Häufig gestellte Fragen

Allgemein

Was ist Decisioning Studio Go?

Decisioning Studio Go ist ein KI-Decisioning-Agent, der direkt in das Braze-Dashboard integriert ist. Sie kuratieren ein Menü an Optionen, etwa kreative Varianten, Sendezeitpunkte und Wochentage. Der Agent wählt dann für jede:n einzelne:n Nutzer:in die passende Kombination aus und optimiert dabei auf Klicks. So erhalten Sie Eins-zu-eins-Personalisierung ohne Data Scientist und ohne angepasste Integration.

Wie unterscheidet sich Decisioning Studio Go von A/B-Tests?

A/B-Tests ermitteln die Variante, die im Durchschnitt über eine gesamte Zielgruppe oder innerhalb eines Segments am besten abschneidet. Diese eine Variante wird dann an alle in dieser Gruppe ausgespielt.

Decisioning Studio Go wählt für jede:n einzelne:n Nutzer:in die beste Variante aus. Grundlage dafür ist, womit diese Person bisher interagiert hat. Verschiedene Nutzer:innen können beim selben Versand unterschiedliche Varianten erhalten. Statt eine Gewinnervariante an eine ganze Gruppe auszuspielen, personalisiert Decisioning Studio Go Inhalte auf individueller Ebene.

Wie unterscheidet sich Decisioning Studio Go von Decisioning Studio Pro?

Go ist die Self-Service-Stufe. Sie ist der richtige Einstieg für Marketer, die Eins-zu-eins-Personalisierung für E-Mails ohne großen Implementierungsaufwand nutzen möchten. Go optimiert auf Klicks und arbeitet mit Optionen, die Sie direkt in Braze konfigurieren.

Pro ist die Full-Service-Stufe. Pro optimiert auf jede beliebige Geschäftsmetrik, lässt sich mit jeder First-Party-Datenquelle verbinden, unterstützt mehrere Kanäle und umfasst dedizierten Support durch das Team der Braze AI Decisioning Services.

Welche Art von KI nutzt Decisioning Studio Go? Ist sie generativ?

Nein. Der Agent, der entscheidet, was jede:r Nutzer:in erhält, ist ein Decisioning-Agent. Er schreibt keine Inhalte für Sie. Sie stellen die Optionen bereit, und der Agent lernt, welche Option für jede:n einzelne:n Nutzer:in am besten funktioniert.

Decisioning Studio Go basiert auf Reinforcement learning. Der Agent betrachtet jeden Versand als Gelegenheit zum Lernen: Er probiert Kombinationen der von Ihnen genehmigten Optionen aus, beobachtet, ob die jeweiligen Nutzer:innen interagieren, und aktualisiert sein Verständnis davon, was bei wem funktioniert. Mit der Zeit wird er immer präziser darin, jeder Person die Option aus Ihrem Menü zuzuordnen, die am wahrscheinlichsten einen Klick auslöst.

Aus welchen Daten lernt der Agent?

Der Agent lernt aus drei Quellen, die sich alle in Braze befinden:

• Ihre Zielgruppe: Die Nutzer:innen in dem Segment, das mit dem Agent verknüpft ist
• Das E-Mail-Engagement dieser Zielgruppe: Wie Personen auf die Nachrichten reagieren, die der Agent sendet
• Sein eigenes Verständnis Ihrer Inhalte: Wenn Sie Creatives hinzufügen, erstellt der Agent eine eigene Repräsentation jedes einzelnen und nutzt diese, um abzuwägen, welche Inhalte zu welchen Nutzer:innen passen

Der Agent lernt nicht aus angepassten Daten wie angepassten Attributen oder Daten aus Ihrem Data Warehouse. Wenn Sie Entscheidungen auf Basis Ihrer First-Party-Daten treffen oder auf eine angepasste Geschäftsmetrik optimieren möchten, verwenden Sie Decisioning Studio Pro.

Zielgruppen und Kontrollgruppen

Was ist der Unterschied zwischen der Decisioning-Studio-Gruppe und der zufälligen Kontrollgruppe?

Die Decisioning-Studio-Gruppe erhält KI-optimierte E-Mail-Inhalte. Der Agent wählt für jede:n Nutzer:in die beste Variante aus. Die zufällige Kontrollgruppe erhält zufällig ausgewählte Kombinationen derselben Optionen, die Sie konfiguriert haben – ohne Optimierung.

