Kom igång med AI-modeller ai-models
Journey Optimizer låter dig använda ett tränat modellsystem som rangordnar erbjudanden för en viss profil.
Med den här funktionen kan du skapa olika AI-modeller utifrån dina affärsmål. Genom att använda dessa olika målbaserade strategier i ett beslut kommer det tränade modellsystemet att hjälpa dig att förstå hur de olika AI-modellerna påverkar era mål.
Du kan till exempel välja en AI-modell för e-postkanalen och en annan för push-kanalen. För varje kanal utnyttjar det tränade modellsystemet flera datapunkter för att avgöra vilket erbjudande som ska presenteras först för en viss placering, i stället för att ta hänsyn till erbjudandenas prioritetspoäng eller en rankningsformel.
AI-modelltyper ai-model-types
Det finns två typer av AI-modeller i Journey Optimizer:
-
Automatiska optimeringsmodeller syftar till att leverera erbjudanden som maximerar den avkastning (KPI) som anges av affärsklienter. Dessa nyckeltal kan vara i form av konverteringsgrader, intäkter osv. I nuläget fokuserar automatisk optimering på att optimera erbjudandeklick med erbjudandekonvertering som mål. Automatisk optimering är icke-personaliserat och optimerar baserat på erbjudandets"globala" prestanda. Läs mer
-
Med personaliserade optimeringsmodeller kan du definiera affärsmål och använda kunddata för att utbilda affärsorienterade modeller för att leverera personaliserade erbjudanden och maximera nyckeltal. Läs mer
Skapa en AI-modell create-ai-model
De viktigaste stegen för att skapa och använda AI-modeller är följande:
-
Skapa en datauppsättning där konverterings- och inställningshändelser samlas in. Läs mer
-
Skapa en AI-modell som utnyttjar händelser från datauppsättningen för att rangordna erbjudanden. Läs mer
-
Konfigurera ditt erbjudandeschema för att automatiskt samla in händelser. Läs mer
note important IMPORTANT Rankningsmodeller kräver att feedback-händelser skickas in som upplevelsehändelser för att samlas in. Läs mer om insamling av data för beslutshantering -
Tilldela AI-modellen till en placering i ett beslut om att rangordna kvalificerade erbjudanden. Läs mer