Metodi di classificazione rankings
I metodi di classificazione consentono di classificare gli elementi da visualizzare per un determinato profilo. Una volta creato un metodo di classificazione, puoi assegnarlo a una strategia di selezione per definire quali elementi devono essere selezionati per primi.
Sono disponibili due tipi di metodi di classificazione:
-
Le formule consentono di definire regole che determinano quale elemento deve essere presentato per primo, anziché tenere conto dei punteggi di priorità dell'elemento.
-
I modelli AI consentono di utilizzare sistemi di modelli addestrati che sfrutteranno più punti dati per determinare quale elemento deve essere presentato per primo.
Creare metodi di classificazione create
Per creare un metodo di classificazione, effettua le seguenti operazioni:
-
Passa al menu Configurazione strategia, quindi seleziona il menu Formule o Modelli AI in base al tipo di classificazione che desideri utilizzare.
-
Fai clic sul pulsante Crea formula o Crea modello di IA nell'angolo superiore destro dello schermo.
-
Configura la formula o il modello di IA in base alle tue esigenze, quindi salvalo.
Informazioni dettagliate su come creare formule di classificazione e modelli di IA sono disponibili nella documentazione di gestione delle decisioni:
note note NOTE La profondità di nidificazione in una formula di classificazione è limitata a 30 livelli. Questo viene misurato contando le )parentesi di chiusura nella stringa PQL. Una stringa di regola può avere dimensioni fino a 8 KB per caratteri con codifica UTF-8. Equivale a 8.000 caratteri ASCII (1 byte ciascuno) o 2.000-4.000 caratteri non ASCII (2-4 byte ciascuno). Ulteriori informazioni su guardrail e limitazioni di Decisioning
Una politica decisionale supporta fino a 10 strategie di selezione e elementi decisionali combinati. Ulteriori informazioni su guardrail e limitazioni di Decisioning
| note note |
|---|
| NOTE |
| Questa funzionalità è disponibile solo per Customer Journey Analytics clienti con diritti di amministratore. |
| Prima di iniziare, assicurati di aver integrato Journey Optimizer con Customer Journey Analytics per esportare i set di dati di Journey Optimizer nelle visualizzazioni dati predefinite. Scopri come sfruttare Journey Optmizer i dati in Customer Journey Analytics |
I modelli di ottimizzazione personalizzati sono un tipo di modello di intelligenza artificiale che consente di definire gli obiettivi aziendali e utilizza i dati dei clienti per addestrare modelli orientati al business per distribuire offerte personalizzate e massimizzare i KPI. Informazioni dettagliate su come creare un modello di IA personalizzato sono disponibili nella documentazione di gestione delle decisioni.
Per impostazione predefinita, i modelli di ottimizzazione personalizzati utilizzano clic sull'offerta come metrica di ottimizzazione. Se lavori con Customer Journey Analytics, Decisioning ti consente di sfruttare le tue metriche personalizzate per ottimizzare il tuo modello su.
A questo scopo, accedi alla schermata di creazione del modello di intelligenza artificiale personalizzato ed espandi il menu a discesa Evento di conversione. Tutte le metriche della Customer Journey Analytics visualizzazione dati predefinita vengono visualizzate nell'elenco. Seleziona la metrica su cui desideri ottimizzare il modello, quindi completa normalmente la creazione del modello di intelligenza artificiale.
| note note |
|---|
| NOTE |
| Per impostazione predefinita, le metriche in Customer Journey Analytics utilizzano un modello di attribuzione "Last Touch" (Ultimo contatto), che assegna il 100% del credito al punto di contatto che si verifica più di recente prima della conversione. |
| Anche se è possibile modificare il modello di attribuzione, non tutti i modelli di attribuzione sono ideali per l’ottimizzazione del modello di IA. È consigliabile selezionare con attenzione un modello di attribuzione in linea con gli obiettivi di ottimizzazione per garantire l’accuratezza e le prestazioni del modello. |
| Per ulteriori dettagli sui modelli di attribuzione disponibili e indicazioni sul loro utilizzo, consulta la Customer Journey Analytics documentazione |
Sfruttare gli attributi degli elementi decisionali nelle formule items
Le formule di classificazione sono espresse in sintassi PQL e possono sfruttare vari attributi come gli attributi del profilo, dati contestuali e attributi correlati agli elementi decisionali.
Per sfruttare gli attributi relativi agli elementi decisionali nelle formule, assicurati di seguire la sintassi riportata di seguito nel codice della formula di classificazione. Espandi ogni sezione per ulteriori informazioni:
