern soll ich beginnen?“

Eingabeaufforderungen zur Anreicherung

Verwenden Sie diese Eingabeaufforderungen, wenn Sie ein Kandidatenfeld haben und es überprüfen möchten, bevor Sie es in einem Segment, einer Abfrage oder einer Zuordnung verwenden.

„Erzähl mir mehr über homeAddress.stateProvince.“
„Beispielwerte für commerce.purchases.value anzeigen“
„Wo wird person.name.lastName in meinen Datensätzen und Audiences verwendet?“
„Welche Datensätze enthalten die web.webPageDetails.URL?“
„Ist segmentMembership aktiven Zielen zugeordnet?“

Fehlerbehebung troubleshooting

Verwenden Sie diesen Abschnitt, wenn Ergebnisse fehlen oder unerwartet auftreten oder wenn Sie sich nicht sicher sind, ob der Field Discovery Agent Ihre Anfrage verarbeitet hat.

Um zu überprüfen, welcher Agent Ihre Anfrage verarbeitet hat, lesen Sie Schritt 6 in Verwenden des Field Discovery Agent.