Personnaliser les conversations client à l’aide du profil client en temps réel avec des données non structurées

Dans Adobe Experience Platform, vous pouvez consolider vos données client en une vue unifiée en combinant des données issues de plusieurs canaux avec le profil client en temps réel. Grâce à la prise en charge des données non structurées, Experience Platform étend ces fonctionnalités et vous permet d’utiliser sémantiquement des données client conversationnelles et autres données client non structurées dans le cadre des blocs de création de profil.

Comprendre le profil avec des données non structurées understanding

Le profil client en temps réel combine actuellement des données structurées issues de plusieurs canaux, notamment des données en ligne, hors ligne, CRM et tierces, les consolidant en une vue unifiée qui offre un compte horodaté et exploitable de chaque interaction client. Cependant, cela ne couvre pas l’ingestion de données non structurées, ce qui signifie que les données provenant de conversations, de transcriptions ou d’autres données multimodales (telles que des PDF ou des images) ne sont pas disponibles pour être utilisées avec Profile.

Un profil avec des données non structurées vous permet d’accéder à des données non traitées, ce qui vous permet de mieux personnaliser les conversations, car le contexte client continuera à être partagé sur plusieurs plateformes, y compris Brand Concierge.

Un profil avec des données non structurées fournit les fonctionnalités suivantes aux clients Experience Platform :

Cas d’utilisation use-cases

Un profil avec des données non structurées vous permet d’utiliser des données conversationnelles comme signal d’activation pour d’autres engagements, ce qui vous permet de piloter plus facilement des personnalisations entrantes et des activations sortantes. Par conséquent, vous pouvez utiliser ces profils dans divers cas d’utilisation :

Exemple de flux sample-flow

Prenons l’exemple d’une entreprise qui offre des services financiers à ses clients.

Dans ce scénario, l’un de vos clients interroge un agent au sujet des actions. Puisque ce client est connecté, votre agent connaît cet utilisateur en lisant son profil client en temps réel.

Ce client poursuit ensuite la conversation en disant : « J’avais aussi l’intention de m’asseoir et de vraiment revoir mon épargne-retraite, mais je n’ai pas encore pris le temps de la planifier. » En utilisant Profile avec des données non structurées, Brand Concierge et Experience Platform peuvent extraire l’intention de ces conversations, ce qui vous permet d’envoyer des réponses personnalisées par le biais de l’agent.

Par conséquent, Experience Platform peut demander à ce client de rejoindre l’audience « Intérêt pour la planification financière » et personnaliser immédiatement l’agent pour lui répondre : « Veillons à ce que votre plan de retraite soit en bonne voie - Réservez un enregistrement gratuit auprès d’Alex Agent ».

En outre, comme ce contexte est partagé par toutes les applications Experience Platform, vous pouvez poursuivre la conversation sur la suppression dans plusieurs formulaires. Par exemple, Adobe Journey Optimizer peut envoyer automatiquement au client un e-mail contenant une invitation à l’enregistrement de départ à la retraite avec Alex Agent.

Conditions préalables requises pour Beta prerequisites

Pour utiliser Profile avec des données non structurées, vous devez respecter les conditions préalables suivantes :

Si vous remplissez toutes ces conditions préalables, contactez l’assistance clientèle d’Adobe pour plus d’informations sur la demande d’activation de Profile avec des données non structurées.

Conditions requises requirements

Avant de poursuivre Profile avec la configuration des données non structurées, vous devez effectuer les étapes suivantes :

Une fois que le profil avec des données non structurées a été activé, vous pouvez commencer à utiliser cette fonctionnalité en configurant les étapes suivantes :

Ingestion de données non structurées ingest

Pour utiliser des données non structurées dans le cadre de votre processus de personnalisation, vous devez d’abord les ingérer dans Experience Platform.

La méthode d’ingestion des données non structurées diffère en fonction de la source des données non structurées.

curl -X PATCH https://platform.adobe.io/data/foundation/catalog/v2/dataSets/67b3077efa10d92ab7a71858
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-api-key: {API_KEY}' \
  -H 'x-gw-ims-org-id: {ORG_ID}' \
  -H 'x-sandbox-name: {SANDBOX_NAME}' \
  -H 'Content-Type: application/json' \
  -d '{
    "extensions": {
        "adobe_unifiedProfile": {
            "semanticProfile": {
                "enablement": {
                    "status": "READY"
                }
            }
        },
        "adobe_dataContent": {
            "channel": "call_transcripts"
        }
    }
  }'

