Rankningsmetoder rankings
Med rangordningsmetoder kan du rangordna objekt som ska visas för en viss profil. När en rangordningsmetod har skapats kan du tilldela den till en urvalsstrategi för att definiera vilka objekt som ska väljas först.
Det finns två sorteringsmetoder:
-
Med formler kan du definiera regler som avgör vilket objekt som ska presenteras först, i stället för att ta hänsyn till objektets prioritetspoäng.
-
AI-modeller gör att du kan använda tränade modellsystem som utnyttjar flera datapunkter för att avgöra vilket objekt som ska presenteras först.
Skapa rangordningsmetoder create
Så här skapar du en rangordningsmetod:
-
Navigera till menyn Strategy setup och välj sedan menyn Formulas eller AI models beroende på vilken typ av rankning du vill använda.
-
Klicka på knappen Create formula eller Create AI model i skärmens övre högra hörn.
-
Konfigurera formeln eller AI-modellen så att den passar dina behov och spara den sedan.
Detaljerad information om hur du skapar rankningsformler och AI-modeller finns i dokumentationen för beslutshantering:
note note NOTE Inkapslingsdjupet i en rankningsformel är begränsat till 30 nivåer. Detta mäts genom att räkna de )avslutande parenteserna i PQL-strängen. En regelsträng kan vara upp till 8 kB för UTF-8-kodade tecken. Detta motsvarar 8 000 ASCII-tecken (1 byte vardera), eller 2 000-4 000 icke-ASCII-tecken (2-4 byte vardera). Läs mer om att bestämma skyddsmekanismer och begränsningar
En beslutspolicy stöder upp till 10 urvalsstrategier och beslutsposter tillsammans. Läs mer om att bestämma skyddsmekanismer och begränsningar
| note note |
|---|
| NOTE |
| Den här funktionen är bara tillgänglig för Customer Journey Analytics-kunder med administratörsbehörighet. |
| Innan du börjar bör du se till att du har integrerat Journey Optimizer med Customer Journey Analytics för att exportera Journey Optimizer-datauppsättningar till standarddatavyer. Lär dig utnyttja Journey Optmizer data i Customer Journey Analytics |
Personaliserade optimeringsmodeller är en typ av AI-modell som gör att ni kan definiera affärsmål och använda kunddata för att utbilda affärsorienterade modeller för att leverera personaliserade erbjudanden och maximera nyckeltal. Detaljerad information om hur du skapar en anpassad AI-modell finns i dokumentationen för beslutshantering.
Som standard använder personaliserade optimeringsmodeller erbjudandeklick som optimeringsmått. Om du arbetar med Customer Journey Analytics kan du med Decisioning utnyttja dina egna anpassade mått för att optimera din modell.
Det gör du genom att gå till skärmen för att skapa en anpassad AI-modell och expandera listrutan Conversion event. Alla mätvärden från din standardvy för Customer Journey Analytics data visas i listan. Välj det mätvärde som du vill optimera modellen på och slutför sedan skapandet av AI-modellen som vanligt.
| note note |
|---|
| NOTE |
| Som standard använder måtten i Customer Journey Analytics en attribueringsmodell med"sista handen", som tilldelar 100 % av krediten till kontaktytan som inträffar senast före konverteringen. |
| Även om det går att ändra attribueringsmodellen är inte alla attribueringsmodeller idealiska för optimering av AI-modeller. Vi rekommenderar att du väljer en attribueringsmodell som är anpassad efter dina optimeringsmål för att säkerställa att modellen är korrekt och fungerar korrekt. |
| Mer information om tillgängliga attribueringsmodeller och vägledning om hur de används finns i Customer Journey Analytics dokumentationen |
Utnyttja attribut för beslutsunderlag i formler items
Rankningsformler uttrycks i PQL-syntax och kan utnyttja olika attribut, t.ex. profilattribut, kontextdata och attribut relaterade till dina beslutsobjekt.
Om du vill använda attribut som hör till dina beslutsobjekt i formler måste du följa syntaxen nedan i din rankningsreceptas kod. Expandera varje avsnitt för mer information:
