BrazeAI™

BrazeAI™ ist die Sammlung von KI-Features, die in Braze integriert sind. Features, die schlussfolgern, reagieren auf den Kontext einzelner Nutzer:innen. Features, die lernen, erkennen Muster über viele Nutzer:innen hinweg. Zu wissen, welche Art zu Ihrem Ziel passt, ist der erste Schritt bei der Auswahl des richtigen Features.

Beginnen Sie mit Ihrem Ziel, oder lesen Sie Schlussfolgern oder Statistik, wenn Sie zwischen zwei ähnlichen Features entscheiden.

Starten Sie mit Ihrem Ziel

Jedes Ziel hat einen empfohlenen Startpunkt. Sie können Features auch kombinieren. Weitere Informationen finden Sie unter Features, die gut zusammenwirken.

Ihr Ziel	Starten Sie mit	Bevor Sie beginnen
Texte, Bilder, Liquid oder HTML im Dashboard entwerfen oder verfeinern	BrazeAI Operator	Nutzt Ihre bestehenden Dashboard-Berechtigungen. Aktionen werden auf ein unternehmensweites tägliches Nutzungslimit angerechnet.
Nachrichtentexte verfassen, die sich pro Nutzer:in basierend auf deren Daten ändern	Braze Agents	Nachrichten- oder Aktionsguthaben. Wenden Sie sich an Ihren Account Manager, wenn Sie diese nicht haben.
Nutzer:innen anhand ihres Echtzeit-Kontexts klassifizieren, weiterleiten oder anreichern	Braze Agents	Gleiche Guthaben-Anforderung. Stellen Sie den Agenten in einem Canvas-Schritt oder einem Katalogfeld bereit.
Die leistungsstärkste Variante einer Campaign finden	Mit BrazeAI optimieren	Mindestens zwei aktive Varianten. Campaigns mit mehreren Sendungen benötigen zusätzlich ein Konversions-Event und ein Wiedereintrittsfenster von mindestens 24 Stunden.
Den leistungsstärksten Pfad durch ein Canvas finden	Gewinnerpfade	Ein Experimentpfad-Schritt mit mehr als einem Pfad.
Viele Inhaltsvarianten kontinuierlich generieren und testen	Content Optimizer	Derzeit in der Beta-Phase, für E-Mail, Push und SMS/MMS/RCS. Wenden Sie sich an Ihren CSM, um loszulegen.
Jeden Versand in einem wiederkehrenden E-Mail-Programm pro Empfänger:in personalisieren	Decisioning Studio Go	Ein wiederkehrendes E-Mail-Programm und mehr als eine Auswahlmöglichkeit: Kreative, Betreffzeilen, Bilder oder Versandzeiten.
Eine geschäftliche oder finanzielle Metrik maximieren – einschließlich welches Angebot gemacht werden soll	Decisioning Studio Pro	Verknüpfte First-Party-Daten und das AI Decisioning Services Team. Wenden Sie sich an Ihren CSM, um den Umfang zu besprechen.
Zum Zeitpunkt senden, an dem jede:r Nutzer:in am wahrscheinlichsten interagiert	Intelligentes Timing	Beste Ergebnisse, wenn Zeitzonen in den Nutzerprofilen gesetzt sind. Nicht empfohlen bei Rate-Limiting oder IP-Warming.
Über den Kanal senden, über den jede:r Nutzer:in am wahrscheinlichsten interagiert	Intelligenter Kanalfilter	Engagement-Daten über zwei oder mehr unterstützte Kanäle und mindestens drei Nachrichten pro Kanal.
Bewerten, wie wahrscheinlich ein:e Nutzer:in abwandert	Voraussichtliche Abwanderung	In der Regel 300.000 monatlich aktive Nutzer:innen in einem einzelnen Workspace.
Bewerten, wie wahrscheinlich ein:e Nutzer:in eine bestimmte Aktion ausführt	Voraussichtliche Ereignisse	Ausreichend Nutzer:innen, die das Ereignis ausgeführt haben. Den aktuellen Schwellenwert finden Sie unter Ereignis-Analytics (in der Regel mindestens 3.500 Nutzer:innen mit früherem Ereignisverhalten).
Produkte oder Inhalte aus einem Katalog empfehlen	Artikelempfehlungen	Mindestens ein Katalog. Für KI-personalisierte Empfehlungen siehe die Datenrichtlinien.
Braze-Daten über Claude, Cursor, ChatGPT oder ein anderes KI-Tool abfragen	Braze MCP-Server	Dashboard-Berechtigungen steuern den Zugriff. Nicht verfügbar, wenn Ihr Workspace IP-Allowlisting nutzt.

