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.

Mit Ihrem Ziel beginnen

Für jedes Ziel gibt es einen empfohlenen Ausgangspunkt. Sie können Features auch kombinieren. Weitere Informationen finden Sie unter Features, die gut zusammenarbeiten.

Ihr Ziel	Beginnen 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 schreiben, die sich pro Nutzer:in anhand ihrer Daten ändern	Braze Agents	Nachrichten- oder Aktionsguthaben. Wenden Sie sich an Ihren Account Manager, falls Sie keines haben.
Nutzer:innen anhand ihres Realtime-Kontexts klassifizieren, weiterleiten oder anreichern	Braze Agents	Gleiche Guthabenanforderung. Stellen Sie den Agenten in einem Canvas-Schritt oder einem Katalogfeld bereit.
Die leistungsstärkste Kampagnenvariante finden	Mit BrazeAI optimieren	Mindestens zwei aktive Varianten. Campaigns mit mehreren Sendungen benötigen zusätzlich ein Konversions-Event und ein Zeitfenster für die erneute Teilnahmeberechtigung 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 Betaphase, für E-Mail, Push, SMS, MMS und RCS. Wenden Sie sich an Ihren Customer-Success-Manager, 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 Auswahloption: Creatives, Betreffzeilen, Bilder oder Versandzeiten.
Eine geschäftliche oder finanzielle Metrik maximieren, einschließlich der Wahl des Angebots	Decisioning Studio Pro	Verbundene First-Party-Daten und das Team für AI Decisioning Services. Wenden Sie sich an Ihren Customer-Success-Manager, um den Umfang festzulegen.
Zu dem Zeitpunkt senden, an dem Nutzer:innen am wahrscheinlichsten interagieren	Intelligentes Timing	Beste Ergebnisse, wenn Zeitzonen in den Nutzerprofilen hinterlegt sind. Nicht empfohlen in Kombination mit Rate-Limiting oder IP-Warming.
Über den Kanal senden, mit dem Nutzer:innen am wahrscheinlichsten interagieren	Intelligenter Kanalfilter	Engagement-Daten über zwei oder mehr unterstützte Kanäle sowie mindestens drei Nachrichten pro Kanal.
Bewerten, wie wahrscheinlich Nutzer:innen abwandern	Voraussichtliche Abwanderung	In der Regel 300.000 monatlich aktive Nutzer:innen in einem einzelnen Workspace.
Bewerten, wie wahrscheinlich Nutzer:innen eine bestimmte Aktion ausführen	Predictive Events	Genügend Nutzer:innen, die das Event ausgeführt haben. Den aktuellen Schwellenwert finden Sie unter Event-Analytics (in der Regel mindestens 3.500 Nutzer:innen mit früherem Event-Verhalten).
Produkte oder Inhalte aus einem Katalog empfehlen	Artikelempfehlungen	Mindestens ein Katalog. Für KI-personalisierte Empfehlungen beachten Sie die Datenrichtlinien.
Braze-Daten aus Claude, Cursor, ChatGPT oder einem anderen KI-Tool abfragen	Braze MCP-Server	Der Zugriff richtet sich nach den Dashboard-Berechtigungen. Nicht verfügbar, wenn Ihr Workspace IP-Allowlisting verwendet.

Schlussfolgern oder Statistik

Jedes Feature auf dieser Seite trifft eine Entscheidung. Diese Features lassen sich in zwei Arten unterteilen. Wenn Sie wissen, welche Art Sie vor sich haben, lässt sich die Verwechslung ähnlicher Features meist vermeiden.

Schlussfolgernde Features lesen den vorliegenden Kontext (das Profil einer Nutzerin oder eines Nutzers, die letzte Nachricht oder eine Katalogzeile) und beantworten genau diesen einen Fall. Braze Agents und Operator arbeiten auf diese Weise. Schlussfolgernde Features kommen mit unstrukturiertem Text, Ermessensentscheidungen, offenem Schreiben und Nutzer:innen ohne Verlauf zurecht. Sie können die Ausgabe lesen und nachvollziehen, warum sie so lautet. Schlussfolgernde Features lernen nicht daraus, ob die Ausgabe funktioniert hat.

Lernende Features erkennen Muster in Ergebnissen über viele Nutzer:innen hinweg oder im eigenen Verlauf einer einzelnen Person. Predictive Suite, Artikelempfehlungen, intelligentes Timing, der intelligente Kanalfilter und Decisioning Studio arbeiten auf diese Weise. Lernende Features kommen mit numerischem Verhalten in großem Umfang, aggregierten Signalen und großen Optionsmengen zurecht. Lernende Features lesen keinen unstrukturierten Text wie etwa einen Support-Verlauf.

