Sur cette page : découvrez les compétences CX Enterprise Coworker disponibles pour la prise de décision dans Adobe Journey Optimizer, en comprenant pourquoi une offre a été présentée ou non à un profil ou à un segment, et en créant, expliquant, simulant et optimisant des règles d’éligibilité et des formules de classement, avec des conseils détaillés, des exemples de prompts et des bonnes pratiques.
Les fonctionnalités de prise de décision d’Adobe Journey Optimizer vous permettent d’expliquer les décisions d’offre, ainsi que de créer, de tester et d’optimiser les règles d’éligibilité et les formules de classement via des prompts en langage naturel. Utilisez la compétence Explication de prise de décision pour comprendre pourquoi une offre a été présentée ou non à un profil ou à un segment. Utilisez Règles et classement pour créer et simuler des règles d’éligibilité et des formules de classement avant de les appliquer à votre stratégie de prise de décision.
En savoir plus :
- Compétences Coworker pour Journey Optimizer : vue d’ensemble des compétences Coworker pour les parcours, la fidélité, la gestion de contenu et la prise de décision dans Journey Optimizer.
- Documentation Coworker : vue d’ensemble des fonctionnalités des campagnes, conversations et projets de Coworker.
- Guide de l’interface d’utilisation de Coworker Chat : comment accéder à Coworker Chat et y naviguer.
Explication de prise de décision decisioning-explainer
La compétence Explication de prise de décision répond, en langage naturel, à la question de savoir pourquoi une offre spécifique a été présentée ou non à un profil donné ou, plus largement, pourquoi un segment de profils ne voit pas d’offre. Elle décrit la pile de prise de décision complète pour le profil (ou segment) et la période demandés : les offres éligibles, les règles d’éligibilité qui ont inclus ou exclu chacune d’elles, si le capping de la fréquence ou de la pression marketing a empêché la diffusion de l’offre, les scores de classement finaux et la stratégie ou le modèle d’IA qui les ont générés, ainsi que le groupe de candidates et candidats (collection d’éléments) en fonction duquel le profil a été évalué.
Cela permet de relever un défi courant pour les spécialistes marketing : expliquer pourquoi une offre a été classée devant une autre ou pourquoi une décision spécifique concernant une offre a été prise de cette manière. La compétence Explication de prise de décision est en lecture seule. Elle explique les décisions, mais ne modifie pas les règles, les formules de classement, ni les stratégies de sélection.
Cas d’usage clés
« Le profil X n’était-il pas éligible à cette offre ? »
« Quelle règle d’éligibilité a exclu ce client ou cette cliente ? »
« Montrez-moi pour quelles offres le profil X était éligible le 3 juin. »
« Combien de fois cette offre a-t-elle été affichée pour ce client ou cette cliente ? »
« Cette offre était-elle limitée pour le profil X ? »
« Quelles offres sont actuellement masquées pour le profil X en raison de contraintes de capping de la fréquence ? »
« Quel était le score de classement de chaque offre dans cette décision ? »
« Pourquoi l’offre A s’est-elle classée au-dessus de l’offre B pour ce profil ? »
« Quels facteurs ont le plus influencé le résultat du classement ? »
« Quelles offres ce segment reçoit-il réellement ? »
« Pourquoi mon segment de fidélité ne voit-il pas cette offre ? »
Bonnes pratiques en matière de prompts
- Identifiants de référence lorsqu’ils sont connus : indiquez l’identifiant de profil, le nom de l’offre ou le nom du segment pour obtenir une trace précise plutôt qu’une réponse générale.
- Inclure une période : spécifiez une date ou une période lorsque vous demandez pourquoi la visibilité d’une offre a changé, afin que Coworker puisse correctement définir la portée de la trace.
- Demander directement le détail de la répartition : si vous souhaitez obtenir les détails sur les scores, demandez explicitement le score de classement ou les facteurs qui ont influencé le résultat.
- Utiliser des questions au niveau du segment pour les tendances : lorsque vous recherchez les raisons pour lesquelles un groupe de profils ne voit pas d’offre, posez des questions sur le segment plutôt que sur un seul profil pour obtenir la raison principale.
Règles et classement rules-ranking
La compétence Règles et classement fournit aux spécialistes marketing une assistance optimisée par l’IA pour créer, comprendre et tester la logique de prise de décision, sans avoir à écrire ou à valider manuellement la syntaxe PQL. Elle couvre quatre fonctionnalités principales : création de règles en langage naturel, explication des formules de classement et des règles en langage clair, simulation sur un maximum de 3 profils de test et optimisation de PQL. Elle s’étend aux règles d’éligibilité et aux formules de classement. Elle ne crée ni ne modifie les stratégies de sélection ou les politiques de décision.
Cas d’usage clés
« Créez une règle d’éligibilité ciblant les personnes membres du programme de fidélité de niveau 2 ou supérieur. »
« Créez une règle PQL qui exclut les clientes et clients qui ont effectué un achat au cours des 7 derniers jours. »
« Modifiez cette règle pour exclure également les clientes et clients de la liste de suppression. »
« À quoi sert réellement cette formule de classement ? »
« Qui cette règle d’éligibilité cible-t-elle et qui exclut-elle ? »
« Résumez cette règle en une seule phrase. »
« Pourquoi l’offre A dépasse au classement l’offre B pour ce client ou cette cliente ? »
« Cette règle est-elle trop restrictive pour une vaste campagne de sensibilisation ? »
« Quelle condition de cette règle filtre le plus de profils ? »
« Cette règle est-elle acceptée pour un profil où loyalty_tier = gold ? »
« Quels profils respectent cette règle d’éligibilité : [profil A, profil B, profil C] ? »
« Pourquoi ce profil n’a-t-il pas réussi la vérification d’éligibilité ? »
« Générez des profils de test pour cette règle d’éligibilité. »
« Générez des profils de cas Edge qui testent cette condition de stress. »
« Simulez cette formule de classement sur ces offres et profils. »
« Quelle offre se classerait au premier rang pour ce profil avec cette formule ? »
« Comparez le comportement de cette règle d’éligibilité pour un client ou une cliente Gold par rapport à un client ou une cliente de niveau de base. »
« Cette règle atteint les limites de taille de PQL. Pouvez-vous la raccourcir ? »
Bonnes pratiques en matière de prompts
- Indiquez explicitement la condition cible : lors de la création ou de la modification d’une règle, indiquez l’audience, l’attribut ou la condition d’exclusion exacts que vous souhaitez.
- Référencez directement la règle ou la formule : lorsque vous demandez une explication, une simulation ou une optimisation, assurez-vous que la règle ou la formule que vous voulez utiliser est ouverte ou clairement identifiée.
- Demandez les cas Edge : lors de la simulation, demandez à Coworker de générer des profils de cas Edge pour tester une condition, et pas seulement des cas types.
- Vérifiez avant publication : vérifiez la logique et les résultats de simulation d’une règle générée ou optimisée avant de la publier.
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.