이 페이지에서: Adobe Journey Optimizer의 의사 결정에 사용할 수 있는 CX Enterprise Coworker 스킬을 살펴보십시오. 프로필 또는 세그먼트에 오퍼가 표시되거나 표시되지 않은 이유를 이해하고, 자세한 지침, 예제 프롬프트 및 모범 사례를 통해 자격 규칙 및 등급 수식을 만들고, 설명하고, 시뮬레이션을 수행하고, 최적화할 수 있습니다.
자세히 알아보기:
- Journey Optimizer용 동료 기술 - Journey Optimizer의 여정, 충성도, 콘텐츠 관리 및 의사 결정 전반에 걸친 동료 기술 개요.
- Coworker 설명서 - Coworker의 캠페인, 채팅 및 프로젝트 기능에 대한 개요입니다.
- 동료 채팅 UI 안내서 - 동료 채팅에 액세스하고 탐색하는 방법.
Decisioning 설명자 decisioning-explainer
Decisioning Explanner는 특정 오퍼가 주어진 프로필에 표시되거나 표시되지 않은 이유, 또는 보다 광범위하게 프로필 세그먼트에 오퍼가 표시되지 않는 이유에 대해 자연어로 답합니다. 요청된 프로필(또는 세그먼트) 및 시간 창에 대한 전체 의사 결정 스택을 표시합니다. 어떤 오퍼가 적합한지, 자격 규칙이 각 오퍼를 포함하거나 제외했는지, 빈도 또는 피로도 캡핑이 오퍼를 억제했는지, 최종 순위 점수 및 이를 생성하는 전략 또는 AI 모델, 어떤 후보 풀(항목 컬렉션)에 대해 프로필을 평가했는지 여부.
이는 한 오퍼가 다른 오퍼보다 순위가 높은 이유 또는 특정 오퍼 결정이 이전 방식으로 발생한 이유를 설명하는 마케터의 일반적인 문제를 해결합니다. 의사 결정 설명자는 읽기 전용입니다. 의사 결정을 설명하지만 규칙, 등급 수식 또는 선택 전략은 수정하지 않습니다.
주요 사용 사례
-
특정 오퍼가 표시되었거나 표시되지 않은 이유
샘플 프롬프트:
- “프로필에서 5월 15일에 오퍼 X를 12345 이유는 무엇입니까?”
- “프로필 X가 이 오퍼에 적합하지 않습니까?”
- “이 고객을 제외시킨 자격 규칙은 무엇입니까?”
- “6월 3일에 프로필 X를 사용할 수 있는 오퍼를 보여 주십시오.”
-
시간이 지남에 따라 오퍼의 가시성이 변경되는 이유
샘플 프롬프트:
- “지난 7일 동안 오퍼 Y가 재방문 고객에게 표시되는 것을 중단한 이유는 무엇입니까?”
- “이 고객이 이 오퍼를 본 횟수는 몇 번입니까?”
- “이 오퍼는 프로필 X에 한정되었습니까?”
- “최대 가용량 제한으로 인해 프로필 X에 대해 현재 억제되고 있는 오퍼는 무엇입니까?”
-
오퍼의 등급 지정 또는 선택 방법
샘플 프롬프트:
- “이 프로필의 다른 적격 오퍼보다 오퍼 Z가 어떻게 선택되었는지 정확히 알려주십시오.”
- “이 결정에서 각 오퍼에 대한 순위 점수는 무엇입니까?”
- “이 프로필에 대해 오퍼 B보다 높은 순위를 가진 이유는 무엇입니까?”
- “순위 결과에 가장 큰 영향을 미친 요인은 무엇입니까?”
-
세그먼트 수준 설명
Decisioning Explorer는 단일 프로필이 아닌 세그먼트 간에 이 논리를 집계하여 프로필 그룹에 오퍼가 표시되지 않는 주된 이유를 확인할 수 있습니다.
샘플 프롬프트:
- “이 대상의 고객의 경우 제외되는 가장 일반적인 이유는 무엇입니까?”
- “이 세그먼트가 실제로 받는 오퍼는 무엇입니까?”
- “충성도 세그먼트에서 이 오퍼가 표시되지 않는 이유는 무엇입니까?”
프롬프트 우수 사례
- 알려진 경우 참조 ID: 프로필 ID, 오퍼 이름 또는 세그먼트 이름을 제공하여 일반적인 답변이 아닌 정확한 추적을 가져옵니다.
- 기간 포함: Coworker가 추적 범위를 올바르게 지정할 수 있도록 오퍼의 가시성이 변경된 이유를 물을 때 날짜 또는 날짜 범위를 지정하십시오.
- 등급 분류를 직접 요청하십시오: 채점 세부 정보를 보려면 등급 점수나 결과에 영향을 준 요인에 대해 명시적으로 요청하십시오.