[
    "@/dataSets/67b3077efa10d92ab7a71858"
]

curl -X PATCH https://platform.adobe.io/data/foundation/catalog/v2/dataSets/67b3077efa10d92ab7a71858
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-api-key: {API_KEY}' \
  -H 'x-gw-ims-org-id: {ORG_ID}' \
  -H 'x-sandbox-name: {SANDBOX_NAME}' \
  -H 'Content-Type: application/json' \
  -d '{
    "extensions": {
        "adobe_unifiedProfile": {
            "semanticProfile": {
                "enablement": {
                    "status": "READY"
                }
            }
        }
    }
  }'

[
    "@/dataSets/67b3077efa10d92ab7a71858"
]

Configuration du contexte du profil

Après l’ingestion de données non structurées dans Experience Platform, vous pouvez configurer le contexte du profil pour personnaliser vos conversations. Vous pouvez configurer ce récit de profil à l’aide de Coworker ou des API d’Experience Platform.

GET /semanticprofile/config/category

curl -X GET https://platform.adobe.io.data/core/semanticprofile/config/category \
 -H 'Authorization: Bearer {ACCESS_TOKEN}' \
 -H 'x-gw-ims-org-id: {IMS_ORG}' \
 -H 'x-api-key: {API_KEY}' \
 -H 'x-sandbox-name: {SANDBOX_NAME}'

{
  "requestId": "b2c3d4e5-f6a7-8901-bcde-f23456789012",
  "result": [
    {
      "categories": [
        {
          "name": "Customer Demographics",
          "attributes": [
            "person.name.firstName",
            "person.name.lastName",
            "person.gender",
            "person.maritalStatus"
          ]
        },
        {
          "name": "Contact Information",
          "attributes": [
            "personalEmail.address",
            "mobilePhone.number"
          ]
        }
      ]
    }
  ]
}

POST /semanticprofile/config/configuration

curl -X POST https://platform.adobe.io/data/core/semanticprofile/config/configuration \
 -H 'Authorization: Bearer {ACCESS_TOKEN}' \
 -H 'Content-Type: application/json' \
 -H 'x-gw-ims-org-id: {IMS_ORG}' \
 -H 'x-api-key: {API_KEY}' \
 -H 'x-sandbox-name: {SANDBOX_NAME}' \
 -d '{
    "data": {
        "name": "CustomerSummary":,
        "configurationDetails": {
            "category": [
                {
                    "name": "Customer Demographics",
                    "attributes": [
                        "person.name.firstName",
                        "person.name.lastName"
                    ]
                }
            ],
            "segments": {
                "limit": 1,
                "selection_mode": "inclusion",
                "inclusion": [
                    {
                        "id": "b2cf20ca-5d07-4ef2-b50a-994eb2c11349",
                        "priority": "1"
                    }
                ],
                "exclusion": []
            },
            "marketingActions": [],
            "narrative_precision": "fuzzy",
            "personNamespace": {
                "isPersonNamespaceEnabled": true,
                "code": ["Email"]
            }
        }
    }
 }'

{
    "requestId": "aaaa479b53a61598",
    "result": {
        [
            "CustomerSummary"
        ],
        "configurations": [
            {
                "name": "",
                "configurationDetails": {
                    "category": [
                        {
                            "name": "Customer Demographics",
                            "llm_desc": "",
                            "attributes": [
                                {
                                    "field": "person.name.firstName",
                                    "xdm_desc": "First Name",
                                    "llm_desc": ""
                                },
                                {
                                    "field": "person.name.lastName",
                                    "xdm_desc": "Last Name",
                                    "llm_desc": ""
                                }
                            ]
                        }
                    ]
                },
                "segments": {
                    "limit": 1,
                    "selection_mode": "inclusion",
                    "inclusion": [
                        {
                            "id": "b2cf20ca-5d07-4ef2-b50a-994eb2c11349",
                            "priority": "1",
                            "name": "High Value Customers",
                            "description": "Customers with LTV > $500",
                            "totalProfiles": 125000
                        }
                    ],
                    "exclusion": []
                },
                "marketingActions": [],
                "narrative_precision": "fuzzy",
                "personNamespace": {
                    "isPersonNamespaceEnabled": true,
                    "code": [
                        {
                            "code": "Email",
                            "name": "Email"
                        }
                    ]
                }
            }
        ]
    }
}

Maintenant que le contexte du profil a été créé, vous pouvez enregistrer la configuration sur Brand Concierge ou tout autre agent face au client.

Contexte du profil dans Brand Concierge profile-context-brand-concierge

Dans Brand Concierge, sélectionnez le concierge auquel vous souhaitez appliquer la configuration de profil.

