Personalizzazione web/app per visitatore noto
Questo piano di riferimento fornisce una guida completa all'implementazione per la distribuzione di contenuti personalizzati a visitatori identificati su superfici digitali tramite Adobe Journey Optimizer (AJO) e Adobe Real-Time Customer Data Platform (RT-CDP). È progettato per architetti di soluzioni, tecnici di marketing e ingegneri dell’implementazione che devono comprendere tutti gli approcci all’implementazione praticabili, le decisioni che devono essere prese in ogni fase e la documentazione Experience League che supporta la configurazione.
La personalizzazione web/app per visitatore noto è il modello di personalizzazione principale per le esperienze digitali autenticate. A differenza della personalizzazione anonima dei visitatori, che si basa esclusivamente su segnali comportamentali durante la sessione, questo modello sfrutta l’intero profilo unificato: dati comportamentali storici, appartenenza ai segmenti, livello di fedeltà, cronologia degli acquisti, fase del ciclo di vita, attributi calcolati e punteggi di tendenza. Supporta la personalizzazione tra le pagine web (tramite il canale web AJO), i messaggi in-app mobili e le schede di contenuto.
Questa guida presenta tutte le opzioni di implementazione valide, basate su segmenti, decisioni e multi-superficie, con compromessi, indicazioni decisionali e riferimenti alla documentazione di Adobe Experience League.
Panoramica del caso d’uso
Le organizzazioni con proprietà digitali autenticate (siti di e-commerce, portali bancari, servizi di abbonamento, programmi fedeltà, app mobili) devono fornire esperienze personalizzate che riflettano il rapporto di ciascun cliente con il marchio. Quando un visitatore effettua l’accesso o viene riconosciuto tramite la risoluzione di identità, la piattaforma può accedere al proprio profilo unificato completo e fornire contenuti personalizzati per attributi, comportamenti e preferenze specifici.
Questo modello riguarda lo scenario in cui un visitatore identificato arriva su una proprietà web o apre un’app mobile e il sistema deve determinare il contenuto, l’offerta o la promozione ottimale da visualizzare in base ai dati di profilo in tempo reale e all’iscrizione al pubblico. La decisione di personalizzazione avviene al limite in millisecondi, consentendo la distribuzione di contenuti al secondo secondario senza latenza percepibile.
Il modello supporta sia la personalizzazione deterministica (in cui il contenuto specifico è mappato su segmenti di pubblico specifici) che le decisioni dinamiche (in cui AJO Decisioning valuta le regole di idoneità e le strategie di classificazione per selezionare il contenuto ottimale per profilo). Si estende su più superfici digitali: pagine web, messaggi in-app per dispositivi mobili e schede di contenuto, consentendo una personalizzazione coerente nel percorso digitale del cliente.
Obiettivi aziendali chiave
I seguenti obiettivi di business sono supportati da questo modello di casi d’uso.
Fornire esperienze cliente personalizzate
Personalizza contenuti, offerte e messaggi in base a preferenze, comportamenti e fasi del ciclo di vita individuali. Per ulteriori informazioni, consulta Distribuire esperienze cliente personalizzate.
KPI: coinvolgimento, tassi di conversione, soddisfazione del cliente (CSAT)
Aumentare il coinvolgimento con il sito Web
Migliora il tempo sul sito, le pagine per sessione e l’interazione con i contenuti web tramite esperienze rilevanti. For more information, see Increase website engagement.
KPIs: Time On (web) Page, Engagement, Conversion Rates
Increase mobile app engagement
Drive daily active usage, feature adoption, and in-app conversions through personalized in-app experiences.
KPI: coinvolgimento, mantenimento, tassi di conversione
Esempi di casi d’uso tattici
The following are common tactical implementations of this pattern:
- Homepage hero personalization by loyalty tier or lifecycle stage – display different hero banners based on whether the customer is new, active, at-risk, or VIP
- Product recommendation carousel based on purchase history – surface relevant product suggestions using past purchase data and product affinity scores
- Personalized promotional banner by customer segment – show different promotions to high-value, at-risk, and new customer segments
- In-app message for mobile users based on feature adoption – guide users to underutilized features based on their usage patterns
- Content card with personalized offer on account dashboard – persistent, dismissible offers tailored to the customer's profile
- Personalized pricing or discount display based on customer tier – show tier-specific pricing or exclusive discounts to loyalty program members
- Cross-sell recommendation widget based on owned products – suggest complementary products or services based on current portfolio
- Personalized navigation or content ordering based on interests – reorder content modules or navigation elements based on demonstrated preferences
Indicatori chiave di prestazioni
I KPI seguenti aiutano a misurare l’efficacia di questo modello di caso d’uso.
Schema del caso d’uso
Questa sezione descrive il pattern di base e la relativa catena di funzioni.
