Offer Decisioning

Ce guide décrit le modèle de cas d’utilisation d’Offer Decisioning, qui utilise Adobe Journey Optimizer (AJO) Decisioning et Adobe Real-Time Customer Data Platform (RT-CDP) pour implémenter une logique de sélection d’offres centralisée qui détermine la meilleure offre suivante pour chaque profil client sur l’ensemble des canaux. Il est conçu pour les architectes de solutions, les techniciens marketing et les ingénieurs d’implémentation qui ont besoin de comprendre le rôle de ce modèle, les objectifs commerciaux qu’il prend en charge, les cas d’utilisation tactiques qu’il permet et les applications Adobe impliquées.

Le modèle découple la décision « ce qu’il faut afficher » de la logique de canal « où l’afficher », ce qui permet une sélection d’offres cohérente et optimisée sur les e-mails, le web, les applications mobiles et tout autre point de contact. AJO Decisioning gère l’ensemble du cycle de vie des offres : la création d’offres et la gestion des catalogues, les règles d’éligibilité (qui peut voir chaque offre), les stratégies de classement (comment sélectionner parmi les offres éligibles), les emplacements (où les offres apparaissent) et les politiques de décision (qui lient tout).

Modèle de cas d’utilisation

Cette section décrit le plan d’exécution et la définition de modèle pour Offer Decisioning.

Offer Decisioning

Utilisez une logique de décision centralisée pour sélectionner la meilleure offre ou le contenu suivant pour un profil sur l’ensemble des canaux.

Plan d’exécution : Évaluation de l’audience > Éligibilité de l’offre > Stratégie de classement > Exécution des décisions > Diffusion > Reporting

Présentation du cas d’utilisation

Les entreprises ont souvent besoin de présenter l’offre, la promotion ou l’incitation la plus pertinente à chaque client au moment de l’interaction. Que l’interaction se produise dans une campagne par e-mail, sur la page d’accueil d’un site web, dans une application mobile ou à un point de décision dans un parcours à plusieurs étapes, le défi est le même : sélectionnez l’offre optimale dans un catalogue d’options disponibles en fonction de l’identité du client, de ses qualifications et de l’offre la plus susceptible de générer le résultat souhaité.

Offer Decisioning résout ce problème en centralisant toute la logique de sélection des offres dans le moteur de gestion des décisions d’AJO. Plutôt que de coder en dur les affectations d’offres dans des campagnes ou des canaux individuels, le moteur de décision évalue les attributs de chaque profil, l’appartenance à l’audience et les signaux contextuels afin de déterminer la meilleure offre en temps réel. Cette centralisation garantit que le même client reçoit des offres cohérentes et optimisées, quel que soit le canal par lequel il s’engage.

Ce modèle diffère de la personnalisation web/de l’application pour les visiteurs connus en termes de portée : la prise de décision des offres est indépendante du canal et centralisée, tandis que la personnalisation des visiteurs connus se concentre sur la personnalisation des surfaces numériques. Elle diffère de la recommandation comportementale dans le modèle de catalogue : utilisez Offer Decisioning lorsque le jeu d’éléments éligibles est régi par des règles métier, des contraintes d’éligibilité ou des exigences réglementaires (promotions, produits financiers, incentives). Utilisez la recommandation comportementale lorsque l’ensemble d’éléments est volumineux, change en permanence et que la sélection est pilotée par des signaux de similarité ou d’affinité comportementale (catalogues de produits, bibliothèques de contenu).

Objectifs commerciaux clés

Les objectifs commerciaux suivants sont pris en charge par ce modèle de cas d’utilisation.

Offrir des expériences personnalisées aux clients
Adaptez le contenu, les offres et les messages aux préférences, aux comportements et à l’étape du cycle de vie des individus.
KPI : engagement, taux de conversion, satisfaction de la clientèle (CSAT)

Stimuler les ventes croisées et les ventes incitatives
Promouvoir des produits ou services complémentaires et de qualité auprès des clients existants en fonction du comportement et de l’historique d’achat.
KPI : % de montée en gamme/ventes croisées, chiffre d’affaires incrémentiel, valeur durée de vie du client

Augmenter la fidélité du client et la valeur de durée de vie
Approfondissez les relations client et optimisez la valeur à long terme par le biais de programmes de fidélité, de récompenses et d’un engagement personnalisé.
KPI : de la valeur de durée de vie du client, conservation, montée en gamme/vente croisée %

Exemples de cas d’utilisation tactiques

Les scénarios suivants illustrent la manière dont Offer Decisioning peut être appliqué dans la pratique.

Indicateurs clés de performance

Les KPI suivants permettent de mesurer l’efficacité d’une implémentation d’Offer Decisioning.

Applications

Les applications Adobe suivantes sont utilisées dans ce modèle de cas d’utilisation.

Documentation connexe

Les ressources suivantes fournissent des détails supplémentaires sur les composants utilisés dans ce modèle de cas d’utilisation.

Gestion des décisions

Diffusion d’offres

Configuration des canaux

Création et personnalisation de messages

Campagnes et parcours

Expérimentation de contenu

Audiences et segmentation

Profil et identité

Modélisation et collecte des données

Rapports et analyses

Gouvernance et cycle de vie des données

Garde-fous

Tutoriels