移轉至Decisioning的好處 migrate-to-decisioning

自訂量度：能夠對AI模型使用自訂最佳化量度。 如此可提供與Customer Journey Analytics的報告互通性、標準化兩個平台的報告，並改善資料一致性和可靠性。 緊密整合可提供更清楚的效能量度檢視，並新增功能，例如建立簡易量度、發佈對象、使用Insight Builder提出臨機問題，以及排程報表。

提升度測量：能夠在AI模型中視覺化探索與利用流量。 這讓行銷人員和資料科學家可以量化AI探索如何改善長期模型效能和發現新的成功選件。 流量分配的透明度可建立對AI決策的信任，並讓團隊能夠隨著時間推移最佳化學習和效能。 了解更多

AI公式產生器：將AI模型分數輸出套用至現有公式功能的功能。 這可讓行銷人員順暢地結合AI輸出與確定性規則和權重，以實現更細微的最佳化策略，增加控制和彈性，同時仍運用機器學習智慧。 了解更多

沙箱複製：可在沙箱之間複製物件（例如，Dev到Prod）。 透過實現環境之間的決策邏輯、選件和設定物件的無縫移轉、減少設定時間並將人為錯誤降至最低，這可簡化部署和測試工作流程。 了解更多

以結構描述為基礎的專案目錄管理：能夠直接定義和管理結構描述連結資料集的決定專案，啟用動態更新並簡化治理。 這樣就能將決策專案與基礎資料來源同步、確保內容準確性、啟用更快速的更新，並支援大規模控管，藉此簡化目錄管理。 了解更多

與位置無關的決策：能夠讓決策邏輯在位置/位置之間可重複使用，將決策選擇與傳遞脫鉤。 這透過允許單一決定模型支援多個位置或表面（例如網頁、應用程式、電子郵件）、集中邏輯並加速跨管道個人化工作，而提升可重複使用性和效率。 了解更多

可重複使用的內容片段：可定義JSON或HTML內容區塊（例如標題、頁首、頁尾、CTA）一次，並在多個選件物件中參照這些區塊。 如此可讓您集中管理共用元件，並跨選件自動更新，簡化內容製作和控管。 了解更多

管道決策：能夠使用決策邏輯來決定最佳參與管道（例如，電子郵件、推播和網頁），而不只是單一管道中的最佳優惠方案。 這可最佳化訊息的傳送位置，而不僅僅是傳送的內容，藉此提升客戶體驗。

訊息最佳化：能夠使用AI或規則型方法來最佳化每個設定檔的訊息內容，改善參與和轉換結果。 這可讓行銷人員根據受眾屬性和績效資料動態地量身打造色調、影像和版面。

歷程路徑最佳化：能夠根據實驗結果、即時內容、規則和/或轉換傾向，決定設定檔應該遵循的歷程路徑。 這可讓團隊聰明地透過最佳歷程分支路由設定檔，確保每個使用者的正確步調和內容。

歷程決策：當設定檔符合多個歷程的資格時，能夠在多個歷程之間進行仲裁，以確保選取最有價值或最相關的歷程。 這可藉由為每個設定檔排名及選取最高優先順序的歷程，防止訊息衝突及過度傳訊。

原則執行：商業使用者賦權，以使用決策中的資料使用標籤和執行(DULE)和同意等功能，在整個決策工作流程中啟用隱私權盾牌保護。 這可確保決策會自動遵守資料使用原則和客戶同意偏好設定。

原生傳訊通道支援：整合式傳訊與決策，於單一架構內跨多個通道： 程式碼型體驗、電子郵件 （可用性限制）、簡訊及推播通知。 直覺式UI支援可讓使用者直接在訊息編寫工作流程中插入決策元件。

Experience Platform資料集查閱：能夠直接在優惠選擇規則、排名和個人化優惠內容中上傳和參考Adobe Experience Platform資料集。 這允許決定邏輯使用動態外部資料來源，以擴充個人化和鎖定目標的彈性。 了解更多

擴充性與效能：架構增強功能，將決策運算從集線器移至邊緣，大幅減少延遲，並改善高流量使用案例的輸送量。