Personalizzazione web/app visitatore noto
Distribuisci contenuti, offerte o promozioni personalizzati a un visitatore identificato in base al profilo in tempo reale e all’iscrizione ai segmenti su più superfici Web, in-app mobile e schede di contenuto.
Catena di funzioni: Valutazione del pubblico > Personalization Decisioning > Configurazione superficie/canale > Consegna contenuto > Tracciamento impression > Reporting
Applicazioni
In questo modello di caso d’uso vengono utilizzate le seguenti applicazioni.
- Adobe Journey Optimizer (AJO): configurazione del canale web, configurazione del canale in-app, configurazione del canale della scheda di contenuto, decisioning (selezione e classificazione dell'offerta), authoring dei messaggi (creazione di contenuti personalizzati), esecuzione della campagna, sperimentazione dei contenuti e reporting
- Adobe Real-Time Customer Data Platform (RT-CDP) — Valutazione del pubblico (edge, streaming e batch), ricerca dei profili in tempo reale tramite Edge Network, arricchimento dei profili con attributi calcolati e punteggi di propensione
- Adobe Experience Platform (AEP) — Archivio profili, servizio Identity, Web SDK, Mobile SDK, configurazione dello stream di dati, consegna rete Edge
Funzioni fondamentali
Per questo modello di caso d’uso devono essere disponibili le seguenti funzionalità fondamentali. Per ogni funzione, lo stato indica se in genere è obbligatorio, se si presume che sia preconfigurato o meno applicabile.
isActiveOnEdge: true to resolve the authenticated profile at the edge.Funzioni di supporto
Le seguenti funzionalità incrementano questo modello di caso d’uso, ma non sono necessarie per l’esecuzione di base.
Funzioni dell’applicazione
Questo piano esegue le seguenti funzioni dal catalogo delle funzioni dell'applicazione. Le funzioni sono mappate su fasi di implementazione anziché su passaggi numerati.
Journey Optimizer (AJO)
Real-Time CDP (RT-CDP)
Prerequisiti
Prima di implementare questo pattern di casi d’uso, assicurati di aver implementato quanto segue:
- [ ] Web SDK implementato nelle proprietà Web di destinazione con
alloy("sendEvent")configurato per le visualizzazioni di pagina e il tracciamento delle interazioni - [ ] Mobile SDK implementato nelle app mobili di destinazione (se vengono utilizzate superfici in-app o schede di contenuto)
- [ ] Datastream configured with Adobe Journey Optimizer service enabled
- [ ] Profile schema includes attributes used for personalization (loyalty tier, purchase history, product interests, lifecycle stage)
- [ ] Experience Event schema configured for impression and conversion tracking
- [ ] Known identity namespaces created and identity stitching operational between anonymous (ECID) and authenticated identities
- [ ] Edge merge policy configured with
isActiveOnEdge: true - [ ] Audiences defined with edge-eligible evaluation for real-time personalization
- [ ] Content assets (images, copy, CTAs) prepared for each personalization variant
- [ ] Personalization strategy documented: which attributes drive which content, for which surfaces
Opzioni di implementazione
This section describes the available implementation approaches for this use case pattern.
Option A: Segment-based web personalization
Best for: Deterministic personalization where specific content variants map directly to audience segments – loyalty tier-specific hero banners, lifecycle stage messaging, customer segment promotional content. Ideal when the content-to-segment mapping is well-defined and does not require dynamic ranking or optimization.
Funzionamento:
Segment-based personalization maps content variants directly to audience segments. When a known visitor's profile is evaluated against edge-eligible audiences at page load, the system determines which segments the visitor belongs to and displays the corresponding content variant. Selection is based on segment membership priority – if a visitor qualifies for multiple segments, the highest-priority segment's content is displayed.
This approach uses AJO web channel campaigns (or in-app/content card campaigns) with conditional content rules or multiple treatment targeting configurations. Each audience segment is associated with a specific content experience. No decisioning engine is involved – the content selection logic is entirely segment-driven.
Content is authored using the AJO message authoring interface with dynamic content blocks that render different content based on audience membership or profile attributes. The Web SDK or Mobile SDK delivers the personalized experience in real time via the Edge Network.
Considerazioni chiave:
- Content variants must be pre-authored for each segment
- Segment definitions must be edge-eligible for real-time qualification
- Per aggiungere nuovi segmenti o varianti di contenuto è necessario aggiornare la configurazione della campagna
- La selezione del contenuto è deterministica: lo stesso segmento vede sempre lo stesso contenuto
Vantaggi:
- Semplicità di implementazione e manutenzione grazie a una chiara mappatura contenuto-segmento
- Facile da capire e spiegare alle parti interessate la logica di personalizzazione
- Nessun sovraccarico decisionale: risoluzione più rapida dei contenuti
- Controllo completo sul contenuto ricevuto da ogni segmento
Limitazioni:
- Flessibilità limitata con l’aumento del numero di segmenti e varianti di contenuto
- Impossibile ottimizzare in modo dinamico la selezione del contenuto in base a segnali a livello di profilo oltre l’iscrizione al segmento
- L’aggiunta di nuove varianti di contenuto richiede aggiornamenti manuali della campagna
- Non supporta gli scenari di offerta migliore successiva in cui più offerte competono per lo stesso posizionamento
Experience League:
Opzione B: Personalizzazione basata su decisioni
Ideale per: Personalizzazione dinamica in cui il contenuto o l'offerta ottimale devono essere selezionati per profilo utilizzando le regole di idoneità e le strategie di classificazione: offerta migliore nella home page, consigli di prodotti personalizzati, selezione dinamica del banner promozionale. Ideale quando più offerte o elementi di contenuto competono per lo stesso posizionamento e il sistema deve scegliere quello migliore.
