Agent de découverte de champ

Lors de la création d’audiences ou de l’intégration de données dans Adobe Experience Platform, l’identification du champ XDM approprié à un concept d’entreprise nécessite souvent une navigation manuelle dans les schémas ou une connaissance à l’avance du nom exact d’un champ. Différents champs peuvent représenter le même concept sous des noms différents (par exemple, état, région et emplacement) et le choix d’un champ incorrect introduit des erreurs dans les workflows en aval.

L’agent de découverte de champs est un agent optimisé par l’IA dans Adobe Experience Platform qui vous aide à rechercher, évaluer et sélectionner des champs XDM à l’aide de requêtes en langage naturel dans l’assistant IA. Vous décrivez ce que vous recherchez en langage clair (un concept d’entreprise, un objectif de workflow ou un nom de champ spécifique) et l’agent renvoie des suggestions de champs avec classement et contexte connexe.

L’agent de découverte de champ est appelé automatiquement en arrière-plan dans l’assistant AI lorsque d’autres agents Experience Platform doivent résoudre les références de champ ou d’entité. Dans ce cas, il fonctionne en arrière-plan pour améliorer la précision de l’agent avec lequel vous travaillez. Lorsque vous avez besoin de la découverte de champs pour votre propre travail, écrivez une invite explicite de recherche de champs dans l’assistant AI. L’agent de découverte de champ affiche uniquement les informations de champ. Il ne modifie pas les schémas, les jeux de données ou les audiences et respecte vos contrôles d’accès existants et le contexte du sandbox.

Quand l’utiliser when-to-use-this

Utilisez l’agent de découverte de champ explicitement dans l’assistant AI lorsque vous avez besoin de suggestions de champs de classement, de valeurs d’exemple et de contexte d’utilisation pour un mappage, une segmentation ou une requête. Il est utilisé implicitement lorsqu’un autre agent Experience Platform l’appelle en arrière-plan pour résoudre les références de champ ou d’entité. Dans ce cas, vous restez dans le workflow de cet agent et n’envoyez pas d’invite de recherche de champ distincte.

Conditions préalables prerequisites

Pour utiliser l’agent de détection de champ, vérifiez que vous disposez des éléments suivants :

Une connaissance de base des schémas XDM et de l’utilisation des champs dans la segmentation ou les workflows de données peut vous aider à interpréter les résultats plus efficacement. Pour plus d’informations, consultez la présentation de XDM et la documentation de l’éditeur de schémas.

Pour obtenir des instructions sur l’activation de l’accès de l’assistant AI et l’octroi des autorisations requises, consultez le guide d’accès ​.

Fonctions de l’agent de découverte de champ field-discovery-agent-functions

L’agent de découverte de champ traite votre requête et renvoie l’un des trois types de sortie selon votre intention. Ces fonctions reflètent la manière dont l’agent interprète votre requête ; vous ne les sélectionnez pas. L’agent détermine automatiquement le type de réponse approprié en fonction de ce que vous décrivez.

Fonctionnement de Field Discovery Agent how-field-discovery-agent-works

À un niveau élevé, l’agent interprète votre intention, recherche vos données disponibles et classe les résultats par pertinence. La manière dont vous formulez votre requête affecte directement chaque étape, ce qui a un impact sur la qualité des résultats.

Lorsque vous envoyez une requête dans l’assistant AI, l’agent de découverte de champ traite la requête en trois étapes :

Comprendre vos résultats understand-your-results

L’agent de découverte de champ renvoie un jeu de résultats structuré pour chaque requête. Comprendre les composants d’un résultat vous permet d’évaluer les champs candidats et d’agir sur ceux-ci en toute confiance, sans essai ni erreur supplémentaire.

Traitez un champ comme prêt à l’emploi lorsque son libellé Pertinence est Très pertinent, ses valeurs d’échantillon correspondent aux données attendues (le cas échéant) et que son Contextes d’utilisation s’aligne sur la manière dont vous prévoyez de l’utiliser. Si les résultats sont seulement Modérément pertinents ou Pertinents, si les exemples de valeurs ne correspondent pas à vos attentes ou si le contexte d’utilisation est limité, affinez votre requête et passez en revue un nouveau jeu de résultats avant de continuer.