Verwenden Sie diesen Test: Würde jemand, der alles gelesen hat, was diese eine Person 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 Art passt zu einer anderen Situation. Die Features, die gut zusammenarbeiten, nutzen beide gleichzeitig.

Ähnliche Features vergleichen

Optimieren, was Sie senden

Alle diese Features verbessern den Inhalt einer Nachricht, geordnet nach zunehmendem Umfang.

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

„Mit BrazeAI optimieren“, Gewinnerpfade und der Content Optimizer finden einen Gewinner für alle. Decisioning Studio Go und Pro finden für jede Person eine andere Antwort.

Innerhalb der ersten drei gilt:

• „Mit BrazeAI optimieren“ testet Nachrichtenvarianten in einer Campaign.
• Gewinnerpfade testen Journey-Pfade in einem Canvas.
• Der Content Optimizer schreibt die Varianten für Sie und kombiniert ihre Elemente.

Go und Pro unterscheiden sich in Umfang und Einrichtung. Go optimiert das Engagement, ist Self-Service und nutzt Daten, die bereits in Braze vorhanden sind. Pro optimiert eine geschäftliche oder finanzielle Metrik, kann Angebotswerte festlegen und benötigt verbundene externe Daten sowie das AI Decisioning Services-Team.

Für jede:n Nutzer:in entscheiden, was zu tun ist

Wenn Sie Folgendes möchten	Verwenden Sie	Warum nicht die anderen
Auf Basis des Kontexts einzelner Nutzer:innen entscheiden, einschließlich Freitext oder Ermessensentscheidungen	Braze Agents	Agenten verarbeiten unstrukturierte Eingaben und treffen Ermessensentscheidungen im Einzelfall. Agenten überwachen nicht, ob eine Entscheidung funktioniert hat, und verbessern sich nicht eigenständig.
Als Zahl bewerten, wie wahrscheinlich es ist, dass Nutzer:innen abwandern oder handeln	Predictive Suite	Die Predictive Suite lernt aus gemessenen Ergebnissen und meldet ihre eigene Genauigkeit. Ein Agent kann nur eine plausibel klingende Schätzung liefern.
Artikel aus einem großen Katalog auswählen	Artikelempfehlungen	Ein großer Katalog passt nicht in den Kontext eines Agenten. Zudem wählt ein Agent tendenziell immer wieder dieselben wenigen Artikel aus.
Ergebnisse im Hinblick auf eine Metrik im Laufe der Zeit verbessern	Decisioning Studio	Decisioning Studio lernt aus Ergebnissen und optimiert auf die von Ihnen gewählte Metrik hin. Braze Agents lernen nicht aus Ergebnissen.
Einen Angebotswert festlegen oder Umsatz bzw. Marge maximieren	Decisioning Studio Pro	Bei Angebotsentscheidungen werden Kosten gegen den Uplift abgewogen. Decisioning Studio Go ist auf Engagement beschränkt und entscheidet nicht über Angebote.

Inhalte generieren

BrazeAI Operator und Braze Agents schreiben beide Inhalte, allerdings 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, Texte umzuschreiben, Ideen zu sammeln, eine Journey zu überprüfen oder ein Hindernis zu lösen.
• Braze Agents arbeiten ohne Sie, zum Zeitpunkt des Versands. Sie schreiben die Anweisungen einmal, und der Agent erzeugt für alle Nutzer:innen ein jeweils anderes Ergebnis, während diese ein Canvas durchlaufen. Verwenden 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 zusammenarbeiten

Wenn eine Aufgabe anspruchsvolle Texte und einen großen Katalog erfordert, teilen Sie die Arbeit auf. Artikelempfehlungen wählen Artikel aus Ihrem Katalog aus. Ein Braze Agent schreibt die Texte rund um diese Artikel.

Eine Journey zur Wiederherstellung abgebrochener Warenkörbe kann mehrere Features kombinieren:

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

Beginnen Sie mit dem einfachsten Tool, das die Aufgabe erfüllt

Bei den lernenden Features steigen Leistungsumfang und Einrichtungsaufwand stufenweise an.

