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
AVAILABILITY
El explicador de decisiones está disponible para todos los clientes que tienen acceso a Colaborador y toma de decisiones.
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
Caso de uso
Descripción
Habilidades
Indicadores de ejemplo
Por qué se mostró o no una oferta específica
Rastree la decisión de un perfil o segmento revisando las reglas de aceptación, el límite, la clasificación y el pool de candidatos para un periodo de tiempo específico.
Explicador de decisión
“¿Por qué los 12345 de perfil vieron la Oferta X el 15 de mayo?”
“¿El perfil X no era elegible para esta oferta?”
“¿Qué regla de elegibilidad excluyó a este cliente?”
“Mostrarme para qué ofertas el perfil X era elegible el 3 de junio.”
“¿El perfil X no era elegible para esta oferta?”
“¿Qué regla de elegibilidad excluyó a este cliente?”
“Mostrarme para qué ofertas el perfil X era elegible el 3 de junio.”
Por qué la visibilidad de una oferta cambió con el tiempo
Investigue los cambios en la visibilidad de la oferta revisando la frecuencia de exposición, la fatiga o las restricciones de límite, la elegibilidad y la supresión durante un periodo seleccionado.
Explicador de decisión
“¿Por qué ha dejado de mostrarse la oferta Y a los clientes que regresan en los últimos 7 días?”
“¿Cuántas veces ha visto este cliente esta oferta?”
“¿Se ha restringido esta oferta para el perfil X?”
“¿Qué ofertas se están suprimiendo actualmente para el perfil X debido a las restricciones de restricción?”
“¿Cuántas veces ha visto este cliente esta oferta?”
“¿Se ha restringido esta oferta para el perfil X?”
“¿Qué ofertas se están suprimiendo actualmente para el perfil X debido a las restricciones de restricción?”
Clasificación o selección de una oferta
Explique por qué una oferta se clasificó por encima de otra mostrando las puntuaciones de clasificación, la estrategia o el modelo de IA y otros factores de decisión utilizados para el perfil.
Explicador de decisión
“Explicarme exactamente cómo se seleccionó la oferta Z sobre las demás ofertas aptas para este perfil.”
“¿Cuál fue la puntuación de clasificación para cada oferta en esta decisión?”
“¿Por qué la oferta A se clasificó por encima de la oferta B para este perfil?”
“¿Qué factores influyeron más en el resultado de la clasificación?”
“¿Cuál fue la puntuación de clasificación para cada oferta en esta decisión?”
“¿Por qué la oferta A se clasificó por encima de la oferta B para este perfil?”
“¿Qué factores influyeron más en el resultado de la clasificación?”
Explicaciones a nivel de segmento
Lógica de decisión agregada en un segmento para identificar las razones dominantes por las que los perfiles no ven una oferta y qué ofertas recibe el segmento.
Explicador de decisión
“Para los clientes de esta audiencia, ¿cuál es la razón más común por la que se les excluye?”
“¿Qué ofertas recibe realmente este segmento?”
“¿Por qué no ve esta oferta mi segmento de fidelidad?”
“¿Qué ofertas recibe realmente este segmento?”
“¿Por qué no ve esta oferta mi segmento de fidelidad?”
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
AVAILABILITY
Rules & Ranking está disponible para todos los clientes que tienen acceso a Coworker y Decisioning.
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
Caso de uso
Descripción
Habilidades
Indicadores de ejemplo
Creación de reglas de lenguaje natural
Convierta un requisito de idoneidad en un lenguaje sin formato en sintaxis de PQL para una regla nueva o una edición en una regla existente.
Reglas y clasificación
“¿Puede crear una regla de aceptación que dirija a los usuarios que cumplan las condiciones XYZ?”
“Cree una regla de aceptación dirigida a los miembros de lealtad de nivel 2 o superior.”
“Escriba una regla de PQL que excluya a los clientes que hayan realizado una compra en los últimos 7 días.”
“Modifique esta regla para excluir también a los clientes de la lista de supresión.”
“Cree una regla de aceptación dirigida a los miembros de lealtad de nivel 2 o superior.”
“Escriba una regla de PQL que excluya a los clientes que hayan realizado una compra en los últimos 7 días.”