Funzionamento:
La personalizzazione basata sulle decisioni utilizza AJO Decisioning per valutare il profilo di ogni visitatore in base a un catalogo di articoli di contenuto o offerte, applicando le regole di idoneità per determinare quali articoli sono idonei e applicando quindi una strategia di classificazione (basata sulla priorità, basata su formule o con classificazione basata sull’intelligenza artificiale) per selezionare l’articolo ottimale per ogni posizionamento.
L’implementazione prevede la creazione di posizionamenti (dove viene visualizzato il contenuto), la definizione di offerte con regole di idoneità e rappresentazioni di contenuto, l’organizzazione di offerte in raccolte e la creazione di criteri decisionali che associano posizionamenti a raccolte con strategie di classificazione. In fase di runtime, quando un visitatore carica una pagina, Edge Network valuta il criterio di decisione in base al profilo del visitatore e restituisce il contenuto dell’offerta selezionata.
Questo approccio supporta scenari di personalizzazione sofisticati, tra cui offerte successive, promozioni personalizzate con limite e selezione di contenuti ottimizzati per l’intelligenza artificiale. Le offerte possono avere limiti di limite per profilo e globale, intervalli di date di validità e criteri di idoneità complessi che combinano attributi di profilo e appartenenza a un pubblico.
Considerazioni chiave:
- Richiede una configurazione più iniziale (posizionamenti, offerte, regole di idoneità, raccolte, decisioni)
- Le strategie di classificazione possono essere basate sulla priorità (manuale), basate su formule (espressione personalizzata) o basate sull’intelligenza artificiale (ottimizzazione automatica)
- La classificazione basata su IA richiede almeno 1.000 eventi di conversione per l’apprendimento dei modelli
- I contatori dei limiti di offerta possono presentare un lieve ritardo in scenari ad alto throughput
- Un’offerta di fallback deve essere configurata per i casi in cui nessuna offerta personalizzata è idonea
Vantaggi:
- Selezione dinamica dei contenuti per profilo senza mappatura hardcoded da segmento a contenuto
- Supporta criteri di idoneità e logica di classificazione complessi
- L’opzione con classificazione AI consente l’ottimizzazione automatica senza intervento manuale
- Il limite dell’offerta impedisce la sovraesposizione di contenuti specifici
- Gestione centralizzata delle offerte: le offerte possono essere riutilizzate su più campagne e canali
Limitazioni:
- Maggiore complessità di implementazione rispetto alla personalizzazione basata su segmenti
- La classificazione basata su IA richiede un volume di eventi di conversione sufficiente per l’apprendimento
- La valutazione delle decisioni aggiunge una latenza marginale rispetto alla distribuzione diretta dei contenuti basata su segmenti
- La classificazione basata su formula richiede una progettazione attenta per evitare la definizione di priorità non intenzionale
Experience League:
How this differs from Offer decisioning Option B:
L’infrastruttura è identica: entrambi utilizzano AJO Decisioning alla periferia con Web SDK e un criterio di unione attivo per la rete Edge. The difference is what is being selected. This option manages content items where the selection criterion is personalization fit (segment membership, behavioral ranking). Offer decisioning Option B manages a governed offer catalog where eligibility rules, capping limits, and validity windows are business requirements. If your item set requires per-profile impression capping, regulatory eligibility constraints, or offer lifecycle management, use Offer decisioning Option B instead.
Option C: Multi-surface personalization (web + in-app + content card)
Best for: Consistent personalization across multiple digital surfaces – delivering coordinated personalized experiences on web pages, mobile in-app messages, and content cards. Ideal when the organization has both web and mobile app properties and wants unified personalization logic across all digital touchpoints.
Funzionamento:
Multi-surface personalization extends either Option A (segment-based) or Option B (decisioning-based) to deliver personalized content across multiple AJO surface types. Each surface type – web, in-app, content card – may have different content formats and delivery mechanisms, but the underlying personalization logic (audience membership or decisioning) is shared.
The implementation involves configuring channel surfaces for each surface type, authoring surface-specific content (web HTML/CSS for web surfaces, structured messages for in-app, card layouts for content cards), and creating campaigns that target the appropriate surface. The Web SDK handles web surface delivery, while the Mobile SDK handles in-app and content card delivery.