1. Eine einzelne Dimension aus dem Verlauf einer Nutzerin oder eines Nutzers ablesen. Intelligentes Timing und der intelligente Kanalfilter sind Self-Service-Optionen, die Sie ohne zusätzliche Kosten einfach aktivieren können.
2. Ein Muster über Ihre gesamte Nutzerbasis hinweg lernen. Voraussichtliche Abwanderung, Predictive Events und KI-Artikelempfehlungen sind ebenfalls Self-Service, erfordern aber einen moderaten Einrichtungsaufwand.
3. Mehrere Hebel gleichzeitig und pro Nutzer:in optimieren. Decisioning Studio Go erfordert nur wenig Einrichtung, da es mit Daten arbeitet, die bereits in Braze vorliegen, und optimiert ausschließlich das Engagement.
4. Jeden Hebel, einschließlich Angeboten, im Hinblick auf eine Leistungskennzahl (KPI) optimieren. Decisioning Studio Pro benötigt externe Daten sowie die Unterstützung des Teams für AI Decisioning Services.

Wählen Sie die Stufe passend zum Wert des Anwendungsfalls. Bei geringem Wert oder einem Bedarf, der nur eine Dimension betrifft, ist ein einfacheres Tool meist die bessere Wahl. Der zusätzliche Leistungsumfang eines aufwendigeren Tools rechtfertigt oft nicht die zusätzlichen Daten und den höheren Einrichtungsaufwand.

Braze Agent im Vergleich zu Decisioning-Agent

Braze verwendet das Wort Agent für zwei verschiedene Produkte. Der Unterschied liegt in der Art der Entscheidung, die jedes von ihnen trifft.

Begriff	Was es ist
Braze Agent	Ein KI-Assistent, den Sie in der Agentenkonsole konfigurieren und in einem Canvas-Schritt oder einem Katalogfeld einsetzen. Er wertet den Kontext eines einzelnen Nutzers oder einer einzelnen Nutzerin aus, um Inhalte zu schreiben, zu klassifizieren, weiterzuleiten oder Daten anzureichern. Er lernt nicht daraus, ob seine Ausgabe erfolgreich war.
Decisioning-Agent	Eine Konfiguration in Decisioning Studio, die einen gesamten Anwendungsfall verwaltet, etwa Winback oder Cross-Selling. Er lernt aus den Ergebnissen über Ihre gesamte Population hinweg, 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 nicht sicher sind, welches Produkt eine Seite behandelt, prüfen Sie, ob es um Braze Agents oder um Decisioning Studio geht.

Alle BrazeAI-Features

Profile anreichern und Verhalten vorhersagen

Feature	Funktion	Entscheidungsgrundlage
Braze Agents (Canvas-Schritt)	Klassifiziert, leitet weiter oder reichert Nutzer:innen anhand ihres Realtime-Kontexts an und erstellt Texte	Large Language Model
Braze Agents (Katalogfeld)	Schreibt, aktualisiert oder lokalisiert Artikel-Metadaten	Large Language Model
Voraussichtliche Abwanderung	Bewertet auf einer Skala von 0–100, wie wahrscheinlich Nutzer:innen abwandern	Gradient-Boosted Decision Trees
Prognostizierte 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	Funktion	Entscheidungsgrundlage
Mit BrazeAI optimieren	Testet Kampagnenvarianten und verlagert den Traffic auf die Gewinnervariante	A/B/n-Test
Gewinnerpfade	Testet Canvas-Pfade und verlagert den Traffic auf den Gewinnerpfad	A/B/n-Test
Content Optimizer	Kombiniert Inhaltsvarianten flexibel, um das Engagement der Zielgruppe zu steigern.	Multi-Armed Bandit

Die beste Aktion für jede einzelne Person auswählen

Feature	Funktion	Entscheidungsgrundlage
Intelligentes Timing	Ermittelt die beste Versandzeit für alle Nutzer:innen	Statistiken zum Verlauf der jeweiligen Nutzer:innen
Intelligenter Kanalfilter	Ordnet Kanäle für alle Nutzer:innen anhand ihres Verlaufs	Statistiken zum Verlauf der jeweiligen Nutzer:innen
KI-Artikelempfehlungen	Wählt Katalogartikel für alle Nutzer:innen aus	Deep Learning
Decisioning Studio Go	Personalisiert Inhalte, Timing und Häufigkeit für mehr Engagement	Reinforcement learning
Decisioning Studio Pro	Personalisiert jeden Hebel, einschließlich Angeboten, im Hinblick auf eine geschäftliche KPI	Reinforcement learning