- 트렌드에 대한 세그먼트 수준 질문 사용: 프로필 그룹에 오퍼가 표시되지 않는 이유를 조사할 때 단일 프로필이 아닌 세그먼트에 대해 질문하여 주요 이유를 알아보십시오.
규칙 및 순위 rules-ranking
규칙 및 순위 는 PQL 구문을 작성하거나 수동으로 확인할 필요 없이 마케터에게 의사 결정 논리 만들기, 이해 및 테스트에 대한 AI 기반 지원을 제공합니다. 자연어 규칙 만들기, 일반 영어 규칙 및 순위 공식 설명, 최대 3개의 테스트 프로필에 대한 시뮬레이션 및 PQL 최적화의 4가지 핵심 기능을 다룹니다. 자격 규칙 및 등급 공식에 범위가 지정되며 선택 전략이나 결정 정책을 만들거나 편집하지 않습니다.
주요 사용 사례
-
자연어 규칙 만들기
완전히 새로운 규칙과 기존 규칙 편집 모두에 대해 일반 언어 설명을 PQL 자격 규칙 구문으로 변환합니다.
샘플 프롬프트:
- “XYZ 조건을 충족하는 사용자를 타깃팅하는 자격 규칙을 생성할 수 있습니까?”
- “계층 2 이상의 충성도 구성원을 타깃팅하는 자격 규칙을 만듭니다.”
- “지난 7일 동안 구매한 고객을 제외하는 PQL 규칙을 작성하십시오.”
- “비표시 목록에서 고객을 제외하려면 이 규칙을 수정하십시오.”
-
일반 영어 규칙 및 수식 설명
PQL 구문을 읽을 필요 없이 기존 자격 규칙 또는 등급 공식이 수행하는 작업(포함 또는 제외 사항, 각 조건의 의미)을 설명합니다.
샘플 프롬프트:
- “이 규칙을 자연어로 나에게 설명해 줄 수 있습니까?”
- “이 순위 공식이 실제로 수행하는 작업”
- “이 자격 규칙은 누구를 대상으로 하며 누구는 제외합니까?”
- “이 규칙을 한 문장으로 요약하라.”
- “이 고객에 대해 오퍼 B보다 높은 순위를 제공하는 이유는 무엇입니까?”
- “이 규칙은 광범위한 인식 캠페인에 너무 제한적입니까?”
- “이 규칙에서 가장 많은 프로필을 필터링하는 조건은 무엇입니까?”
-
시뮬레이션
최대 3개의 테스트 프로필(예: 극단적 사례를 포함하여 수동으로 입력했거나 AI에서 생성한 프로필)에 대해 자격 규칙 또는 등급 공식을 실행하고 특정 실패 조건이 있는 합격/실패 결과 또는 숫자 점수가 있는 오퍼의 등급 목록을 가져옵니다.
샘플 프롬프트:
- “테스트 프로필로 이 규칙을 시뮬레이트합니다.”
- “이 규칙은 loyalty_tier = gold인 프로필에 전달됩니까?”
- “[프로필 A, 프로필 B, 프로필 C]에서 어떤 프로필이 이 자격 규칙을 통과합니까?”
- “이 프로필이 자격 검사에 실패한 이유는 무엇입니까?”
- “이 자격 규칙에 대한 테스트 프로필을 생성합니다.”
- “이 조건을 스트레스 테스트하는 에지 사례 프로필을 생성합니다.”
- “이러한 오퍼 및 프로필에서 이 순위 공식을 시뮬레이션하십시오.”
- “이 공식을 고려할 때 이 프로필에 대해 가장 높은 등급을 제공하는 오퍼는 무엇입니까?”
- “골드 대 실버 대 기본 계층 고객의 경우 이 자격 규칙이 어떻게 작동하는지 비교합니다.”
-
PQL 최적화
논리나 결과를 변경하지 않고 Journey Optimizer의 PQL 크기 제한을 충족하도록 더 간결한 구문을 사용하여 기존 규칙이나 공식을 재작성합니다.
샘플 프롬프트:
- “나를 위해 이 PQL 규칙을 최적화합니다.”
- “이 규칙은 PQL 크기 제한에 도달합니다. 이를 단축할 수 있습니까?”
프롬프트 우수 사례
- 대상 조건을 명시적으로 제공: 규칙을 만들거나 수정할 때 원하는 대상, 특성 또는 제외 조건을 정확히 지정하십시오.
- 규칙이나 수식을 직접 참조: 설명, 시뮬레이션 또는 최적화를 요청할 때는 지정한 규칙이나 수식이 열려 있거나 명확하게 식별되었는지 확인하십시오.
- 에지 케이스 요청: 시뮬레이션 시 Coworker에 에지 케이스 프로필을 생성하여 일반적인 조건뿐만 아니라 조건을 스트레스 테스트하도록 요청하십시오.
- 게시 전 검토: 게시하기 전에 생성되었거나 최적화된 규칙의 논리 및 시뮬레이션 결과를 확인하십시오.
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.