Content cards are particularly valuable for persistent, dismissible personalized messages on account dashboards or app home screens. In-app messages are ideal for contextual, session-specific communications. Web personalization handles hero banners, recommendation widgets, and promotional content.
Considerazioni chiave:
- Each surface type requires its own channel surface configuration and content authoring
- Web SDK and Mobile SDK must both be implemented and configured
- Content must be designed for each surface format (different dimensions, layouts, interaction patterns)
- Shared audiences and decisioning logic ensure consistency across surfaces
- Testing must cover all surface types across devices
Vantaggi:
- Esperienza di personalizzazione coerente in tutti i punti di contatto digitali
- Il pubblico condiviso e la logica decisionale riducono la duplicazione
- Le schede di contenuto forniscono una superficie di personalizzazione persistente e non intrusiva
- I messaggi in-app consentono la personalizzazione contestuale e specifica della sessione su dispositivi mobili
Limitazioni:
- Maggiore complessità di implementazione: richiede la configurazione per ogni tipo di superficie
- Richiede l’implementazione sia di Web SDK che di Mobile SDK
- Il contenuto deve essere progettato e mantenuto per ciascun formato di superficie
- L'ambito del test aumenta con ogni tipo di superficie aggiuntiva
Experience League:
Confronto delle opzioni
La tabella seguente confronta le tre opzioni di implementazione.
Scegli l’opzione giusta
Inizia con queste domande per selezionare l’approccio di implementazione corretto:
-
Quante superfici? Se hai bisogno di personalizzazione sia su app web che su app mobili, scegli l’opzione C (che si basa su A o B per la logica sottostante). Se disponibile solo per il Web, scegliere tra A e B.
-
La selezione dei contenuti è dinamica? Se disponi di una mappatura ben definita dei segmenti alle varianti di contenuto (ad esempio, 3-5 livelli di fedeltà, ciascuno con un banner principale specifico), scegli l’opzione A. Se devi effettuare una selezione da un catalogo di offerte con idoneità e classificazione complesse, scegli l’opzione B.
-
È necessaria una selezione ottimizzata per l'intelligenza artificiale? Se desideri che il sistema impari e ottimizzi automaticamente quale contenuto funziona meglio per ciascun profilo, scegli l’opzione B con decisioning basato sull’intelligenza artificiale.
-
Quante varianti di contenuto? Se disponi di meno di 10 varianti di contenuto con mappature di segmenti chiare, l’opzione A è più semplice. Se decine di offerte necessitano di filtri e classificazione di idoneità, l’opzione B viene scalata meglio.
-
Intendi estendere ad altri canali? Se la logica decisionale dovesse infine distribuire offerte tra e-mail, web e altri canali, l’opzione B fornisce le basi decisionali centralizzate che il Offer Decisioning cross-channel estende.
Fasi di implementazione
Questa sezione descrive in dettaglio ogni fase dell’implementazione.
Fase 1: definire i tipi di pubblico e configurare la valutazione
Funzione applicazione: RT-CDP: Audience Evaluation
Configurazione: definire i tipi di pubblico che determinano la selezione dei contenuti di personalizzazione. Questi tipi di pubblico rappresentano i segmenti di visitatori che riceveranno esperienze personalizzate: livelli di fedeltà, fasi del ciclo di vita, coorti comportamentali o gruppi di affinità per i prodotti.
Punti decisionali in questa fase:
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Valutazione Edge | Personalizzazione web/app in tempo reale che richiede una qualificazione al secondo secondario | Limitato a semplici controlli degli attributi di profilo e appartenenza ai segmenti. Nessuna query di serie temporali o aggregazione complessa. Obbligatorio per la personalizzazione dei visitatori noti. |
| Valutazione in streaming | Qualificazione in tempo quasi reale quando i profili entrano/escono da tipi di pubblico in base a eventi comportamentali | Supporta query a singolo evento e finestre temporali limitate. Le modifiche del pubblico si riflettono in pochi minuti. Adatto per superfici in-app e schede di contenuto in cui è accettabile un leggero ritardo. |
| Valutazione in batch | Il pubblico giornaliero si aggiorna per i segmenti basati su aggregazioni complesse o pattern storici | Supporto completo della funzione di regola del segmento. Non adatto alla personalizzazione in tempo reale, ma può integrare i tipi di pubblico edge con segmenti precalcolati complessi. |
| table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Attributi del profilo (livello fedeltà, fase ciclo di vita) | Personalizzazione deterministica basata sulle proprietà note del cliente | Attributi stabili e ben definiti. Facile da mappare alle varianti di contenuto. Disponibile al perimetro se il profilo è configurato correttamente. |
| Segnali comportamentali (cronologia acquisti, modelli di navigazione) | Personalization basato su comportamenti e modelli di coinvolgimento recenti | Richiede attributi calcolati o segmenti di streaming. Più dinamico, ma più complesso da mantenere. |
| Punteggi tendenza (Customer AI) | Personalizzazione predittiva in base alla probabilità di conversione, abbandono o acquisto | Richiede attributi calcolati. Abilita una personalizzazione sofisticata ma richiede dati di apprendimento del modello ML. |
| Approccio combinato | La maggior parte delle implementazioni di produzione | Utilizza gli attributi del profilo per la segmentazione primaria con segnali comportamentali e punteggi di tendenza per il perfezionamento. |
Navigazione interfaccia utente: Cliente > Tipi di pubblico > Crea pubblico > Genera regola
Dettagli configurazione chiave:
- Definire i tipi di pubblico utilizzando il Generatore di segmenti con espressioni della regola di segmento che fanno riferimento agli attributi del profilo
- Assicurarsi che le espressioni delle regole del segmento siano idonee per la valutazione Edge (controlli degli attributi semplici, appartenenza al segmento)
- Configurare tipi di pubblico idonei per Edge per casi di utilizzo di personalizzazione in tempo reale
- Considera l’eliminazione dei tipi di pubblico per escludere i visitatori convertiti o esclusi di recente
Documentazione di Experience League:
Fase 2: configurare le decisioni (solo opzioni B e C)
Application function: AJO: Decisioning
What you will configure: Set up the decisioning infrastructure that dynamically selects the optimal content or offer for each visitor. This includes placements (where offers appear), offers (what content is available), eligibility rules (who qualifies), ranking strategies (how to choose the best), and decision policies (how everything connects).
Punti decisionali in questa fase:
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Basato su priorità (manuale) | Simple use cases with clear offer hierarchy | Each offer has a manual priority value. Highest priority eligible offer wins. Easy to understand and control. |
| Basato su formula (espressione personalizzata) | When ranking should consider profile attributes | Custom ranking formulas reference profile data (e.g., score by loyalty tier + recency). Flexible but requires formula design and testing. |
| Classificato in base all’intelligenza artificiale (ottimizzazione automatica) | When you want the system to automatically optimize offer selection | ML model learns which offers perform best for which profiles. Requires minimum 1,000 conversion events for training. Best for high-traffic placements. |
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Limite per profilo | Impedisci a fatica di visualizzare ripetutamente la stessa offerta | Limita le impression per visitatore in un determinato periodo di tempo. Garantisce varietà nell’esperienza personalizzata. |
| Limite globale | Limitare il numero totale di impression per un'offerta promozionale o a disponibilità limitata | Limita le impression totali a tutti i visitatori. Utile per promozioni in quantità limitata. |
| Nessun limite | Contenuti sempreverdi o offerte sempre pertinenti | Nessun limite di impression. Adatto a contenuti persistenti come i banner del livello fedeltà. |
Navigazione interfaccia utente: Journey Optimizer > Componenti > Gestione decisioni
Dettagli configurazione chiave:
- Crea posizionamenti per ogni superficie in cui verranno visualizzate le offerte (banner web, area messaggi in-app, slot per schede di contenuto)
- Definire le regole di idoneità utilizzando le espressioni della regola di segmento che fanno riferimento agli attributi di profilo e all’iscrizione al pubblico
- Creare offerte personalizzate con rappresentazioni di contenuto per ogni posizionamento
- Creare un’offerta di fallback che copra tutti i posizionamenti (visualizzati quando nessuna offerta personalizzata è idonea)
- Organizzare le offerte con i qualificatori di raccolta (tag) e raggrupparle in raccolte
- Creare un criterio di decisione che associa i posizionamenti alle raccolte con la strategia di classificazione selezionata
Documentazione di Experience League:
Fase 3: configurazione di superfici e canali
Funzione applicazione: AJO: Configurazione canale
Configurazione: configurare le superfici di canale che definiscono dove verranno consegnati i contenuti personalizzati. Ogni tipo di superficie (web, in-app, scheda di contenuto) richiede la propria configurazione che specifica l’URI della superficie, il formato del contenuto e i parametri di consegna.