Die eigene Arbeit schneller erledigen

Feature	Funktion	Entscheidungsgrundlage
BrazeAI Operator	Erstellt, prüft und analysiert Kampagnen und Canvases gemeinsam mit Ihnen im Dialog	Large Language Model
Generative KI	Texte, Bilder, Liquid, HTML-Templates und Inhaltsprüfung über 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 verwendet

BrazeAI-Features, die ein von Braze bereitgestelltes Large Language Model (LLM) nutzen, senden Ihren Prompt und Ihre Eingaben an dieses Modell. Daten, die an ein von Braze bereitgestelltes Modell gesendet werden, werden nicht verwendet, um das Modell zu trainieren oder zu verbessern. Die Ausgabe gehört Ihnen. Braze beansprucht kein Urheberrecht daran. Braze übernimmt keine Gewährleistung für KI-generierte Inhalte.

Welches Modell ein Feature verwendet und wie lange der Anbieter Daten speichert, ist auf der Seite des jeweiligen Features dokumentiert:

• Braze Agents
• Datenschutz und Sicherheit beim Operator

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

Häufig gestellte Fragen

Was ist BrazeAI?

BrazeAI umfasst die KI-Features, die in Braze integriert sind. Dazu gehören Datenanreicherung, Experimente, Entscheidungsfindung und Workflows im Dashboard. Jedes Feature wird separat eingerichtet, und für einige sind bestimmte Guthaben oder Pläne erforderlich. Das passende Feature finden Sie unter Mit Ihrem Ziel beginnen.

Welches BrazeAI-Feature sollte ich zuerst verwenden?

Wenn Sie BrazeAI noch nicht kennen, beginnen Sie mit BrazeAI Operator. Er erfordert keine separate Produkteinrichtung, funktioniert in den Editoren, die Sie bereits verwenden, und bittet Sie standardmäßig, jede Aktion zu genehmigen, bevor er sie ausführt. Wählen Sie anschließend unter Mit Ihrem Ziel beginnen das Feature, das zu Ihrem Ziel passt.

Wie wähle ich zwischen zwei Features, die ähnlich klingen?

Fragen Sie sich, ob jemand, der alles gelesen hat, was diese eine Person gesagt und getan hat, die Entscheidung bereits treffen könnte. Wenn die Antwort Tests über Tausende von Nutzer:innen hinweg erfordert, verwenden Sie ein Feature, das lernt. Für logisches Schlussfolgern eignen sich Braze Agents. Für Lernen eignen sich die Predictive Suite oder Decisioning Studio. Weitere Informationen finden Sie unter Schlussfolgern oder Statistik.

Was ist der Unterschied zwischen Content Optimizer und Optimize with BrazeAI?

Optimize with BrazeAI wählt eine Gewinnervariante aus den Kampagnenvarianten aus, die Sie geschrieben haben. Content Optimizer generiert Varianten für Sie und kombiniert und testet deren Elemente fortlaufend in einem Canvas-Schritt. Beide ermitteln eine Gewinnervariante für Ihre Zielgruppe. Informationen zur Personalisierung pro Nutzer:in finden Sie unter Decisioning Studio.

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

Ein Braze Agent schlussfolgert auf Basis des Kontexts einer einzelnen Person. Ein Decisioning-Agent in Decisioning Studio lernt aus gemessenen Ergebnissen über Ihre gesamte Population hinweg. Weitere Informationen finden Sie unter Braze Agent im Vergleich zu Decisioning-Agent.

Kosten BrazeAI-Features Guthaben?

Einige BrazeAI-Features verbrauchen Guthaben. Braze Agents erfordern Nachrichten- oder Aktionsguthaben, und jede Ausführung eines Agenten wird auf ein tägliches Aufruflimit angerechnet. Aktionen von Operator werden statt auf Guthaben auf ein separates, unternehmensweites tägliches Nutzungslimit angerechnet. Features wie intelligentes Timing und Optimize with BrazeAI verursachen keine Guthabenkosten, haben aber Datenanforderungen. Wenn eine Regel Ihre Frage beantwortet, verwenden Sie einen standardmäßigen Canvas-Schritt. Wenden Sie sich bei Fragen zu Guthaben an Ihren Account Manager.

Kann ich mein eigenes KI-Modell verwenden?

Ja, mit Braze Agents. Agenten können anstelle des von Braze bereitgestellten Modells eine Verbindung zu Anbietern wie OpenAI, Anthropic, Google Gemini oder Databricks Mosaic herstellen. Andere BrazeAI-Features verwenden ausschließlich von Braze bereitgestellte Modelle.