Personalizar conversas com os clientes usando o Perfil do cliente em tempo real com dados não estruturados

No Adobe Experience Platform, você pode consolidar os dados do cliente em uma visualização unificada combinando dados de vários canais com o Perfil do cliente em tempo real. Com suporte para dados não estruturados, o Experience Platform estende esses recursos, semanticamente permitindo que você use dados conversacionais e outros dados não estruturados do cliente como parte dos blocos de construção do perfil.

Noções básicas sobre perfis com dados não estruturados understanding

Atualmente, o Perfil do cliente em tempo real combina dados estruturados de vários canais, incluindo online, offline, CRM e de terceiros, consolidando esses dados em uma visualização unificada que oferece uma conta acionável e com carimbo de data e hora de cada interação com o cliente. No entanto, isso não abrange a assimilação de dados não estruturados, o que significa que os dados de conversas, transcrições ou outros dados multimodais (como PDFs ou imagens) não estão disponíveis para serem usados com o Perfil.

Perfil com dados não estruturados permite que você tenha acesso a dados não processados, o que permite personalizar melhor as conversas, já que o contexto do cliente continuará a ser compartilhado em várias plataformas, incluindo o Brand Concierge.

O perfil com dados não estruturados fornece os seguintes recursos aos clientes da Experience Platform:

Casos de uso use-cases

Perfil com dados não estruturados permite usar dados conversacionais como um sinal de ativação para mais engajamentos, o que permite direcionar personalizações de entrada e ativações de saída com mais facilidade. Como resultado, você pode usar esses perfis em vários casos de uso:

Fluxo de amostra sample-flow

Considere uma empresa que oferece serviços financeiros a clientes.

Neste cenário, um de seus clientes pergunta a um agente sobre ações. Como esse cliente está conectado, seu agente sabe sobre esse usuário lendo o Perfil do cliente em tempo real.

Este cliente, em seguida, continua a conversa afirmando: “Eu também estava querendo me sentar e realmente rever minhas economias de aposentadoria, apenas não consegui programá-lo.” Ao usar o Perfil com dados não estruturados, o Brand Concierge e o Experience Platform podem extrair a intenção dessas conversas, o que permite enviar respostas personalizadas por meio do agente.

Como resultado, a Experience Platform pode fazer com que esse cliente entre no público-alvo de “Interesse de planejamento financeiro” e personalizar imediatamente o agente para responder com “Vamos garantir que seu plano de aposentadoria esteja no caminho certo — reserve um check-in gratuito com o Alex Agent”.

Além disso, como esse contexto é compartilhado entre todos os aplicativos do Experience Platform, você pode continuar a conversa de aposentadoria em vários formulários. Por exemplo, o Adobe Journey Optimizer pode enviar automaticamente ao cliente um email com um convite de check-in de aposentadoria com o Alex Agent.

Pré-requisitos do Beta prerequisites

Para usar o Perfil com dados não estruturados, você deve atender aos seguintes pré-requisitos:

Se você atender a todos esses pré-requisitos, entre em contato com o Atendimento ao cliente da Adobe para obter mais informações sobre como solicitar a ativação do Perfil com dados não estruturados.

Exigências requirements

Antes de continuar com o Perfil com a configuração de dados não estruturados, você precisará concluir as seguintes etapas:

Depois que o Perfil com dados não estruturados for ativado, você poderá começar a usar esse recurso configurando as seguintes etapas:

Assimilar dados não estruturados ingest

Para usar dados não estruturados como parte de seu processo de personalização, primeiro será necessário assimilar esses dados na Experience Platform.

O método para assimilar dados não estruturados difere, dependendo da origem dos dados não estruturados.

curl -X PATCH https://platform.adobe.io/data/foundation/catalog/v2/dataSets/67b3077efa10d92ab7a71858
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-api-key: {API_KEY}' \
  -H 'x-gw-ims-org-id: {ORG_ID}' \
  -H 'x-sandbox-name: {SANDBOX_NAME}' \
  -H 'Content-Type: application/json' \
  -d '{
    "extensions": {
        "adobe_unifiedProfile": {
            "semanticProfile": {
                "enablement": {
                    "status": "READY"
                }
            }
        },
        "adobe_dataContent": {
            "channel": "call_transcripts"
        }
    }
  }'