Punti decisionali in questa fase:
| table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Solo canale web | Personalization si concentra sulle proprietà web | Richiede Web SDK. Implementazione più semplice. Copre banner hero, aree promozionali, widget di consigli. |
| Solo canale in-app | Personalization si concentra sulle esperienze delle app mobili | Richiede Mobile SDK. Include messaggi contestuali e specifici della sessione all’interno dell’app. |
| Solo canale scheda di contenuto | Messaggi personalizzati persistenti e inammissibili | Richiede Mobile SDK o Web SDK. Le schede persistono fino a quando non vengono ignorate. Ideale per dashboard e schermi home. |
| Superfici multiple (opzione C) | Personalizzazione coerente su web e dispositivi mobili | Richiede sia Web SDK che Mobile SDK. Ogni superficie necessita di configurazione e contenuto separati. |
| table 0-row-3 1-row-3 2-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Applicazione a pagina singola | App web moderne con routing lato client | Usa renderDecisions: true nelle chiamate di Web SDK sendEvent. Contenuto sottoposto a rendering automaticamente da SDK. |
| Applicazione multipagina (MPA) | Pagine web tradizionali sottoposte a rendering del server | Contenuti consegnati al caricamento della pagina tramite risposta Edge Network. Potrebbe essere necessaria una configurazione URI di superficie a livello di pagina. |
Navigazione interfaccia utente: Journey Optimizer > Amministrazione > Canali > Superfici di canale
Dettagli configurazione chiave:
- Per le superfici web: configura l’URI della superficie web che corrisponde alle pagine di destinazione
- Per le superfici in-app: configura la superficie dell’app mobile con l’ID app e il tipo di superficie
- Per le superfici delle schede di contenuto: configura la superficie della scheda di contenuto con l’ID app o il contesto web
- Assicurati che lo stream di dati abbia il servizio AJO abilitato per la consegna di personalizzazione Edge
Documentazione di Experience League:
Fase 4: Creazione dei contenuti
Funzione dell'applicazione: AJO: authoring dei messaggi
Configurazione: creazione di varianti di contenuto personalizzate per ogni superficie e segmento o offerta. Ciò include la progettazione del layout visivo, l’aggiunta di espressioni di personalizzazione che fanno riferimento agli attributi del profilo, la configurazione di blocchi di contenuto condizionali e la creazione di frammenti di contenuto riutilizzabili.
Punti decisionali in questa fase:
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Blocchi di contenuto condizionali | Sezioni di contenuto diverse all’interno dello stesso layout variano a seconda del pubblico | Una singola risorsa di contenuto con regole condizionali. Efficiente per varianti minori (titolo, testo CTA, scambio immagini). |
| Varianti di contenuto separate per trattamento | Layout o design fondamentalmente diversi per pubblico | Risorse di contenuto complete multiple. Più flessibile, ma più facile da mantenere. Richiesto per la sperimentazione dei contenuti. |
| Contenuti basati sulle decisioni | Contenuto selezionato dinamicamente da un catalogo di offerta | Le rappresentazioni di offerta definiscono il contenuto. La gestione dei contenuti è centralizzata nella libreria delle offerte. |
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Personalizzazione a livello di superficie | Solo elementi specifici sono personalizzati (immagine protagonista, CTA, banner offerta) | Riduzione della complessità. Personalizzazione incentrata su aree di alto impatto. Punto di partenza più comune. |
| Personalizzazione a pagina intera | L’intero layout di pagina o l’ordinamento dei contenuti è personalizzato | Maggiore complessità. Richiede la creazione di contenuti estesi. Offre l’esperienza più personalizzata. |
| Personalizzazione a livello di token | Token di personalizzazione in linea (nome, livello, saldo punti) | Forma più semplice. Inserisce i valori degli attributi di profilo nel contenuto altrimenti statico. |
Navigazione interfaccia utente: Journey Optimizer > Campagne > Crea campagna > Modifica contenuto
Opzioni divergenti:
Per l'opzione A (basata su segmenti):
- Puoi creare varianti di contenuto per ogni segmento di pubblico utilizzando il web designer o l’editor di codice
- Utilizzare blocchi di contenuto dinamici con condizioni basate sull’iscrizione al pubblico
- Configurare le espressioni di personalizzazione che fanno riferimento agli attributi del profilo (ad esempio,
{{profile.person.name.firstName}},{{profile.loyalty.tier}}) - Imposta le regole condizionali per visualizzare contenuti diversi in base all’iscrizione al segmento
Per l'opzione B (basata su decisioni):
- Creare rappresentazioni del contenuto delle offerte per ogni posizionamento definito nella fase 2
- Ogni offerta ha una o più rappresentazioni (HTML, image, JSON) corrispondenti ai posizionamenti
- Integrare l’output decisionale nella pagina web o nell’app incorporando i posizionamenti di decisione
- Il contenuto viene selezionato dinamicamente in fase di runtime; l’authoring si concentra sui singoli elementi dell’offerta
Per l'opzione C (multi-superficie):
- Creare contenuti specifici per ogni superficie di destinazione (HTML web/CSS, messaggi strutturati in-app, layout della scheda dei contenuti)
- Mantenere una logica di personalizzazione coerente tra le superfici adattandosi ai vincoli di formato di ciascuna superficie
- Test del rendering del contenuto su ciascun tipo di superficie
Documentazione di Experience League:
Fase 5: configurare e attivare le campagne
Funzione dell'applicazione: AJO: Esecuzione della campagna
Configurazione: Crea e attiva la campagna AJO che associa il pubblico, la superficie e il contenuto per la consegna. Per la personalizzazione web, le campagne sono generalmente configurate per l’attivazione immediata o continua, anziché per invii pianificati una tantum.