Schlussfolgern oder Statistik

Jedes Feature auf dieser Seite trifft eine Entscheidung. Diese Features lassen sich in zwei Kategorien einteilen. Wenn Sie wissen, welche Kategorie Sie gerade betrachten, klärt sich die meiste Verwirrung zwischen ähnlich wirkenden Features.

Features, die schlussfolgern, lesen den Kontext, der ihnen vorliegt (das Profil einer/eines Nutzer:in, die letzte Nachricht oder eine Katalogzeile) und beantworten genau diesen einen Fall. Braze Agents und Operator arbeiten auf diese Weise. Features, die schlussfolgern, eignen sich für unstrukturierten Text, Ermessensentscheidungen, offene Textgenerierung und Nutzer:innen ohne Verlauf. Sie können die Ausgabe lesen und nachvollziehen, warum sie so lautet, wie sie lautet. Features, die schlussfolgern, lernen nicht daraus, ob die Ausgabe funktioniert hat.

Features, die lernen, erkennen Muster in Ergebnissen über viele Nutzer:innen hinweg oder anhand des eigenen Verlaufs einzelner Nutzer:innen. Predictive Suite, Artikelempfehlungen, intelligentes Timing, der intelligente Kanalfilter und Decisioning Studio arbeiten auf diese Weise. Features, die lernen, eignen sich für numerisches Verhalten in großem Umfang, aggregierte Signale und umfangreiche Optionsmengen. Features, die lernen, lesen keinen unstrukturierten Text wie etwa einen Support-Verlauf.

Nutzen Sie folgenden Test: Könnte eine Person, die alles gelesen hat, was diese eine/dieser eine Nutzer:in gesagt und getan hat, bereits wissen, was zu tun ist? Wenn ja, brauchen Sie Schlussfolgern. Wenn diese Person trotzdem über Tausende von Nutzer:innen hinweg testen müsste, brauchen Sie Statistik.

Jede Kategorie passt zu einer anderen Situation. Die Features, die gut zusammenarbeiten, nutzen beide gleichzeitig.

Ähnliche Features auswählen

Optimieren, was Sie senden

Diese Features verbessern alle den Inhalt einer Nachricht – in aufsteigender Reihenfolge des Umfangs.

Feature	Was es entscheidet	Für wen es entscheidet
Mit BrazeAI optimieren	Welche Ihrer Kampagnenvarianten gewinnt	Die Zielgruppe als Ganzes
Winning Paths	Welcher Ihrer Canvas-Pfade gewinnt	Die Zielgruppe als Ganzes
Content Optimizer	Welche Kombination von Inhaltselementen gewinnt – aus Varianten, die automatisch für Sie generiert werden	Die Zielgruppe als Ganzes
Decisioning Studio Go	Welches Creative gesendet wird (einschließlich Betreffzeile, Call-to-Action (CTA) und Bild) und wann es gesendet wird	Jede:r Empfänger:in individuell
Decisioning Studio Pro	Welches Angebot, welcher Kanal, welches Timing und welche Frequenz verwendet werden	Jede:r Nutzer:in individuell

„Mit BrazeAI optimieren“, „Winning Paths“ und „Content Optimizer“ finden einen Gewinner für alle. Decisioning Studio Go und Pro finden eine individuelle Antwort für jede Person.

Innerhalb der ersten drei:

• „Mit BrazeAI optimieren“ testet Nachrichtenvarianten in einer Campaign.
• „Winning Paths“ testet Journey-Pfade in einem Canvas.
• „Content Optimizer“ erstellt die Varianten für Sie und kombiniert deren Elemente.

Go und Pro unterscheiden sich in Umfang und Einrichtung. Go optimiert Engagement, ist als Self-Service verfügbar und nutzt bereits in Braze vorhandene Daten. Pro optimiert eine geschäftliche oder finanzielle Metrik, kann Angebotswerte bestimmen und benötigt verknüpfte externe Daten sowie das AI Decisioning Services-Team.