[
    "@/dataSets/67b3077efa10d92ab7a71858"
]

curl -X PATCH https://platform.adobe.io/data/foundation/catalog/v2/dataSets/67b3077efa10d92ab7a71858
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-api-key: {API_KEY}' \
  -H 'x-gw-ims-org-id: {ORG_ID}' \
  -H 'x-sandbox-name: {SANDBOX_NAME}' \
  -H 'Content-Type: application/json' \
  -d '{
    "extensions": {
        "adobe_unifiedProfile": {
            "semanticProfile": {
                "enablement": {
                    "status": "READY"
                }
            }
        }
    }
  }'

[
    "@/dataSets/67b3077efa10d92ab7a71858"
]

Configurar o contexto do perfil

Depois de assimilar dados não estruturados na Experience Platform, você pode configurar o contexto do perfil para ajudar a personalizar suas conversas. Você pode configurar essa narrativa de perfil usando o Coworker ou as APIs do Experience Platform.

GET /semanticprofile/config/category

curl -X GET https://platform.adobe.io.data/core/semanticprofile/config/category \
 -H 'Authorization: Bearer {ACCESS_TOKEN}' \
 -H 'x-gw-ims-org-id: {IMS_ORG}' \
 -H 'x-api-key: {API_KEY}' \
 -H 'x-sandbox-name: {SANDBOX_NAME}'

{
  "requestId": "b2c3d4e5-f6a7-8901-bcde-f23456789012",
  "result": [
    {
      "categories": [
        {
          "name": "Customer Demographics",
          "attributes": [
            "person.name.firstName",
            "person.name.lastName",
            "person.gender",
            "person.maritalStatus"
          ]
        },
        {
          "name": "Contact Information",
          "attributes": [
            "personalEmail.address",
            "mobilePhone.number"
          ]
        }
      ]
    }
  ]
}

POST /semanticprofile/config/configuration

curl -X POST https://platform.adobe.io/data/core/semanticprofile/config/configuration \
 -H 'Authorization: Bearer {ACCESS_TOKEN}' \
 -H 'Content-Type: application/json' \
 -H 'x-gw-ims-org-id: {IMS_ORG}' \
 -H 'x-api-key: {API_KEY}' \
 -H 'x-sandbox-name: {SANDBOX_NAME}' \
 -d '{
    "data": {
        "name": "CustomerSummary":,
        "configurationDetails": {
            "category": [
                {
                    "name": "Customer Demographics",
                    "attributes": [
                        "person.name.firstName",
                        "person.name.lastName"
                    ]
                }
            ],
            "segments": {
                "limit": 1,
                "selection_mode": "inclusion",
                "inclusion": [
                    {
                        "id": "b2cf20ca-5d07-4ef2-b50a-994eb2c11349",
                        "priority": "1"
                    }
                ],
                "exclusion": []
            },
            "marketingActions": [],
            "narrative_precision": "fuzzy",
            "personNamespace": {
                "isPersonNamespaceEnabled": true,
                "code": ["Email"]
            }
        }
    }
 }'

{
    "requestId": "aaaa479b53a61598",
    "result": {
        [
            "CustomerSummary"
        ],
        "configurations": [
            {
                "name": "",
                "configurationDetails": {
                    "category": [
                        {
                            "name": "Customer Demographics",
                            "llm_desc": "",
                            "attributes": [
                                {
                                    "field": "person.name.firstName",
                                    "xdm_desc": "First Name",
                                    "llm_desc": ""
                                },
                                {
                                    "field": "person.name.lastName",
                                    "xdm_desc": "Last Name",
                                    "llm_desc": ""
                                }
                            ]
                        }
                    ]
                },
                "segments": {
                    "limit": 1,
                    "selection_mode": "inclusion",
                    "inclusion": [
                        {
                            "id": "b2cf20ca-5d07-4ef2-b50a-994eb2c11349",
                            "priority": "1",
                            "name": "High Value Customers",
                            "description": "Customers with LTV > $500",
                            "totalProfiles": 125000
                        }
                    ],
                    "exclusion": []
                },
                "marketingActions": [],
                "narrative_precision": "fuzzy",
                "personNamespace": {
                    "isPersonNamespaceEnabled": true,
                    "code": [
                        {
                            "code": "Email",
                            "name": "Email"
                        }
                    ]
                }
            }
        ]
    }
}

Agora que o contexto do perfil foi criado, você pode salvar a configuração no Brand Concierge ou em qualquer outro agente voltado para o cliente.

Contexto de perfil no Brand Concierge profile-context-brand-concierge

No Brand Concierge, selecione o concierge ao qual deseja aplicar a configuração do perfil.