Punti decisionali in questa fase:
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Campagna pianificata (sempre attiva) | Personalizzazione continua che viene eseguita in modo continuo per tutti i visitatori idonei | Impostare la data di inizio su immediata e nessuna data di fine. La campagna rimane attiva finché non viene arrestata manualmente. Più comune per la personalizzazione web. |
| Campagna pianificata (con limiti di tempo) | Personalization associato a uno specifico periodo di promozione | Impostare le date di inizio e di fine. Campaign si interrompe automaticamente dopo la data di fine. Adatto per promozioni stagionali o offerte a tempo limitato. |
| Campagna attivata da API | Personalization attivato da un evento applicazione specifico | Attivazione a livello di programmazione. Utile quando la personalizzazione dovrebbe apparire solo in risposta a specifici eventi di sistema. |
| table 0-row-3 1-row-3 2-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Applicare le regole di frequenza | Personalizzazione promozionale o basata su offerte che potrebbero affaticare i visitatori | Impedisce che la stessa personalizzazione venga visualizzata troppe volte. Configurato tramite le regole aziendali di AJO. |
| Nessun limite di frequenza | Personalizzazione dei contenuti Evergreen (banner livello fedeltà, contenuto dashboard) | Contenuti sempre rilevanti che non causano affaticamento. Non è necessario alcun limite di impression. |
Navigazione interfaccia utente: Journey Optimizer > Campagne > Crea campagna
Dettagli configurazione chiave:
- Seleziona il canale web, in-app o della scheda di contenuto e la superficie configurata nella fase 3
- Associa il pubblico di destinazione definito nella fase 1
- Collegare i contenuti creati nella fase 4
- Configurare la pianificazione della campagna (immediata, intervallo di date o attivata da API)
- Rivedere e attivare la campagna
- Per la sperimentazione dei contenuti: abilita l’interruttore dell’esperimento, definisci i trattamenti, imposta l’allocazione del traffico e le metriche di successo prima dell’attivazione
Documentazione di Experience League:
Fase 6: tenere traccia delle impression e raccogliere i dati
Funzione dell'applicazione: AEP: Origini dati e raccolta
Configurazione: assicurati che le impression, le interazioni e le conversioni da esperienze personalizzate vengano tracciate nella piattaforma per il reporting, la rivalutazione del pubblico e l'ottimizzazione del decisioning.
Dettagli configurazione chiave:
- Verifica che Web SDK invii
decisioning.propositionDisplayeventi quando viene eseguito il rendering del contenuto personalizzato - Verifica che Web SDK invii
decisioning.propositionInteracteventi quando i visitatori interagiscono con contenuti personalizzati (clic, chiusure) - Per Mobile SDK: verifica che vengano acquisiti gli eventi di interazione dei messaggi in-app e delle schede di contenuto
- Configurare il tracciamento degli eventi di conversione per le metriche di successo a valle (acquisti, iscrizioni, adozione di funzioni)
- Assicurati che gli eventi includano l’ID proposta per l’attribuzione a specifiche decisioni di personalizzazione
Documentazione di Experience League:
Fase 7: generare rapporti e ottimizzare
Funzione dell'applicazione: AJO: Reporting & Performance Analysis, Reporting & Analysis
Configurazione: Imposta il monitoraggio e l'analisi delle prestazioni per misurare l'efficacia della personalizzazione tra superfici, segmenti e varianti di contenuto. Utilizza i rapporti nativi di AJO per le metriche operative e Customer Journey Analytics per l'analisi dell'impatto aziendale cross-channel.
Punti decisionali in questa fase:
| table 0-row-3 1-row-3 2-row-3 3-row-3 | ||
|---|---|---|
| Opzione | Quando scegliere | Considerazioni |
| Solo rapporti nativi di AJO | Monitoraggio operativo delle metriche di consegna e coinvolgimento | Rapporti incorporati sulle campagne con dati su impression, clic e conversione. Configurazione più rapida. |
| Analisi cross-channel di CJA | Analisi approfondita dell’impatto della personalizzazione sui risultati aziendali | Richiede connessione CJA e visualizzazione dati. Consente l’analisi funnel, il confronto tra coorti e la modellazione di attribuzione tra canali diversi. |
| Sia AJO che CJA | Visibilità operativa e analitica completa | Utilizza AJO per il monitoraggio quotidiano e CJA per l’analisi strategica. Consigliato per le implementazioni di produzione. |
Navigazione interfaccia utente:
- Rapporti di AJO: Campagne > Seleziona campagna > Visualizza rapporto
- CJA: Progetti > Crea nuovo progetto
Dettagli configurazione chiave:
- Accedere ai rapporti live delle campagne durante la consegna della personalizzazione attiva
- Esaminare i rapporti cronologici per le campagne completate o l’analisi periodica
- Per CJA: configura una connessione che includa i set di dati dell’evento esperienza AJO e crea una visualizzazione dati con metriche di personalizzazione
- Creare dashboard tenendo traccia del tasso di coinvolgimento nella personalizzazione, dell’incremento della conversione, del tasso di accettazione dell’offerta e dei ricavi per visita
- Per la personalizzazione basata sulle decisioni (opzione B): monitora le prestazioni dell’offerta in base al posizionamento e all’efficacia della strategia di classificazione
Documentazione di Experience League:
Considerazioni sull’implementazione
Questa sezione descrive guardrail, insidie comuni, best practice e decisioni di compromesso pertinenti a questo caso d’uso.
