使用Adobe Web SDK擷取優惠方案互動，以進行AI模型訓練
本文示範如何透過直接在Adobe Experience Platform程式碼中呼叫alloy(“sendEvent” …)，使用JavaScript Web SDK擷取優惠方案互動事件（例如曝光數或點按數）。 資料會內嵌至AEP，並用於在Adobe Journey Optimizer (AJO)中訓練AI模型，以根據即時行為更聰明地排名選件。
若要在Adobe Journey Optimizer中建立優惠方案排名的AI模型，您的資料集必須根據包含主張互動欄位群組的結構描述。 此欄位群組支援decisioning.propositionDisplay和decisioning.propositionInteract等關鍵決策事件，以及invessedPropositions、display和interact等必要欄位。
有兩個有效的方法可達成此目的：
- 建立專門針對互動追蹤設定的新結構、資料集和資料流
- 更新現有結構 — 這正是本教學課程中的內容
更新現有結構描述以擷取選件互動事件
用於天氣相關優惠方案的現有Experience Event方案已更新，不再建立新方案以支援互動追蹤。
在Adobe Experience Platform中：
-
開啟您用於天氣型優惠方案的現有 天氣結構描述 體驗事件結構描述。
-
新增欄位群組：
體驗事件 — 主張互動
您不需要建立新的資料集或資料流 — 繼續使用您現有的天氣選件設定。 傳送的事件符合Adobe Journey Optimizer對訓練AI模型和追蹤選件效能的期望。
繼續使用目前的資料集（不需要建立新的資料集）
現有的資料流已設定完畢，並在Adobe Experience Platform Tags屬性中使用 — 無需變更。
Web SDK會自動將新的互動事件路由到正確的目的地。
這種簡化的設定確保所有決策和天氣事件都內嵌到單一、統一的資料集中，最適合在Adobe Journey Optimizer中訓練AI模型。
擷取選件顯示事件（曝光數）
優惠方案的HTML結構已修改為包含互動式元素 — 尤其是<a>和<button>標籤 — 可讓使用者參與優惠方案（例如「宣告優惠方案」或「深入瞭解」按鈕）。
每個按鈕都包含data-offer-id屬性，因此可正確追蹤對應的互動。
為了記錄何時向使用者顯示選件，用於呈現天氣選件的現有JavaScript檔案已更新，以包含顯示事件追蹤。
現在，當顯示一或多個選件時，會使用Adobe Web SDK (alloy.sendEvent)傳送decisioning.propositionDisplay事件。 此事件包含必要的顯示： 1個旗標並參考相關主張。
alloy("sendEvent", {
xdm: {
_id: generateUUID(),
timestamp: new Date().toISOString(),
eventType: "decisioning.propositionInteract",
identityMap: {
ECID: [{
id: ecidValue,
authenticatedState: "ambiguous",
primary: true
}]
},
_experience: {
decisioning: {
propositionEventType: {
interact: 1
},
propositionAction: {
id: offerId,
tokens: [trackingToken]
},
propositions: window.latestPropositions
}
}
}
});
擷取選件點按事件（互動）
為了追蹤使用者何時點按優惠方案，我們已更新現有的JavaScript，以接聽對優惠方案容器內轉譯的<a>和<button>元素的點按。
偵測到點選時，會使用Adobe Web SDK傳送decisioning.propositionInteract事件。 事件包含必要的互動： 1個旗標，並參考特定優惠方案ID和決定範圍。
// Attach click tracking to <a> and <button> elements
child.querySelectorAll("a, button").forEach(el => {
el.addEventListener("click", () => {
const ecidValue = getECID();
if (!ecidValue || !offerId || !trackingToken) {
console.warn("Girish!!!! Missing ECID, offerId, or trackingToken. Interaction event not sent.");
return;
}
alloy("sendEvent", {
xdm: {
_id: generateUUID(),
timestamp: new Date().toISOString(),
eventType: "decisioning.propositionInteract",
identityMap: {
ECID: [{
id: ecidValue,
authenticatedState: "ambiguous",
primary: true
}]
},
_experience: {
decisioning: {
propositionEventType: {
interact: 1
},
propositionAction: {
id: offerId,
tokens: [trackingToken]
},
propositions: window.latestPropositions
}
}
}
});
});
});
在Adobe Journey Optimizer Offer Decisioning中建立優惠方案排名的AI模型
有了，現在可透過網路SDK擷取並儲存在Adobe Experience Platform中的優惠閱聽和點按，此資料可用來訓練AI模型，預測哪些優惠最有可能促進參與。
此AI模型可在排名公式或選擇策略中參照，以決定每個使用者優先處理哪些選件。
- 登入Journey Optimizer
- 導覽至「決策 — >策略設定 — > AI模型 — >建立AI模型」
- 請確定使用正確的資料集
- 儲存並啟動AI模型。
- 更新在先前步驟中建立的選取策略，以便將AI模型用於Ranking方法
測試解決方案
將更新的JavaScript檔案包含在現有網頁中