Após selecionar o concierge, vá para a guia Personalization e selecione a configuração criada anteriormente.

Contexto de perfil com outros agentes do cliente profile-context-other

Para usar o contexto de perfil com outros agentes voltados para o cliente, será necessário usar a API do Experience Platform para pesquisar o contexto de perfil do cliente e recuperar o histórico da conversa. Ao recuperar esses dois valores, o agente pode recuperar corretamente o contexto completo e relevante antes de iniciar uma conversa.

Para pesquisar o contexto do perfil do cliente, você precisará fazer uma solicitação GET para o ponto de extremidade /semanticprofile/lookup/narrative enquanto fornece os entityIdNS, entityId e configurationName como parâmetros de consulta.

curl -X GET "https://platform.adobe.io/data/core/semanticprofile/lookup/narrative?entityIdNS=Email&entityId=jane.doe%2B1@example.com&configurationName=CustomerSummary" \
  -H "Authorization: Bearer {ACCESS_TOKEN}" \
  -H "x-api-key: {API_KEY}" \
  -H "x-gw-ims-org-id: {ORG_ID}" \
  -H "x-sandbox-name: {SANDBOX_NAME}"

{
    "requestId": "7f3a9c8e-4d7b-4a6e-9f2c-1b6e8d4a2c91",
    "narrative": "Jane Doe is a member of the 'High Value Loyalty' audience. Her primary email address is jane.doe+1@example.com."
}

Para pesquisar o histórico de conversa anterior de um cliente, será necessário fazer uma solicitação POST para o ponto de extremidade /semanticprofile/query/v1/profile, fornecendo entityIdNS e entityId como parâmetros de consulta.

curl -X POST "https://platform.adobe.io.data/core/semanticprofile/query/v1/profile?entityIdNS=Email&entityId=jane.doe%2B1@example.com" \
 -H 'Authorization: Bearer {ACCESS_TOKEN}' \
 -H 'Content-Type: application/json' \
 -H 'x-gw-ims-org-id: {IMS_ORG}' \
 -H 'x-api-key: {API_KEY}' \
 -H 'x-sandbox-name: {SANDBOX_NAME}' \
 -d '{
    "conversations": {}
 }'

{
    "conversations": {
        "items": [{
            "conversation_id": "conv-001",
            "channel": "web-chat",
            "created_at": "2026-05-02T14:03:11Z",
            "last_active_at": "2026-05-02T14:21:55Z",
            "participants": [{
                "identity_map": {
                    "Email": [{
                        "id": "jane.doe+1@example.com",
                        "primary": true
                    }]
                },
                "role": "customer",
                "is_author": true
            }],
            "interactions": [{
                "interaction_id": "int-001",
                "timestamp": "2026-05-02T14:03:11Z",
                "contents": [{
                    "content_value": "Hi, I'd like to upgrade my plan.",
                    "content_type": "TEXT"
                }]
            }]
        }],
    "has_more": true,
    "page_token": "eyJjdXJzb3IiOi…"
  }
}

Depois de obter a narrativa e as conversas, você pode alimentar esses dados com seus agentes de IA de terceiros. Como resultado, o agente de IA terá informações sobre quem é o cliente, bem como informações sobre o que o cliente discutiu.

Configurar sinais para extrair dados configure-signals

Depois de configurar o contexto do perfil, você pode configurar sinais para extrair dados de seus dados não estruturados.

Você pode começar esse processo indo até o Colaborador e pedindo “Deixe-me extrair sinais das conversas”. O colega pergunta, então, que tipo de sinais você deseja detectar nas conversas.

Em seguida, ele pergunta de que tipo de marca ou negócio essas conversas fazem parte.

Finalmente, o Co-worker pergunta se você deseja criar um novo grupo de sinais ou se deseja adicionar a um grupo de sinais existente.

Você pode confirmar se as etapas acima parecem precisas e se deseja continuar com a criação do sinal.

A criação do sinal é iniciada. O colega cria um sinal que é adicionado automaticamente ao Experience Platform.

Perguntas frequentes faq

A seção a seguir lista as perguntas frequentes relacionadas aos perfis com dados não estruturados.

Os perfis com dados não estruturados são separados de um perfil de cliente normal?

Qual é o contexto do perfil/narrativa do perfil?

O que é um sinal?

Como um sinal difere da conversa bruta?

O Perfil com dados não estruturados é compatível apenas com o Brand Concierge?

Quais fontes de dados posso usar?