“Modifique esta regla para excluir también a los clientes de la lista de supresión.”
Explicación de reglas y fórmulas en inglés sin formato
Explique qué incluye, excluye y evalúa una regla de idoneidad o una fórmula de clasificación sin que el usuario tenga que leer la sintaxis de PQL.
Reglas y clasificación
“¿Puede explicarme esta regla en lenguaje natural?”
“¿Qué hace realmente esta fórmula de clasificación?”
“¿A quién se dirige esta regla de idoneidad y a quién excluye?”
“Resuma esta regla en una frase.”
“¿Por qué la oferta A tiene una clasificación por encima de la oferta B para este cliente?”
“¿Es esta regla demasiado restrictiva para una campaña de sensibilización amplia?”
“¿Qué condición de esta regla es filtrar la mayoría de los perfiles?”
“¿Qué hace realmente esta fórmula de clasificación?”
“¿A quién se dirige esta regla de idoneidad y a quién excluye?”
“Resuma esta regla en una frase.”
“¿Por qué la oferta A tiene una clasificación por encima de la oferta B para este cliente?”
“¿Es esta regla demasiado restrictiva para una campaña de sensibilización amplia?”
“¿Qué condición de esta regla es filtrar la mayoría de los perfiles?”
Simulación
Pruebe una regla de elegibilidad o fórmula de clasificación con hasta tres perfiles, incluidos los casos extremos generados por IA, y devuelva resultados de aprobado/suspenso u ofertas clasificadas con puntuaciones numéricas.
Reglas y clasificación
“Simular esta regla con perfiles de prueba.”
“¿Pasa esta regla para un perfil donde loyalty_tier = gold?”
“¿Qué perfiles pasan esta regla de idoneidad: [perfil A, perfil B, perfil C]?”
“¿Por qué este perfil no pasó la comprobación de idoneidad?”
“Generar perfiles de prueba para esta regla de idoneidad.”
“Generar perfiles de casos extremos que prueben esta condición.”
“Simular esta fórmula de clasificación en estas ofertas y perfiles.”
“¿Qué clasificación de oferta sería la más alta para este perfil según esta fórmula?”
" la regla de elegibilidad se comporta para un cliente de nivel oro frente a plata frente a básico."
“¿Pasa esta regla para un perfil donde loyalty_tier = gold?”
“¿Qué perfiles pasan esta regla de idoneidad: [perfil A, perfil B, perfil C]?”
“¿Por qué este perfil no pasó la comprobación de idoneidad?”
“Generar perfiles de prueba para esta regla de idoneidad.”
“Generar perfiles de casos extremos que prueben esta condición.”
“Simular esta fórmula de clasificación en estas ofertas y perfiles.”
“¿Qué clasificación de oferta sería la más alta para este perfil según esta fórmula?”
" la regla de elegibilidad se comporta para un cliente de nivel oro frente a plata frente a básico."
Optimización de PQL
Vuelva a escribir una regla o fórmula existente con una sintaxis más concisa para cumplir los límites de tamaño de PQL de Journey Optimizer sin cambiar su lógica o resultado.
Reglas y clasificación
“Optimizar esta regla de PQL para mí.”
“Esta regla está alcanzando los límites de tamaño de PQL, ¿puede reducirla?”
“Esta regla está alcanzando los límites de tamaño de PQL, ¿puede reducirla?”
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.
AI Knowledge Reference
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 Rules & Ranking, 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.
- Rules & Ranking (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 Rules & Ranking can create, explain, simulate, or optimize the rule itself.
- Ranking formula: the logic used to score and order eligible offers; Rules & Ranking 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; Rules & Ranking generates, explains, and optimizes PQL without the marketer needing to write or validate it manually.
Guardrails
- Decisioning Explainer and Rules & Ranking 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.
- Rules & Ranking simulation supports up to 3 test profiles at a time, manually entered or AI-generated.
- Rules & Ranking 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; Rules & Ranking 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 Rules & Ranking 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 Rules & Ranking 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 Rules & Ranking simulate against at once? Up to 3, manually entered or AI-generated, including edge cases.
- Does Rules & Ranking 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.
recommendation-more-help
journey-optimizer-help