Libellés de pertinence

L’agent de découverte de champ attribue un libellé de pertinence dans la colonne Pertinence du panneau Champs identifiés pour chaque résultat de champ, indiquant à quel point le champ correspond à votre requête.

Si tous les résultats sont libellés Modérément pertinent ou Pertinent plutôt que Très pertinent, votre requête peut être trop large ou utiliser une terminologie qui ne correspond pas à vos métadonnées de schéma. Affinez votre invite avec des termes de langue ou de domaine plus spécifiques qui reflètent le nom de vos champs.

Exemples de valeurs

Outre chaque suggestion de champ, l’agent de découverte de champ présente des exemples de valeurs extraits des données du champ dans votre sandbox. Les exemples de valeurs vous permettent de vérifier qu’un champ contient le type de données attendu avant de le sélectionner.

Les exemples de valeurs ne sont visibles que pour les champs dans les autorisations d’accès aux jeux de données. Pour plus d’informations sur la gouvernance des données et les restrictions d’utilisation dans Experience Platform, consultez la présentation de la gouvernance des données.

Si aucune valeur d’exemple n’apparaît pour un champ, il se peut que le champ soit vide dans votre sandbox actuel ou que vos autorisations n’incluent pas l’accès à son jeu de données sous-jacent. Les champs à cardinalité élevée (tels que les champs d’identifiant ou d’UUID) peuvent également ne pas renvoyer de valeurs d’échantillon représentatives. Les valeurs d’échantillon sont agrégées et basées sur la fréquence. Elles ne sont pas traçables par profils individuels.

Contexte d’utilisation

Chaque résultat de champ comprend un contexte d’utilisation indiquant où le champ apparaît dans votre écosystème de données :

Schéma De → De Destination Du Jeu De Données Audience → →

Un champ utilisé dans une audience publiée, qui apparaît dans un jeu de données actif, qui est mappé à une destination active et qui est défini dans un schéma a démontré une utilisation réelle dans votre environnement. Cela permet de distinguer les champs qui sont activement utilisés des champs qui n’existent que dans une définition de schéma, mais qui n’ont pas été utilisés dans la pratique. Utilisez ce signal avec le libellé de pertinence et les valeurs d’échantillon pour effectuer une sélection de champ plus éclairée.

Résultats dans l’assistant AI

L’agent de découverte de champ renvoie des résultats dans un panneau Champs identifiés dans la réponse de l’assistant AI. Le panneau affiche un tableau à trois colonnes :

Une section Résultats expliqués s’affiche sous le tableau Champs identifiés et fournit un contexte supplémentaire au niveau du champ, y compris des explications et des détails annexes pour chaque résultat. Pour obtenir des conseils sur la navigation dans l’interface de l’assistant AI, consultez le guide IU de l’assistant AI.

Utiliser l’agent de découverte de champ use-field-discovery-agent

Vous interagissez avec l’agent de découverte de champ par le biais de l’assistant AI en langage naturel. L’agent requiert une déclaration d’intention claire : une requête vague ou trop brève produit des résultats de qualité inférieure ou peut ne pas appeler l’agent de découverte de champ du tout.

Pour la découverte de champs explicite, suivez ce workflow : identifier l’attribut ou le problème de mappage, envoyer une requête de recherche de champ, consulter les résultats classés et le contexte d’utilisation dans le panneau Champs identifiés, sélectionner le chemin Nom du champ qui correspond à votre intention et appliquer ce chemin XDM dans le créateur de segments, Query Service ou un autre workflow.

Pour utiliser l’agent de détection de champ :

Si nécessaire, sélectionnez le menu déroulant Raisonnement terminé au-dessus de la réponse pour confirmer que l’agent de découverte de champ a géré votre requête. La liste déroulante affiche les détails du raisonnement qui indiquent l’agent appelé.

Pour plus d’informations sur l’interface de l’assistant IA, consultez le guide de l’interface utilisateur de l’assistant IA.

Cas d’utilisation pris en charge supported-use-cases

Les sections suivantes décrivent chacune des trois fonctions de Field Discovery Agent avec des scénarios représentatifs et des exemples d’invites. Les résultats incluent des libellés de pertinence et un contexte d’utilisation pour aider à évaluer les champs. Pour l’interprétation des résultats, voir Comprendre vos résultats. L’agent de découverte de champ renvoie uniquement des informations de champ — il ne crée pas d’audiences, n’exécute pas de requêtes et ne transmet pas de données à d’autres outils. Après avoir identifié un champ, lisez son chemin XDM dans la colonne Nom du champ et utilisez-le dans votre workflow en aval.

