En esta página: Descubra las habilidades de CX Enterprise Coworker disponibles para la toma de decisiones en Adobe Journey Optimizer, comprender por qué se mostró o no una oferta en un perfil o segmento, y crear, explicar, simular y optimizar reglas de elegibilidad y fórmulas de clasificación, con instrucciones detalladas, instrucciones de ejemplo y prácticas recomendadas.
Las capacidades de decisión de Adobe Journey Optimizer le ayudan a explicar las decisiones de oferta y a crear, probar y optimizar las reglas de idoneidad y las fórmulas de clasificación mediante mensajes en lenguaje natural. Utilice el explicador de decisiones para comprender por qué se mostró o no una oferta a un perfil o segmento. Utilice Reglas y clasificación para crear y simular reglas de elegibilidad y fórmulas de clasificación antes de aplicarlas a su estrategia de toma de decisiones.
Más información:
- Aptitudes de colaborador para Journey Optimizer: información general sobre las aptitudes de colaborador en todos los Recorridos, lealtad, administración de contenido y toma de decisiones en Journey Optimizer.
- Documentación de los compañeros: información general sobre las capacidades de Campañas, Conversaciones y Proyectos de los compañeros.
- Guía de la interfaz de usuario de Coworker Chat: cómo acceder y navegar por Coworker Chat.
Explicador de decisión decisioning-explainer
Decisioning Explainer responde, en lenguaje natural, por qué se mostró o no una oferta específica en un perfil determinado o, más ampliamente, por qué un segmento de perfiles no ve una oferta. Recorre la pila completa de toma de decisiones para el perfil (o segmento) solicitado y la ventana de tiempo: qué ofertas eran elegibles, qué regla de elegibilidad incluyó o excluyó cada una, si la restricción de frecuencia o fatiga suprimió la oferta, las puntuaciones de clasificación finales y con qué estrategia o modelo de IA se produjeron, y con qué grupo de candidatos (recopilación de elementos) se evaluó el perfil.
Esto responde a un desafío común de los especialistas en marketing: explicar por qué una oferta se clasifica por encima de otra o por qué una decisión de oferta específica se produjo de la manera que lo hizo. El Explicador de decisiones es de sólo lectura: explica las decisiones, pero no modifica las reglas, las fórmulas de clasificación ni las estrategias de selección.
Casos de uso clave
Impulso de las prácticas recomendadas
- ID de referencia conocidos: proporcione el ID de perfil, el nombre de oferta o el nombre del segmento para obtener un seguimiento preciso en lugar de una respuesta general.
- Incluir una ventana de tiempo: especifique una fecha o un intervalo de fecha al preguntar por qué ha cambiado la visibilidad de una oferta, de modo que el Compañero pueda analizar el seguimiento correctamente.
- Pedir el desglose de clasificación directamente: Si desea obtener detalles de puntuación, pida explícitamente la puntuación de clasificación o los factores que influyeron en el resultado.
- Utilice preguntas de nivel de segmento para las tendencias: Cuando investigue por qué un grupo de perfiles no está viendo una oferta, pregunte por el segmento en lugar de por un solo perfil para obtener el motivo dominante.
Reglas y clasificación rules-ranking
Reglas y clasificación proporciona a los especialistas en marketing asistencia basada en IA para crear, comprender y probar la lógica de toma de decisiones, sin necesidad de escribir o validar manualmente la sintaxis de PQL. Abarca cuatro funciones principales: creación de reglas en lenguaje natural, regla en inglés sencillo y explicación de la fórmula de clasificación, simulación con hasta 3 perfiles de prueba y optimización de PQL. Tiene ámbitos de reglas de idoneidad y fórmulas de clasificación; no crea ni edita estrategias de selección ni políticas de decisión.
Casos de uso clave
Impulso de las prácticas recomendadas
- Proporcione la condición de destino explícitamente: Al crear o modificar una regla, indique la audiencia, el atributo o la condición de exclusión exactos que desee.
- Hacer referencia a la regla o fórmula directamente: Al solicitar una explicación, simulación u optimización, asegúrese de que la regla o fórmula que desea decir esté abierta o claramente identificada.
- Pida casos extremos: al simular, pídale a su compañero que genere perfiles de casos extremos para probar una condición con estrés, no solo las típicas.
- Revisar antes de publicar: Compruebe la lógica y los resultados de simulación de una regla generada u optimizada antes de publicarla.
This section contains structured knowledge intended to support interpretation, retrieval, and question answering related to this topic.
For complete understanding, this information should be combined with the documentation on this page. Neither source is intended to stand alone; the page describes the feature, while this section provides additional context that helps disambiguate terminology, intent, applicability, and constraints.
- TL;DR: This page documents two CX Coworker skills for Decisioning in Adobe Journey Optimizer: Decisioning Explainer, which explains in natural language why a specific offer was or wasn’t shown to a profile or segment; and Decisioning Rule Workflow, which creates, explains, simulates, and optimizes eligibility rules and ranking formulas in natural language, without requiring PQL syntax.
