Erste Schritte mit Decisioning Studio
Artikel in diesem Abschnitt
Zusätzliche Ressourcen
BrazeAI Decisioning Studio™ ermöglicht es Ihnen, KI-Entscheidungsagenten zu entwerfen und bereitzustellen, die jede beliebige Geschäftsmetrik optimieren.
Diese Referenz gibt einen Überblick über die Schritte zur Einrichtung von Decisioning Studio, einschließlich des Entwurfs Ihres Agenten, der Konfiguration und Anbindung von Datenquellen, der Einrichtung der Orchestrierung und der Bewertung der Performance.
Wichtige Designentscheidungen
Arbeiten Sie mit dem AI Decisioning Services-Team zusammen, um die folgenden Entscheidungen zu treffen:
| Entscheidung | Beschreibung | Beispiele |
|---|---|---|
| Erfolgsmetrik | Was soll der Agent bei der Personalisierung des Customer-Engagements maximieren? | Umsatz, LTV, ARPU, Conversions, Bindung |
| Zielgruppe | Für wen soll der Decisioning-Studio-Agent Entscheidungen zum Customer-Engagement treffen? | Alle Kund:innen, Mitglieder von Treueprogrammen, gefährdete Abonnent:innen |
| Experimentgruppen | Wie sollen die randomisierten kontrollierten Studien von Decisioning Studio strukturiert sein? | Decisioning Studio, Random Control, BAU, Holdout |
| Dimensionen | Welche Entscheidungen soll der Agent personalisieren? | Tageszeit, Betreffzeile, Häufigkeit, Angebote, Kanal |
| Optionen | Welche Optionen stehen dem Agenten zur Verfügung? | Bestimmte Templates, Angebote, Zeitfenster |
| Einschränkungen | Welche Entscheidungen soll der Agent niemals treffen? | Geografische Beschränkungen, Budgetlimits, Berechtigungsregeln |
Jede dieser Entscheidungen hat Auswirkungen darauf, wie viel inkrementellen Uplift der Agent generieren kann und wie schnell. Unser AI Decisioning Services-Team arbeitet mit Ihnen zusammen, um einen Agenten zu entwerfen, der maximalen Mehrwert generiert und gleichzeitig alle Ihre Geschäftsregeln einhält.
Funktionen von Decisioning Studio
| Funktion | Details |
|---|---|
| Jede Erfolgsmetrik | Optimierung für Umsatz, Conversions, ARPU, LTV oder jeden beliebigen Geschäfts-KPI |
| Unbegrenzte Dimensionen | Personalisierung über Angebote, Kanäle, Timing, Häufigkeit, Kreativmaterial und mehr |
| Jede CEP | Native Integrationen mit Braze, Salesforce Marketing Cloud oder angepasste Integrationen für jede Plattform |
| AI Decisioning Services | Dedizierter Support durch das Data-Science-Team von Braze |
| Erweitertes Experimentdesign | Vollständig anpassbare Behandlungsgruppen und Holdouts |
Best Practices
Einige Best Practices für das Design von Decisioning-Studio-Agenten:
- Maximieren Sie die Datenvielfalt: Je mehr Informationen die Agenten über Ihre Kund:innen haben, desto besser ist ihre Performance.
- Diversifizieren Sie die Aktionen: Je vielfältiger die Aktionen sind, die der Agent ausführen kann, desto stärker kann er seine Strategie für jede:n einzelne:n Nutzer:in personalisieren.
- Minimieren Sie Einschränkungen: Je weniger Einschränkungen Ihre Agenten haben, desto besser. Einschränkungen sollten so gestaltet sein, dass sie Geschäftsregeln einhalten und gleichzeitig dem Agenten so viel Freiraum wie möglich für Experimente lassen.