Identification des champs d’un concept d’entreprise

Lorsque vous décrivez un concept ou un attribut de données spécifique, l’agent de découverte de champs renvoie une liste classée de champs qui correspondent sémantiquement à votre description.

« Quels champs représentent l’État d’origine ou la province d’un client ? »
« Rechercher les champs liés à la date de transaction d’achat. »
« Quels champs contiennent des informations sur le consentement de marketing par e-mail ? »

La réponse répertorie les champs candidats avec leur libellé de pertinence et leur chemin XDM dans le panneau Champs identifiés. Les champs libellés Très pertinent correspondent le mieux à votre concept déclaré. Si les meilleurs résultats sont intitulés Modérément pertinent ou Pertinent plutôt que Très pertinent, affinez votre requête en utilisant une terminologie plus spécifique ou un contexte au niveau du champ.

Obtention de recommandations de champs pour un cas d’utilisation

Lorsque vous décrivez un objectif ou un cas d’utilisation de workflow, comme la création d’un segment, l’intégration d’un jeu de données ou la préparation d’une requête, l’agent de découverte de champ recommande des champs alignés sur cet objectif, hiérarchisés par pertinence.

« Je veux constituer une audience de clients à forte valeur ajoutée. Quels champs dois-je utiliser ? »
« Champs recommandés pour la modélisation de la propension à l’achat. »
« Quels champs dois-je inclure lors de l’intégration d’un jeu de données de transaction de vente au détail ? »

La réponse renvoie une liste de champs prioritaires avec un contexte de pertinence. Examinez le contexte d’utilisation de chaque champ recommandé pour confirmer qu’il est activement utilisé dans votre environnement.

Enrichir le contexte du champ

Lorsque vous demandez des informations sur un champ spécifique par nom ou chemin d’accès, l’agent de découverte de champ renvoie un contexte détaillé pour ce champ, y compris des exemples de valeurs, l’emplacement du schéma et l’utilisation dans les jeux de données, les audiences et les destinations.

« En savoir plus sur le champ person.name.lastName. »
« Quels exemples de valeurs existent pour homeAddress.stateProvince ? »
« Où se trouve le champ commerce.purchases.value utilisé dans mes jeux de données et mes audiences ? »

La réponse renvoie les exemples de valeurs du champ, l’emplacement du schéma, les jeux de données associés et les audiences ou destinations où le champ apparaît. Examinez ce contexte pour confirmer que le champ contient les données attendues.

Dans la portée et hors de la portée in-scope-and-out-of-scope

Cette section résume ce que l’agent de découverte de champs peut et ne peut pas faire. Pour obtenir des conseils détaillés sur les tâches, voir Cas d’utilisation pris en charge. Pour les contraintes de plateforme, voir ​ Mécanismes de sécurisation et limitations ​.

Dans la portée

La liste suivante décrit les tâches que l’agent de découverte de champ peut effectuer ; utilisez-le pour confirmer que l’agent peut répondre à votre demande avant de vous y fier dans votre workflow.

Hors de portée

La liste suivante décrit les actions que l’agent de découverte de champ n’effectue pas ; utilisez-le pour éviter de dépendre de l’agent pour le travail en dehors de sa portée.

Mécanismes de sécurisation et limitations guardrails-and-limitations

Ces mécanismes de sécurisation sont importants, car Field Discovery Agent fonctionne dans des contraintes au niveau de la plateforme qui affectent la disponibilité et la qualité des résultats. Utilisez-les pour interpréter les résultats manquants, retardés ou incomplets et pour résoudre les écarts inattendus avec des attentes réalistes.

Base de connaissances

Field Discovery Agent repose sur une base de connaissances qui est régulièrement actualisée avec le schéma et les métadonnées de votre environnement Experience Platform. Les résultats reflètent l’état de la base de connaissances au moment de votre requête, et non l’état en temps réel de vos schémas, et il peut y avoir un délai entre l’ingestion des données et le moment où elles sont affichées dans l’agent.