Entscheiden, was für jede:n Nutzer:in zu tun ist

Wenn Sie Folgendes möchten	Verwenden Sie	Warum nicht die anderen
Eine Entscheidung auf Basis des Kontexts einer:eines Nutzer:in treffen – einschließlich Freitext oder einer Einzelfallbewertung	Braze Agents	Agenten verarbeiten unstrukturierte Eingaben und Einzelfallentscheidungen. Agenten überwachen nicht, ob eine Entscheidung erfolgreich war, und verbessern sich nicht selbstständig.
Bewerten, wie wahrscheinlich es ist, dass eine:r Nutzer:in abwandert oder handelt – als numerischen Wert	Predictive Suite	Die Predictive Suite lernt aus gemessenen Ergebnissen und berichtet über ihre eigene Genauigkeit. Ein Agent kann nur eine plausibel klingende Schätzung abgeben.
Artikel aus einem großen Katalog auswählen	Artikelempfehlungen	Ein großer Katalog passt nicht in den Kontext eines Agenten. Außerdem neigt ein Agent dazu, wiederholt dieselben wenigen Artikel auszuwählen.
Ergebnisse im Hinblick auf eine Metrik im Laufe der Zeit verbessern	Decisioning Studio	Decisioning Studio lernt aus Ergebnissen und optimiert in Richtung der von Ihnen gewählten Metrik. Braze Agents lernen nicht aus Ergebnissen.
Einen Angebotswert festlegen oder Umsatz bzw. Marge maximieren	Decisioning Studio Pro	Angebotsentscheidungen wägen Kosten gegen Uplift ab. Decisioning Studio Go ist auf Engagement beschränkt und trifft keine Angebotsentscheidungen.

Inhalte generieren

BrazeAI Operator und Braze Agents schreiben beide – zu unterschiedlichen Zeitpunkten.

• Operator arbeitet mit Ihnen im Dashboard, während Sie etwas erstellen. Standardmäßig prüfen und genehmigen Sie jede vorgeschlagene Aktion. Einige Aktionen erfordern immer eine Genehmigung. Nutzen Sie Operator, um Entwürfe zu erstellen, umzuschreiben, Ideen zu sammeln, eine Journey zu überprüfen oder eine Blockade zu lösen.
• Braze Agents arbeiten ohne Sie, zum Zeitpunkt des Versands. Sie schreiben einmal Anweisungen, und der Agent erzeugt ein individuelles Ergebnis für jede:n Nutzer:in, während diese:r einen Canvas durchläuft. Nutzen Sie Braze Agents, wenn der Inhalt pro Nutzer:in variieren muss.

Die generativen KI-Funktionen von BrazeAI (Texterstellung, Bilder, Liquid, HTML-Templates und Inhaltsprüfung) sind über Operator zugänglich.

Features, die gut zusammenwirken

Wenn eine Aufgabe umfangreichen Text und einen großen Katalog erfordert, teilen Sie die Arbeit auf. Artikelempfehlungen wählen aus Ihrem Katalog aus. Ein Braze Agent erstellt den Text rund um diese Artikel.

Eine Warenkorb-Wiederherstellungs-Journey kann mehrere Features kombinieren:

• Artikelempfehlungen wählen die Produkte aus, die hervorgehoben werden sollen.
• Ein Braze Agent erstellt den Text rund um diese Produkte und nutzt dabei den Kontext der jeweiligen Nutzer:innen.
• Predictive Events bewertet, wie wahrscheinlich es ist, dass die Nutzer:innen zurückkehren.
• Intelligentes Timing und der intelligente Kanalfilter entscheiden, wann und wo gesendet wird.
• Decisioning Studio Pro entscheidet über das Angebot, wenn der Warenkorbwert den Aufwand rechtfertigt.

Starten Sie mit dem einfachsten Tool, das die Aufgabe erfüllt

Unter den Features, die lernen, steigen sowohl die Leistungsfähigkeit als auch der Einrichtungsaufwand stufenweise an.

1. Lesen Sie eine Dimension aus dem individuellen Verlauf einer:eines Nutzer:in ab. Intelligentes Timing und der intelligente Kanalfilter sind Self-Service-Optionen ohne zusätzliche Kosten.
2. Lernen Sie ein Muster über Ihre gesamte Nutzerbasis hinweg. Voraussichtliche Abwanderung, Vorhersage-Events und KI-Artikelempfehlungen sind ebenfalls Self-Service, erfordern aber einen mittleren Einrichtungsaufwand.
3. Optimieren Sie mehrere Stellhebel gleichzeitig, pro Nutzer:in. Decisioning Studio Go erfordert wenig Einrichtung auf Basis bereits in Braze vorhandener Daten und optimiert ausschließlich das Engagement.
4. Optimieren Sie jeden Stellhebel – einschließlich Angebote – auf einen KPI hin. Decisioning Studio Pro benötigt externe Daten sowie das AI Decisioning Services-Team.

