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 :
-
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.
-
Cliquez sur le bouton Créer une formule ou Créer un modèle d’IA dans le coin supérieur droit de l’écran.
-
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. Ceci est mesuré en comptant les parenthèses fermantes )dans la chaîne PQL. La taille d’une chaîne de règle peut aller jusqu’à 8 Ko 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 barrières de sécurité et les limitations de 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 barrières de sécurité et les limitations de prise de décision
| note note |
|---|
| NOTE |
| Cette fonctionnalité est disponible uniquement pour les clients 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. Découvrez comment exploiter les Journey Optmizer données dans Customer Journey Analytics |
Les modèles d’optimisation personnalisés sont un type de modèle d’IA qui vous permet de définir des objectifs commerciaux et d’utiliser les données clients pour former des modèles orientés vers l’entreprise afin de proposer des offres personnalisées et d’optimiser les IPC. Vous trouverez des informations détaillées sur la création d’un modèle d’IA personnalisé dans la documentation sur la gestion des décisions.
Par défaut, les modèles d’optimisation personnalisés utilisent clics sur les offres comme mesure d’optimisation. Si vous utilisez Customer Journey Analytics, Decisioning vous permet d’exploiter 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 Conversion event . Toutes les mesures de votre Customer Journey Analytics vue de données par défaut s’affichent dans la liste. Sélectionnez la mesure sur laquelle vous souhaitez optimiser votre modèle, puis effectuez la création du modèle AI 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 :