Guardrail e limiti
- Edge Network lookups have a response time SLA of less than 200ms for edge-evaluated segments – Real-Time Customer Profile guardrails
- Maximum of 4,000 segment definitions per sandbox – Segmentation guardrails
- Edge segments are limited to simple attribute checks and segment membership queries – no time-series queries – Edge segmentation
- Only one merge policy can be active on Edge per sandbox – Merge policies
- Maximum of 10,000 approved personalized offers per sandbox – Decision Management guardrails
- Maximum of 30 placements per decision – Journey Optimizer guardrails
- I modelli di classificazione IA richiedono almeno 1.000 eventi di conversione per la formazione
- Offer Delivery response time SLA is less than 500ms at P95 for single-scope requests
- Massimo 500 campagne live attive per sandbox: guardrail Journey Optimizer
- Maximum of 25 active computed attributes per sandbox – Computed attributes guardrails
Insidie comuni
- Edge merge policy not configured: Without an edge-active merge policy, the Edge Network cannot resolve the authenticated profile, causing personalization to fail or fall back to anonymous behavior. Ensure exactly one merge policy has
isActiveOnEdge: truein the sandbox. - Audience not edge-eligible: If audience segment rule expressions use time-series queries, complex aggregations, or
inSegment()references to batch-only segments, they will not qualify for edge evaluation and cannot power real-time personalization. Validate edge eligibility during audience definition. - Identity stitching gap during authentication: When a visitor transitions from anonymous to authenticated, there may be a brief moment where the profile has not yet resolved. Ensure identity stitching is properly configured and that the Web SDK sends the authenticated identity via
identityMapimmediately upon login. - Missing fallback offer in decisioning: If no fallback offer is configured and no personalized offer qualifies for a visitor, the decision returns empty content, creating a broken experience. Always configure a fallback offer that covers all placements.
- Web SDK not sending proposition display events: If
renderDecisionsis set totruebut display events are not being sent, reporting will not reflect actual impressions. Verify event tracking by inspecting network requests in browser developer tools. - Content flicker on page load: If personalized content is not pre-hidden during the decisioning call, visitors may see default content briefly before it is replaced. Use the pre-hiding snippet or CSS-based pre-hiding to eliminate flicker.
Best practice
- Start with segment-based personalization (Option A) for initial implementation, then evolve to decisioning-based (Option B) as the offer catalog grows and optimization needs increase
- Use edge-evaluated audiences whenever possible for real-time personalization; reserve streaming and batch audiences for complementary use cases
- Implement content experimentation on personalized experiences to validate that personalization drives measurable lift over default content
- Design personalization with a graceful degradation strategy – if the profile cannot be resolved at the edge, display well-designed default content rather than a broken experience
- Use computed attributes to create high-value personalization signals like engagement score, product affinity, and days since last purchase, which improve both segment-based and decisioning-based personalization quality
- Maintain a content governance process to ensure personalized content stays current, on-brand, and compliant across all surfaces
- Monitor personalization performance by segment to identify which audiences benefit most from personalization and where the lift is strongest
Decisioni di compromesso
- Higher granularity favors: Better customer experience, higher engagement, stronger conversion lift
- Lower granularity favors: Faster implementation, lower content maintenance burden, simpler governance
- Recommendation: Start with 3-5 high-impact segments (e.g., loyalty tiers or lifecycle stages) with clear content differentiation. Expand granularity based on measured performance lift. Use decisioning (Option B) to scale granularity without proportional content management growth.
- Decisioning favors: Scalability, automatic optimization, complex eligibility scenarios
- Segment-based favors: Predictability, compliance control, stakeholder transparency
- Recommendation: Use segment-based personalization for compliance-sensitive content (regulatory messaging, tier-specific pricing) where exact control is required. Use decisioning for promotional content, offers, and recommendations where dynamic optimization adds value.
- Solo Edge favorisce: Latenza al secondo, architettura più semplice
- L'arricchimento precalcolato favorisce: segnali di personalizzazione più ricchi, definizioni di pubblico più sofisticate
- Consiglio: utilizza attributi calcolati per preaggregare segnali comportamentali avanzati in attributi di profilo disponibili per Edge. Questo fornisce la ricchezza dei dati comportamentali con la velocità della valutazione Edge.
Documentazione correlata
Le risorse seguenti forniscono ulteriori dettagli sulle tecnologie e le configurazioni a cui si fa riferimento in questa guida.