Intents
- Understand why a specific offer was or wasn’t shown to a profile.
- Understand why an offer’s visibility to a customer or segment changed over time.
- Understand how an offer was ranked or selected over other eligible offers.
- Get an aggregated explanation of why a segment of profiles isn’t seeing an offer.
- Create a new eligibility rule, or edit an existing one, from a plain-language description.
- Get a plain-English explanation of what an existing eligibility rule or ranking formula does.
- Simulate an eligibility rule or ranking formula against test profiles.
- Rewrite a rule or formula to fit within PQL size limits without changing its logic.
Glossary
- Decisioning Explainer (product-specific): CX Coworker skill that explains, in natural language, why an offer was or wasn’t shown to a profile or segment, by tracing eligibility, capping, ranking, and candidate pool evaluation.
- Decisioning Rule Workflow (product-specific): CX Coworker skill that creates, explains, simulates, and optimizes Decisioning eligibility rules and ranking formulas using natural language, without requiring the marketer to write or read PQL syntax directly.
- Eligibility rule: a condition that includes or excludes an offer as a candidate for a given profile; Decisioning Explainer identifies which rule included or excluded each candidate offer, and Decisioning Rule Workflow can create, explain, simulate, or optimize the rule itself.
- Ranking formula: the logic used to score and order eligible offers; Decisioning Rule Workflow can create, explain, simulate, or optimize a ranking formula, the same way it does for eligibility rules.
- Capping: frequency or fatigue suppression logic that can prevent an otherwise-eligible offer from being shown; Decisioning Explainer can identify when capping suppressed an offer.
- Candidate pool (item collection): the set of offers a profile is evaluated against during a decisioning event; Decisioning Explainer reports which candidate pool was used.
- PQL (Profile Query Language): the expression syntax underlying Decisioning eligibility rules and ranking formulas; Decisioning Rule Workflow generates, explains, and optimizes PQL without the marketer needing to write or validate it manually.
Guardrails
- Decisioning Explainer and Decisioning Rule Workflow are both available for all customers who have access to Coworker and Decisioning.
- Decisioning Explainer is read-only: it explains decisions but does not modify rules, ranking formulas, or selection strategies.
- Decisioning Rule Workflow simulation supports up to 3 test profiles at a time, manually entered or AI-generated.
- Decisioning Rule Workflow is scoped to eligibility rules and ranking formulas; it does not create or edit selection strategies or decision policies.
Terminology
- Do not confuse: “eligibility” (whether an offer qualifies as a candidate) is distinct from “ranking” (how qualifying candidates are ordered) and “capping” (frequency/fatigue suppression applied after eligibility and ranking) — Decisioning Explainer reports on all three separately.
- Do not confuse: Decisioning Explainer explains why a decision already made turned out the way it did for a real profile or segment; Decisioning Rule Workflow explains, creates, simulates, or optimizes the rule or formula configuration itself, independent of any specific real-world decisioning event.
FAQ
- Can Decisioning Explainer explain a decision for a single profile? Yes, ask why a specific profile did or didn’t see a specific offer, on a specific date.
- Can Decisioning Explainer explain decisions across a segment? Yes, it can aggregate the explanation across a segment to surface the dominant reason a group of profiles isn’t seeing an offer.
- Does Decisioning Explainer show ranking scores? Yes, it can return the final ranking score for each offer and which strategy or AI model produced it.
- Can Decisioning Explainer change a rule or ranking formula? No, it is read-only and does not modify decisioning configuration.
- Can Decisioning Rule Workflow create a brand-new eligibility rule from scratch? Yes, describe the target audience or condition in plain language and it generates the PQL rule.
- Can Decisioning Rule Workflow explain a rule someone else built? Yes, it can explain any existing eligibility rule or ranking formula in plain English, including what it includes, excludes, and each condition’s meaning.
- How many test profiles can Decisioning Rule Workflow simulate against at once? Up to 3, manually entered or AI-generated, including edge cases.
- Does Decisioning Rule Workflow change a rule’s logic when optimizing it? No, PQL optimization only makes the syntax more concise to fit size limits; it preserves the original logic and outcome.
Personas:
- marketer: Can create an eligibility rule or ranking formula from a plain-language description, without writing PQL syntax. Can simulate the rule or formula against up to three test profiles, including AI-generated edge cases, to see pass-fail results or ranking scores. The page states that Rules & Ranking does not create or edit selection strategies or decision policies. Where: “Rules & Ranking”.
Onboarding:
- Level: Beginner
- First minimal step: Describe the target audience or condition in plain language to create a new eligibility rule.
- Success check: Coworker generates the PQL rule from the plain-language description.
- Previous: Learn about Coworker skills across Journey Optimizer before using the Decisioning-specific skills: Work with AI (start/ai-features.md)