Passen Sie die Stufe an den Wert des Anwendungsfalls an. Für einen Anwendungsfall mit geringem Wert oder nur einer Dimension passt in der Regel ein einfacheres Tool besser. Die zusätzliche Leistungsfähigkeit eines umfangreicheren Tools rechtfertigt oft nicht den zusätzlichen Daten- und Einrichtungsaufwand.

Braze Agent versus Decisioning Agent

Braze verwendet den Begriff Agent für zwei verschiedene Produkte. Der Unterschied liegt darin, welche Art von Entscheidung jeder der beiden trifft.

Begriff	Was es ist
Braze Agent	Ein KI-Assistent, den Sie in der Agentenkonsole konfigurieren und in einem Canvas-Schritt oder einem Katalogfeld bereitstellen. Er analysiert den Kontext einer einzelnen Nutzerin oder eines einzelnen Nutzers, um Inhalte zu verfassen, zu klassifizieren, weiterzuleiten oder Daten anzureichern. Er lernt nicht daraus, ob seine Ausgabe erfolgreich war.
Decisioning Agent	Eine Konfiguration im Decisioning Studio, die einen gesamten Anwendungsfall verwaltet, z. B. Rückgewinnung oder Cross-Selling. Er lernt aus den Ergebnissen Ihrer gesamten Nutzerbasis, um die Entscheidung zu finden, die Ihre Metrik maximiert.

Beide treffen Entscheidungen. Ein Braze Agent entscheidet durch Lesen. Ein Decisioning Agent entscheidet durch Messen. Wenn Sie sich nicht sicher sind, welches Produkt eine Seite behandelt, prüfen Sie, ob es um Braze Agents oder das Decisioning Studio geht.

Alle BrazeAI-Features

Profile anreichern und Verhalten vorhersagen

Feature	Was es tut	Wie es entscheidet
Braze Agents (Canvas-Schritt)	Klassifiziert, routet oder reichert Nutzer:innen anhand ihres Echtzeit-Kontexts an und verfasst Texte	Large Language Model
Braze Agents (Katalogfeld)	Schreibt, aktualisiert oder lokalisiert Artikel-Metadaten	Large Language Model
Predictive Churn	Bewertet auf einer Skala von 0–100, wie wahrscheinlich eine Abwanderung ist	Gradient-Boosted Decision Trees
Predictive Events	Bewertet auf einer Skala von 0–100, wie wahrscheinlich Nutzer:innen eine Aktion ausführen	Gradient-Boosted Decision Trees

Herausfinden, was für eine Zielgruppe am besten funktioniert

Feature	Was es tut	Wie es entscheidet
Mit BrazeAI optimieren	Testet Kampagnenvarianten und lenkt Traffic zur Gewinnervariante	A/B/n-Test
Winning Paths	Testet Canvas-Pfade und lenkt Traffic zum Gewinnerpfad	A/B/n-Test
Content Optimizer	Kombiniert und mischt Inhaltsvarianten für maximales Zielgruppen-Engagement	Multi-Armed Bandit

Die beste Aktion für jede:n Einzelne:n wählen

Feature	Was es tut	Wie es entscheidet
Intelligentes Timing	Ermittelt den besten Sendezeitpunkt für jede:n Nutzer:in	Statistiken auf Basis des Nutzerverlaufs
Intelligenter Kanalfilter	Bewertet Kanäle für jede:n Nutzer:in anhand des Verlaufs	Statistiken auf Basis des Nutzerverlaufs
KI-Artikelempfehlungen	Wählt Katalogartikel für jede:n Nutzer:in aus	Deep Learning
Decisioning Studio Go	Personalisiert Inhalte, Timing und Frequenz für mehr Engagement	Reinforcement Learning
Decisioning Studio Pro	Personalisiert alle Stellschrauben, einschließlich Angebote, für einen geschäftlichen KPI	Reinforcement Learning

Eigene Arbeit schneller erledigen

Feature	Was es tut	Wie es entscheidet
BrazeAI Operator	Erstellt, überprüft und analysiert Campaigns und Canvases gemeinsam mit Ihnen im Dialog	Large Language Model
Generative KI	Texte, Bilder, Liquid, HTML-Templates und Inhalts-Review über den Operator	Large Language Model
Braze MCP-Server	Stellt Braze-Daten ohne personenbezogene Daten (PII) für Tools wie Claude und Cursor bereit (Model Context Protocol)	Integration, kein Modell

Wie Braze Ihre Daten nutzt

BrazeAI-Features, die ein von Braze bereitgestelltes Large Language Model verwenden, senden Ihren Prompt und Ihre Eingaben an dieses Modell. Daten, die an ein von Braze bereitgestelltes Modell gesendet werden, werden nicht zum Trainieren oder Verbessern des Modells verwendet. Die Ausgabe gehört Ihnen. Braze erhebt keinen Urheberrechtsanspruch darauf. Braze übernimmt keine Gewährleistung für KI-generierte Inhalte.

