Offer Decisioning
本指南介绍Offer Decisioning用例模式，该模式使用Adobe Journey Optimizer (AJO) Decisioning和Adobe Real-Time Customer Data Platform (RT-CDP)实施集中式优惠选择逻辑，从而跨渠道为每个客户配置文件确定下一个最佳优惠。 它专为需要了解此模式的用途、支持的业务目标、支持的战术用例以及涉及的Adobe应用程序的解决方案架构师、营销技术人员和实施工程师而设计。
此模式将“显示内容”决策与“显示位置”渠道逻辑分离，从而实现跨电子邮件、Web、移动应用程序和任何其他接触点的一致且优化的优惠选择。 AJO Decisioning管理整个优惠生命周期：优惠创建和目录管理、资格规则（谁可以查看每个优惠）、排名策略（如何在合格优惠中进行选择）、投放位置（优惠出现的位置）和决策策略（将所有内容捆绑在一起）。
用例模式
此部分介绍Offer Decisioning的执行计划和模式定义。
Offer Decisioning
使用集中式决策逻辑跨渠道为用户档案选择下一个最佳优惠或内容。
执行计划：受众评估>优惠资格>排名策略>决策执行>交付>报告
用例概述
组织经常需要在交互时向每位客户提供最相关的选件、促销或激励。 无论互动发生在电子邮件促销活动中、网站主页上、移动应用程序中，还是多步历程中的决策点，挑战都是一样的：根据客户身份、客户资格以及最有可能带来预期结果的选件，从可用选项目录中选择最佳选件。
Offer Decisioning通过在AJO的决策管理引擎中集中所有优惠选择逻辑来解决此问题。 决策引擎不会将优惠分配硬编码到单独的促销活动或渠道中，而是评估每个用户档案的属性、受众成员资格和上下文信号，以实时确定最佳优惠。 这种集中化可确保同一客户获得一致且经过优化的优惠，无论他们通过哪个渠道开展业务。
此模式与已知访客的Web/应用程序个性化模式在范围上有所不同 — offer decisioning与渠道无关，并且是集中式的，而已知访客个性化侧重于数字表面个性化。 它与目录模型中的行为推荐不同 — 当符合条件的项目集受业务规则、资格限制或监管要求（促销、金融产品、激励）制约时，可使用Offer Decisioning。 当项目集很大、不断变化并且选择由行为相似性或亲和度信号（产品目录、内容库）驱动时，使用行为推荐。
主要业务目标
此用例模式支持以下业务目标。
提供个性化的客户体验
根据个人偏好、行为和生命周期阶段定制内容、选件和消息。
KPI：参与度、转化率、客户满意度(CSAT)
推动交叉销售和追加销售收入
根据行为和购买历史，向现有客户推广补充性和优质产品或服务。
KPI：追加销售/交叉销售%，增量收入，客户存留期值
提高客户忠诚度和存留期值
通过忠诚度计划、奖励和个性化参与，深化客户关系并最大化长期价值。
KPI：客户存留期值、留存率、追加销售/交叉销售%
战术用例示例
以下场景说明了如何在实践中应用Offer Decisioning。
- 电子邮件促销活动中的下一个最佳优惠 — 在发送时为每个收件人选择最相关的促销活动
- 网站上的实时促销横幅 — 决策功能根据访客的配置文件在页面加载时选择选件
- 以最佳方式刺激用户生命周期阶段的个性化应用程序内卡
- 跨渠道优惠一致性 — 相同的决策逻辑提供电子邮件、Web和推送服务，以便客户看到统一的优惠体验
- 基于客户价值层的动态优惠券或折扣选择（例如，高价值客户会获得优质优惠）
- 基于当前订阅级别的产品升级或追加销售选件选择
- 基于层级和活动历史的忠诚度奖励优惠个性化
关键绩效指标
以下KPI有助于衡量Offer Decisioning实施的有效性。
应用程序
在此用例模式中使用以下Adobe应用程序。
- Adobe Journey Optimizer (AJO) — 用于优惠创建、资格规则、排名策略、投放位置和决策策略的决策管理引擎；用于优惠投放的渠道配置和消息创作；营销活动和历程执行
- Adobe Real-Time Customer Data Platform (RT-CDP) — 优惠资格区段的受众评估；资格和排名中使用的配置文件数据和计算属性
- Adobe Experience Platform (AEP) — 支持AJO和RT-CDP的统一配置文件存储、身份解析和数据基础
相关文档
以下资源提供了有关此用例模式中使用的组件的其他详细信息。