Une fois que vous avez sélectionné le concierge, accédez à l’onglet ​​et sélectionnez la configuration créée précédemment.

Contexte du profil avec d’autres agents orientés clients profile-context-other

Pour utiliser le contexte du profil avec d’autres agents orientés client, vous devez utiliser l’API Experience Platform pour rechercher le contexte du profil du client et récupérer l’historique des conversations. En récupérant ces deux valeurs, votre agent peut récupérer correctement le contexte complet et pertinent avant de démarrer une conversation.

Pour rechercher le contexte du profil du client, vous devez effectuer une requête GET au point d’entrée /semanticprofile/lookup/narrative tout en fournissant les entityIdNS, entityId et configurationName comme paramètres de requête.

curl -X GET "https://platform.adobe.io/data/core/semanticprofile/lookup/narrative?entityIdNS=Email&entityId=jane.doe%2B1@example.com&configurationName=CustomerSummary" \
  -H "Authorization: Bearer {ACCESS_TOKEN}" \
  -H "x-api-key: {API_KEY}" \
  -H "x-gw-ims-org-id: {ORG_ID}" \
  -H "x-sandbox-name: {SANDBOX_NAME}"

{
    "requestId": "7f3a9c8e-4d7b-4a6e-9f2c-1b6e8d4a2c91",
    "narrative": "Jane Doe is a member of the 'High Value Loyalty' audience. Her primary email address is jane.doe+1@example.com."
}

Pour rechercher l’historique des conversations précédentes d’un client ou d’une cliente, vous devez envoyer une requête POST au point d’entrée /semanticprofile/query/v1/profile, tout en fournissant les entityIdNS et entityId comme paramètres de requête.

curl -X POST "https://platform.adobe.io.data/core/semanticprofile/query/v1/profile?entityIdNS=Email&entityId=jane.doe%2B1@example.com" \
 -H 'Authorization: Bearer {ACCESS_TOKEN}' \
 -H 'Content-Type: application/json' \
 -H 'x-gw-ims-org-id: {IMS_ORG}' \
 -H 'x-api-key: {API_KEY}' \
 -H 'x-sandbox-name: {SANDBOX_NAME}' \
 -d '{
    "conversations": {}
 }'

{
    "conversations": {
        "items": [{
            "conversation_id": "conv-001",
            "channel": "web-chat",
            "created_at": "2026-05-02T14:03:11Z",
            "last_active_at": "2026-05-02T14:21:55Z",
            "participants": [{
                "identity_map": {
                    "Email": [{
                        "id": "jane.doe+1@example.com",
                        "primary": true
                    }]
                },
                "role": "customer",
                "is_author": true
            }],
            "interactions": [{
                "interaction_id": "int-001",
                "timestamp": "2026-05-02T14:03:11Z",
                "contents": [{
                    "content_value": "Hi, I'd like to upgrade my plan.",
                    "content_type": "TEXT"
                }]
            }]
        }],
    "has_more": true,
    "page_token": "eyJjdXJzb3IiOi…"
  }
}

Après avoir obtenu le récit et les conversations, vous pouvez transmettre ces informations à vos agents d’IA tiers. Par conséquent, l’agent d’IA disposera d’informations sur la personne qui est le client, ainsi que d’informations sur ce dont le client a discuté.

Configuration des signaux pour extraire des données configure-signals

Une fois que vous avez configuré le contexte du profil, vous pouvez configurer des signaux pour extraire des données de vos données non structurées.

Vous pouvez commencer ce processus en allant chez Coworker et en demandant « Laissez-moi extraire les signaux des conversations ». Un collègue demande ensuite quel type de signaux vous souhaitez détecter dans les conversations.

Ensuite, Coworker demande de quel type de marque ou d’entreprise ces conversations font partie.

Enfin, Coworker vous demande si vous souhaitez créer un nouveau groupe de signaux ou si vous souhaitez l’ajouter à un groupe de signaux existant.

Vous pouvez ensuite vérifier si les étapes ci-dessus semblent exactes et si vous souhaitez poursuivre la création du signal.

La création du signal commence. Coworker crée ensuite un signal qui est automatiquement ajouté à Experience Platform.

Questions fréquentes faq

La section suivante répertorie les questions fréquentes relatives aux profils avec des données non structurées.

Les profils contenant des données non structurées sont-ils distincts d’un profil client normal ?

Quel est le contexte/le récit du profil ?

Qu’est-ce qu’un signal ?

En quoi un signal diffère-t-il de la conversation brute ?

Un profil avec des données non structurées prend-il uniquement en charge Brand Concierge ?

Quelles sources de données puis-je utiliser ?