Welches Modell ein Feature nutzt und wie lange der Anbieter die Daten aufbewahrt, ist auf der jeweiligen Feature-Seite dokumentiert:

• Braze Agents
• Operator – Datenschutz und Sicherheit

Sie können auch Ihren eigenen Modellanbieter anbinden, z. B. OpenAI, Anthropic, Google Gemini oder Databricks Mosaic, wenn Sie Braze Agents verwenden.

Häufig gestellte Fragen

Was ist BrazeAI?

BrazeAI ist die Sammlung von KI-Features, die in Braze integriert sind. Es umfasst Datenanreicherung, Experimentierung, Entscheidungsfindung und Dashboard-Workflows. Jedes Feature wird separat eingerichtet, und einige erfordern bestimmte Guthaben oder Pläne. Um das passende Feature zu finden, siehe Mit Ihrem Ziel starten.

Welches BrazeAI-Feature sollte ich zuerst nutzen?

Wenn Sie neu bei BrazeAI sind, beginnen Sie mit BrazeAI Operator. Er erfordert keine separate Produkteinrichtung, funktioniert in den Composern, die Sie bereits verwenden, und fordert Sie standardmäßig auf, jede Aktion zu genehmigen, bevor sie ausgeführt wird. Wählen Sie von dort aus das Feature, das zu Ihrem Ziel passt, unter Mit Ihrem Ziel starten.

Wie wähle ich zwischen zwei Features, die ähnlich klingen?

Fragen Sie sich, ob jemand, der alles gelesen hat, was diese:r eine Nutzer:in gesagt und getan hat, bereits entscheiden könnte. Wenn die Antwort Tests über Tausende von Nutzer:innen erfordert, verwenden Sie ein Feature, das lernt. Reasoning passt zu Braze Agents. Learning passt zur Predictive Suite oder zum Decisioning Studio. Siehe Reasoning oder Statistik.

Was ist der Unterschied zwischen Content Optimizer und „Mit BrazeAI optimieren“?

„Mit BrazeAI optimieren“ wählt eine Gewinnervariante aus Kampagnenvarianten, die Sie geschrieben haben. Der Content Optimizer generiert Varianten für Sie und mischt und testet deren Elemente kontinuierlich in einem Canvas-Schritt. Beide finden eine Gewinnervariante für Ihre Zielgruppe. Für eine Personalisierung auf Nutzerebene siehe Decisioning Studio.

Was ist der Unterschied zwischen einem Braze Agent und einem Decisioning-Agenten?

Ein Braze Agent reasoned über den Kontext einer:eines einzelnen Nutzer:in. Ein Decisioning-Agent im Decisioning Studio lernt aus gemessenen Ergebnissen Ihrer gesamten Population. Weitere Informationen finden Sie unter Braze Agent versus Decisioning-Agent.

Kosten BrazeAI-Features Guthaben?

Einige BrazeAI-Features kosten Guthaben. Braze Agents erfordern Nachrichten- oder Aktionsguthaben, und jeder Agentenlauf wird auf ein tägliches Aufruf-Limit angerechnet. Operator-Aktionen werden auf ein separates unternehmensweites tägliches Nutzungslimit angerechnet, nicht auf Guthaben. Features wie intelligentes Timing und „Mit BrazeAI optimieren“ verursachen keine Guthabenkosten, haben aber Datenanforderungen. Wenn eine Regel Ihre Frage beantwortet, verwenden Sie einen Standard-Canvas-Schritt. Kontaktieren Sie Ihre:n Account Manager:in bezüglich Guthaben.

Kann ich mein eigenes KI-Modell verwenden?

Ja, mit Braze Agents. Agents können sich mit Anbietern wie OpenAI, Anthropic, Google Gemini oder Databricks Mosaic verbinden, anstatt das von Braze bereitgestellte Modell zu verwenden. Andere BrazeAI-Features nutzen ausschließlich von Braze bereitgestellte Modelle.