Méthodes de classement rankings

Les méthodes de classement vous permettent de classer les éléments à afficher pour un profil donné. Une fois qu’une méthode de classement a été créée, vous pouvez l’affecter à une stratégie de sélection afin de définir les éléments à sélectionner en premier.

Deux types de méthodes de classement sont disponibles :

  • Les formules vous permettent de définir des règles déterminant l’élément qui doit être présenté en premier au lieu de prendre en compte les scores de priorité de l’élément.

  • Les modèles d’IA vous permettent d’utiliser des systèmes de modèles entraînés qui exploitent plusieurs points de données pour déterminer l’élément qui doit être présenté en premier.

Créer des méthodes de classement create

Pour créer une méthode de classement, procédez comme suit :

  1. Accédez au menu Configuration de la stratégie, puis sélectionnez le menu Formules ou Modèles d’IA en fonction du type de classement que vous souhaitez utiliser.

  2. Cliquez sur le bouton Créer une formule ou Créer un modèle d’IA dans le coin supérieur droit de l’écran.

  3. Configurez la formule ou le modèle d’IA en fonction de vos besoins, puis enregistrez la formule ou le modèle.

    Des informations détaillées sur la création de formules de classement et de modèles d’IA sont disponibles dans la documentation sur la gestion des décisions :

    note note
    NOTE
    La profondeur d’imbrication dans une formule de classement est limitée à 30 niveaux. Celle-ci est mesurée en comptant les parenthèses fermantes ) dans la chaîne PQL. La taille d’une chaîne de règle est de 8 Ko maximum pour les caractères codés en UTF-8. Cela équivaut à 8 000 caractères ASCII (1 octet chacun) ou 2 000 à 4 000 caractères non ASCII (2 à 4 octets chacun). En savoir plus sur les mécanismes de sécurisation et sur les limitations de la prise de décision

Une politique de décision prend en charge jusqu’à 10 stratégies de sélection et éléments de décision combinés. En savoir plus sur les mécanismes de sécurisation et sur les limitations de la prise de décision

Optimisation de modèles sur des mesures Customer Journey Analytics personnalisées
note note
NOTE
Cette fonctionnalité est disponible uniquement pour la clientèle Customer Journey Analytics disposant de droits d’administration.
Avant de commencer, assurez-vous d’avoir intégré Journey Optimizer à Customer Journey Analytics afin d’exporter des jeux de données Journey Optimizer dans vos vues de données par défaut. Découvrir comment exploiter les données Journey Optmizer dans Customer Journey Analytics

Les modèles d’optimisation personnalisés sont un type de modèle d’IA vous permettant de définir des objectifs métier et d’utiliser les données de la clientèle pour entraîner des modèles orientés métier afin de diffuser des offres personnalisées et d’optimiser les KPI. Des informations détaillées sur la création de modèles d’IA personnalisés sont disponibles dans la documentation sur la gestion des décisions.

Par défaut, les modèles d’optimisation personnalisés utilisent les clics sur l’offre comme mesure d’optimisation. Si vous utilisez Customer Journey Analytics, Decisioning vous permet de tirer profit de vos propres mesures personnalisées pour optimiser votre modèle.

Pour ce faire, accédez à l’écran de création de modèle d’IA personnalisé et développez la liste déroulante Événement de conversion. Toutes les mesures de votre vue de données Customer Journey Analytics par défaut s’affichent dans la liste. Sélectionnez la mesure sur laquelle optimiser votre modèle, puis procédez à la création du modèle d’IA comme vous le faites habituellement.

note note
NOTE
Par défaut, les mesures de Customer Journey Analytics utilisent un modèle d’attribution « Dernière touche », qui attribue 100 % du crédit au point de contact qui survient le plus récemment avant la conversion.
Bien qu’il soit possible de modifier le modèle d’attribution, tous les modèles d’attribution ne sont pas idéaux pour l’optimisation du modèle d’IA. Nous vous recommandons de sélectionner soigneusement un modèle d’attribution qui s’aligne sur vos objectifs d’optimisation afin d’assurer la précision et les performances du modèle.
Pour plus d’informations sur les modèles d’attribution disponibles et des conseils sur leur utilisation, consultez la Customer Journey Analytics documentation.

Utiliser des attributs d’éléments de décision dans des formules items

Les formules de classement sont exprimées en syntaxe PQL et peuvent utiliser divers attributs, tels que les attributs de profil, les données contextuelles et les attributs liés à vos éléments de décision.

Pour utiliser des attributs liés à vos éléments de décision dans des formules, veillez à respecter la syntaxe ci-dessous dans le code de votre formule de classement. Pour plus d’informations, développez chaque section :

Utiliser des attributs standard d’éléments de décision
Utiliser des attributs personnalisés d’éléments de décision
recommendation-more-help
b22c9c5d-9208-48f4-b874-1cefb8df4d76