Les nouveaux schémas, champs ou jeux de données ajoutés à votre environnement peuvent ne pas apparaître immédiatement dans les résultats de l’agent Field Discovery. Les résultats peuvent prendre du temps pour refléter les changements récents.

Qualité et couverture des métadonnées

La qualité des résultats dépend de la qualité et de l’exhaustivité des métadonnées de champ dans votre environnement Experience Platform. L’agent utilise les noms de champ, les noms d’affichage, les descriptions et les associations d’utilisation pour classer les résultats. Les champs contenant des métadonnées manquantes ou de mauvaise qualité peuvent ne pas apparaître dans les résultats ou se classer plus bas que prévu.

Si vous disposez d’un accès en modification de schéma, vous pouvez améliorer la qualité des résultats en :

Pour obtenir des conseils sur la modification des noms d’affichage des champs et des descriptions dans l’éditeur de schémas, consultez Création et modification de schémas dans l’interface utilisateur.

Si vous ne disposez pas de l’accès nécessaire à la modification des schémas et que les résultats sont systématiquement médiocres, contactez votre administrateur Experience Platform ou votre équipe d’ingénierie de données pour consulter les métadonnées de champ des schémas que vous utilisez.

Contraintes d’accès et de PII

L’agent de découverte de champ respecte tous les contrôles d’accès Experience Platform existants et fonctionne dans votre contexte de sandbox actuel. Vous ne recevez des résultats que pour les champs des schémas et des jeux de données auxquels vous êtes autorisé à accéder.

Les exemples de valeurs sont régis par les mêmes autorisations au niveau du jeu de données. Les champs des jeux de données activés pour le profil avec des restrictions PII renvoient des valeurs d’exemple uniquement si vous disposez de l’accès requis. Voir Exemples de valeurs pour des conseils de gestion. L’agent de découverte de champ ne contourne pas les restrictions d’accès activées au niveau du champ ou du profil.

Bonnes pratiques best-practices

Suivez les conseils ci-après pour obtenir des résultats précis et exploitables de la part de l’agent Field Discovery.

Exemples d’invites example-prompts

Utilisez cette section comme bibliothèque d’invites de référence rapide. Si vous découvrez l’agent Field Discovery, lisez d’abord Bonnes pratiques et Cas pratiques pris en charge pour comprendre quand et pourquoi chaque fonction s’applique.

Invites d’identification

Utilisez ces invites lorsque vous connaissez le concept de données dont vous avez besoin, mais pas le champ qui le contient.

« Quel champ contient l’état ou la région d’un client ? »
« Recherchez les champs liés au statut d’abonnement aux e-mails. »
« Quel champ contient la date du premier achat d’un client ? »
« Identifier les champs qui représentent la valeur de la durée de vie du client. »
« Quels champs de mon schéma de profil sont liés à l’appartenance au programme de fidélité ? »

Invites de recommandation

Utilisez ces invites lorsque vous démarrez un workflow et que vous avez besoin de conseils sur les champs à inclure pour un objectif spécifique.

« Quels champs dois-je utiliser pour créer une audience de réengagement ? »
« Champs recommandés pour une audience ciblant des clients qui n’ont pas effectué d’achats depuis 90 jours. »
« Quels champs sont les plus utiles pour modéliser le risque de résiliation ? »
« Suggérer des champs à inclure lors de la création d’une segmentation géographique. »
« Je suis en train de créer un modèle de propension à acheter. Avec quels champs dois-je commencer ? »

Invites d’enrichissement

Utilisez ces invites lorsqu’un champ candidat est en attente de vérification avant de l’utiliser dans un segment, une requête ou un mappage.

« Parlez-moi de homeAddress.stateProvince. »
« Afficher les exemples de valeurs pour commerce.purchases.value. »
« Où est-person.name.lastName utilisé dans mes jeux de données et mes audiences ? »
« Quels jeux de données contiennent les web.webPageDetails.URL de champ ? »
« Est-segmentMembership mappé à des destinations actives ? »

Résolution des problèmes troubleshooting

Utilisez cette section lorsque des résultats sont manquants, inattendus ou lorsque vous ne savez pas si l’agent de découverte de champ a géré votre demande.

Pour vérifier quel agent a géré votre requête, reportez-vous à l’étape 6 de la section Utiliser l’agent de découverte de champ.