迁移到Decisioning的好处 migrate-to-decisioning

自定义量度：能够为AI模型使用自定义优化量度。 这提供了与Customer Journey Analytics的报告互操作性，实现了两个平台之间报告的标准化，并提高了数据一致性和可靠性。 这种无缝集成提供了更清晰的性能指标视图，并新增了一些功能，例如创建简单指标、发布受众、使用Insight Builder提出临时问题和计划报表。

提升测量：能够在AI模型中可视化浏览流量与利用流量。 这使营销人员和数据科学家能够量化AI探索如何提高长期模型性能和发现新的入选选选件。 流量分配的透明度可建立对AI决策的信任，并使团队能够随着时间的推移优化学习和性能。 了解详情

AI公式生成器：能够将AI模型得分输出应用于现有公式功能。 这使得营销人员能够无缝地将AI输出与确定性规则和权重相结合，以实现更细微的优化策略，在增加控制和灵活性的同时仍利用机器学习智能。 了解详情

沙盒复制：能够在沙盒之间复制对象（例如，Dev到Prod）。 这通过支持在环境之间无缝迁移决策逻辑、选件和配置对象、减少设置时间和最大程度地减少人为错误，简化了部署和测试工作流。 了解详情

基于架构的项目目录管理：能够直接定义和管理与架构关联的数据集的决策项目，从而启用动态更新和简化管理。 这通过将决策项目与底层数据源同步、确保内容准确性、实现更快的更新以及支持大规模治理而简化了目录管理。 了解详情

与位置无关的决策：使决策逻辑可跨位置/位置重用，将决策选择与投放分离的能力。 这通过允许单个决策模型支持多个投放位置或表面（例如，Web、应用程序、电子邮件）、集中逻辑和加快跨渠道个性化工作来提高可重用性和效率。 了解详情

可重复使用的内容片段：能够定义一次JSON或HTML内容块（例如，标题、页眉、页脚、CTA），并在多个选件对象中引用这些内容块。 通过允许跨选件集中管理和自动更新共享组件，这简化了内容创作和治理。 了解详情

渠道决策：能够使用决策逻辑来确定最佳的参与渠道（例如，电子邮件与推送对比Web），而不只是单个渠道中的最佳优惠。 这通过优化消息投放位置（而不仅仅是投放内容）而增强了客户体验。

消息优化：能够使用AI或基于规则的方法为每个用户档案优化消息内容，从而提高参与度和转化结果。 这使营销人员能够根据受众属性和性能数据动态定制色调、图像和布局。

历程路径优化：能够根据实验结果、实时上下文、规则和/或转化倾向确定用户档案应遵循的历程路径。 这允许团队通过最佳历程分支智能地路由用户档案，确保每个用户的正确节奏和内容。

历程决策：当配置文件符合多个历程的资格时，能够在多个历程之间进行仲裁，确保选择最有价值或最相关的历程。 这通过为每个用户档案排名并选择最高优先级的历程来防止消息冲突和过度消息传递。

策略实施：增强企业用户权能以在Decisioning中使用数据使用标签和实施(DULE)和同意等功能，从而在决策工作流中启用隐私盾保护。 这可以确保决策自动遵守数据使用策略和客户同意首选项。

本机消息传递渠道支持：在一个框架中跨多个渠道集成了消息传递和决策：基于代码的体验、电子邮件（有限可用性）、短信和推送通知。 直观的UI支持允许用户直接在消息创作工作流中插入决策组件。

Experience Platform数据集查找：能够直接在优惠选择规则、排名和个性化优惠内容中上传和引用Adobe Experience Platform数据集。 通过允许决策逻辑使用动态外部数据源，这扩展了个性化和定位的灵活性。 了解详情

可扩展性和性能：体系结构增强将决策计算从中心移动到边缘，从而显着减少延迟并提高高流量用例的吞吐量。