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
AVAILABILITY
O Explicador de decisão está disponível para todos os clientes que têm acesso ao Colaborador e ao Decisioning.
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
Caso de uso
Descrição
Habilidades
Exemplos de Prompts
Por que uma oferta específica foi ou não exibida
Rastreie a decisão de um perfil ou segmento revisando regras de elegibilidade, limite, classificação e o pool de candidatos para uma janela de tempo específica.
Explicador de decisão
“Por que o perfil 12345 viu a Oferta X em 15 de maio?”
“O perfil X não estava qualificado para esta oferta?”
“Qual regra de elegibilidade excluiu este cliente?”
“Mostrar quais ofertas o perfil X estava qualificado em 3 de junho.”
“O perfil X não estava qualificado para esta oferta?”
“Qual regra de elegibilidade excluiu este cliente?”
“Mostrar quais ofertas o perfil X estava qualificado em 3 de junho.”
Por que a visibilidade de uma oferta mudou com o tempo
Investigue as alterações na visibilidade da oferta revisando a frequência de exposição, a fadiga ou as restrições de limite, a elegibilidade e a supressão durante um período selecionado.
Explicador de decisão
“Por que a Oferta Y parou de mostrar aos clientes recorrentes nos últimos 7 dias?”
“Quantas vezes esse cliente viu essa oferta?”
“Essa oferta estava limitada ao perfil X?”
“Quais ofertas estão sendo suprimidas no momento para o perfil X devido a restrições de limitação?”
“Quantas vezes esse cliente viu essa oferta?”
“Essa oferta estava limitada ao perfil X?”
“Quais ofertas estão sendo suprimidas no momento para o perfil X devido a restrições de limitação?”
Como uma oferta foi classificada ou selecionada
Explique por que uma oferta está classificada acima da outra mostrando as pontuações de classificação, a estratégia ou o modelo de IA e outros fatores de decisão usados para o perfil.
Explicador de decisão
“Mostre-me exatamente como a Oferta Z foi selecionada em relação às outras ofertas qualificadas para este perfil.”
“Qual foi a pontuação de classificação para cada oferta nesta decisão?”
“Por que a Oferta A ficou acima da Oferta B para este perfil?”
“Quais fatores influenciaram mais o resultado da classificação?”
“Qual foi a pontuação de classificação para cada oferta nesta decisão?”
“Por que a Oferta A ficou acima da Oferta B para este perfil?”
“Quais fatores influenciaram mais o resultado da classificação?”
Explicações no nível do segmento
Lógica de decisão agregada em um segmento para identificar os motivos dominantes pelos quais os perfis não veem uma oferta e quais ofertas o segmento está recebendo.
Explicador de decisão
“Para clientes neste público-alvo, qual é o motivo mais comum para serem excluídos?”
“Quais ofertas este segmento está realmente recebendo?”
“Por que meu segmento de fidelidade não está vendo esta oferta?”
“Quais ofertas este segmento está realmente recebendo?”
“Por que meu segmento de fidelidade não está vendo esta oferta?”
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
AVAILABILITY
Regras e classificação está disponível para todos os clientes que têm acesso ao Colaborador e à Decisão.
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
Caso de uso
Descrição
Habilidades
Exemplos de Prompts
Criação de regra de linguagem natural
Transforme um requisito de elegibilidade em linguagem simples em sintaxe do PQL para uma nova regra ou uma edição de uma regra existente.
Regras e classificação
“Você pode criar uma regra de elegibilidade que seja direcionada a usuários que atendam às condições XYZ?”
“Crie uma regra de elegibilidade direcionada a membros de fidelidade na camada 2 ou superior.”
“Escreva uma regra do PQL que exclua clientes que fizeram uma compra nos últimos 7 dias.”
“Modifique essa regra para excluir também clientes na lista de supressão.”
“Crie uma regra de elegibilidade direcionada a membros de fidelidade na camada 2 ou superior.”
“Escreva uma regra do PQL que exclua clientes que fizeram uma compra nos últimos 7 dias.”
“Modifique essa regra para excluir também clientes na lista de supressão.”
Explicação de regra e fórmula em inglês simples
Explique o que uma regra de elegibilidade ou fórmula de classificação inclui, exclui e avalia sem exigir que o usuário leia a sintaxe do PQL.
Regras e classificação
“Você pode me explicar esta regra em linguagem natural?”
“O que esta fórmula de classificação realmente faz?”
“A quem esta regra de elegibilidade se destina e a quem ela exclui?”
“Resumir esta regra em uma frase.”
“Por que a Oferta A está acima da Oferta B para este cliente?”
“Esta regra é muito restritiva para uma campanha de conscientização ampla?”
“Qual condição nesta regra está filtrando a maioria dos perfis?”
“O que esta fórmula de classificação realmente faz?”
“A quem esta regra de elegibilidade se destina e a quem ela exclui?”
“Resumir esta regra em uma frase.”
“Por que a Oferta A está acima da Oferta B para este cliente?”
“Esta regra é muito restritiva para uma campanha de conscientização ampla?”
“Qual condição nesta regra está filtrando a maioria dos perfis?”
Simulação
Teste uma regra de elegibilidade ou fórmula de classificação em relação a até três perfis, incluindo casos de borda gerados por IA, e retorne resultados de aprovação/falha ou ofertas classificadas com pontuações numéricas.
Regras e classificação
“Simular esta regra com perfis de teste.”
“Esta regra passa para um perfil em que fideltier = gold?”
“Quais perfis passam esta regra de elegibilidade: [perfil A, perfil B, perfil C]?”
“Por que este perfil falhou na verificação de elegibilidade?”
“Gerar perfis de teste para esta regra de elegibilidade.”
“Gerar perfis de caso de borda que testam esta condição com stress.”
“Simular esta fórmula de classificação entre essas ofertas e perfis.”
“Qual oferta seria a mais alta para este perfil dada esta fórmula?”
“Comparar essa regra de elegibilidade se comporta para um cliente ouro versus prata versus nível básico.”
“Esta regra passa para um perfil em que fideltier = gold?”
“Quais perfis passam esta regra de elegibilidade: [perfil A, perfil B, perfil C]?”
“Por que este perfil falhou na verificação de elegibilidade?”
“Gerar perfis de teste para esta regra de elegibilidade.”
“Gerar perfis de caso de borda que testam esta condição com stress.”
“Simular esta fórmula de classificação entre essas ofertas e perfis.”
“Qual oferta seria a mais alta para este perfil dada esta fórmula?”
“Comparar essa regra de elegibilidade se comporta para um cliente ouro versus prata versus nível básico.”
Otimização do PQL
Substitua uma regra ou fórmula existente por uma sintaxe mais concisa para atender aos limites de tamanho do PQL da Journey Optimizer sem alterar a lógica ou o resultado.
Regras e classificação
“Otimizar esta regra do PQL para mim.”
“Esta regra está atingindo os limites de tamanho do PQL — é possível encurtá-la?”
“Esta regra está atingindo os limites de tamanho do PQL — é possível encurtá-la?”
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.
AI Knowledge Reference
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.
recommendation-more-help
journey-optimizer-help