Nesta página: descubra as habilidades do CX Enterprise Coworker disponíveis para Decisão no Adobe Journey Optimizer — entender por que uma oferta foi ou não mostrada a um perfil ou segmento, e criar, explicar, simular e otimizar regras de qualificação e fórmulas de classificação — com orientação detalhada, prompts de exemplo e práticas recomendadas.
Os recursos de decisão no Adobe Journey Optimizer ajudam você a explicar as decisões de oferta e criar, testar e otimizar as regras de elegibilidade e as fórmulas de classificação por meio de prompts em linguagem natural. Use o Explicador de decisão para entender por que uma oferta foi ou não mostrada a um perfil ou segmento. Use Regras e classificação para criar e simular regras de elegibilidade e fórmulas de classificação antes de aplicá-las à sua estratégia de decisão.
Saiba mais:
- Habilidades de colega de trabalho para o Journey Optimizer — visão geral das habilidades de colega em Jornadas, Fidelidade, Gerenciamento de conteúdo e Decisão no Journey Optimizer.
- Documentação do colaborador — visão geral dos recursos de Campanhas, Chat e Projetos do colaborador.
- Guia da interface de Chat do Colaborador — como acessar e navegar pelo Chat do Colaborador.
Explicador de decisão decisioning-explainer
O Decisioning Explainer responde, em linguagem natural, por que uma oferta específica foi ou não mostrada para um determinado perfil — ou, mais amplamente, por que um segmento de perfis não está vendo uma oferta. Ele percorre a pilha de decisão completa para o perfil (ou segmento) e a janela de tempo solicitados: quais ofertas eram elegíveis, qual regra de elegibilidade incluía ou excluía cada uma, se o limite de frequência ou fadiga suprimiu a oferta, as pontuações de classificação finais e qual estratégia ou modelo de IA as produziu e em qual pool candidato (coleção de itens) o perfil foi avaliado.
Isso aborda um desafio comum para os profissionais de marketing: explicar por que uma oferta ficou acima da outra ou por que uma decisão de oferta específica aconteceu da maneira que aconteceu. O Explicador de decisões é somente leitura — ele explica decisões, mas não modifica regras, fórmulas de classificação ou estratégias de seleção.
Principais casos de uso
Solicitação de práticas recomendadas
- IDs de referência quando conhecidas: forneça a ID do perfil, o nome da oferta ou o nome do segmento para obter um rastreamento preciso em vez de uma resposta geral.
- Incluir uma janela de tempo: especifique uma data ou um intervalo de datas ao perguntar por que a visibilidade de uma oferta mudou; portanto, o Colaborador pode definir o escopo do rastreamento corretamente.
- Solicitar o detalhamento da classificação diretamente: se quiser detalhes de pontuação, peça explicitamente a pontuação da classificação ou os fatores que influenciaram o resultado.
- Use perguntas no nível de segmento para tendências: ao investigar por que um grupo de perfis não está vendo uma oferta, pergunte sobre o segmento em vez de um único perfil para obter o motivo dominante.
Regras e classificação rules-ranking
Rules & Ranking fornece aos profissionais de marketing assistência alimentada por IA para criar, entender e testar a lógica de decisão, sem precisar gravar ou validar manualmente a sintaxe do PQL. Ele abrange quatro recursos principais: criação de regras em linguagem natural, regra em inglês simples e explicação da fórmula de classificação, simulação com até três perfis de teste e otimização para PQL. Tem como escopo as regras de elegibilidade e as fórmulas de classificação — não cria ou edita estratégias de seleção ou políticas de decisão.
Principais casos de uso
Solicitação de práticas recomendadas
- Forneça a condição de destino explicitamente: ao criar ou modificar uma regra, indique a condição exata de público-alvo, atributo ou exclusão que você deseja.
- Referenciar a regra ou fórmula diretamente: ao solicitar uma explicação, simulação ou otimização, verifique se a regra ou fórmula desejada está aberta ou claramente identificada.
- Solicitar casos de borda: ao simular, peça ao Colaborador para gerar perfis de caso de borda para testar uma condição com stress, não apenas os típicos.
- Revisar antes de publicar: verifique a lógica e os resultados da simulação de uma regra gerada ou otimizada antes de publicá-la.
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 Decisioning Rule Workflow, 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.
- Decisioning Rule Workflow (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 Decisioning Rule Workflow can create, explain, simulate, or optimize the rule itself.
- Ranking formula: the logic used to score and order eligible offers; Decisioning Rule Workflow 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; Decisioning Rule Workflow generates, explains, and optimizes PQL without the marketer needing to write or validate it manually.
Guardrails
- Decisioning Explainer and Decisioning Rule Workflow 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.
- Decisioning Rule Workflow simulation supports up to 3 test profiles at a time, manually entered or AI-generated.
- Decisioning Rule Workflow 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; Decisioning Rule Workflow 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 Decisioning Rule Workflow 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 Decisioning Rule Workflow 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 Decisioning Rule Workflow simulate against at once? Up to 3, manually entered or AI-generated, including edge cases.
- Does Decisioning Rule Workflow 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.