Beide Gruppen berücksichtigen die von Ihnen konfigurierten Einschränkungen. Wenn Sie zum Beispiel festgelegt haben, dass eine Betreffzeile innerhalb von 15 Tagen nicht wiederholt werden darf, gilt diese Regel auch für die zufällige Kontrollgruppe. Der Vergleich der beiden Gruppen liefert Ihnen ein sauberes Maß für den Uplift des Agents.

Ist die zufällige Kontrollgruppe eine Holdout-Gruppe von Nutzer:innen, die keine E-Mails erhalten?

Nein. Nutzer:innen in der zufälligen Kontrollgruppe erhalten weiterhin E-Mails. Sie bekommen zufällig ausgewählte Kombinationen der von Ihnen konfigurierten Optionen, und zwar an zulässigen Tagen innerhalb Ihres Zeitplans. Verglichen werden also KI-personalisierte E-Mails mit denselben, zufällig ausgewählten Inhalten.

Warum ist die zufällige Kontrollgruppe erforderlich und wie groß sollte sie sein?

Dafür gibt es zwei Gründe. Erstens ermöglicht sie Ihnen eine fortlaufende Messung in Realtime, wie stark der Agent eine zufällige Baseline übertrifft. Zweitens nutzt der Agent das Verhalten der zufälligen Kontrollgruppe als Teil seines Lernsignals.

Die Mindestgröße der zufälligen Kontrollgruppe beträgt 5 %. Wir empfehlen, die Aufteilung an die Größe Ihrer Zielgruppe anzupassen: Bei einer größeren Zielgruppe lässt sich der Uplift auch mit einer kleineren Kontrollgruppe zuverlässig messen, während eine kleinere Zielgruppe eine verhältnismäßig größere Kontrollgruppe benötigt.

Kann ich ein Segment verwenden, das bereits in einem anderen Canvas oder einer anderen Campaign genutzt wird?

Das ist möglich, wird aber dringend abgeraten, und es wird eine Warnung angezeigt. Wenn dieselben Nutzer:innen gleichzeitig Nachrichten von Decisioning Studio Go und aus anderen Canvases oder Campaigns erhalten, beeinflussen die anderen Nachrichten das Engagement auf eine Weise, die der Agent nicht berücksichtigen kann. Am saubersten ist ein Segment, das ausschließlich für den Agent bestimmt ist.

Konfiguration

Was kann ich personalisieren?

In jedem Basis-Creative können Sie die Betreffzeile, den Call-to-Action (CTA) und ein Bild mithilfe von Liquid-Tags als Personalisierungspunkte markieren. Der Agent wählt dann für jede:n Nutzer:in aus den Varianten, die Sie für jede Komponente bereitstellen. Sie können auch mehrere Basis-Creatives verwenden. In diesem Fall entscheidet der Agent auch, welches Basis-Creative zum Einsatz kommt.

Kann ich Content Blocks, Katalogreferenzen oder Liquid in meinen Creatives verwenden?

Ja. Der Agent wertet den vollständig aufgelösten Inhalt jedes Creatives aus. Liquid, Katalogreferenzen und Content Blocks werden alle erweitert, bevor der Agent sein Verständnis aufbaut. Dynamische und zusammengesetzte Inhalte fließen also in das ein, woraus er lernt.

Die einzige Ausnahme ist Connected-Content: E-Mails, die Connected-Content verwenden, werden normal gerendert und versendet. Der Agent sieht jedoch nicht, was Connected-Content zurückgibt, und lernt auch nicht daraus. Verlassen Sie sich daher nicht auf Connected-Content, um zwei Creatives sinnvoll voneinander zu unterscheiden.

Kann ich bildbasierte Templates ohne klickbare Elemente verwenden?

Ja. Verwenden Sie für eine reine Bild-E-Mail ein einziges Basis-Creative und lassen Sie den Agent das Bild darin auswählen. Sie können den Agent auch die Betreffzeile auswählen lassen. Laden Sie nicht jede Bildvariante als separates Basis-Creative hoch. Eine reine Bild-E-Mail hat keinen separaten Text-CTA, der optimiert werden könnte.

Kann ich das Konversions-Event ändern?

In der Self-Service-Stufe werden Klicks als Konversions-Event unterstützt. In Decisioning Studio Pro können Sie für jede angepasste Geschäftsmetrik optimieren.

Wie funktioniert die Versandhäufigkeit?

Sie legen eine einzige Häufigkeit fest, zum Beispiel drei Sendungen pro Woche. Der Agent entscheidet nicht zwischen verschiedenen Häufigkeiten. Innerhalb dieser Häufigkeit wählt er aus, an welchen Tagen (aus den von Ihnen zugelassenen Tagen) und zu welchen Uhrzeiten gesendet wird.

Wie funktioniert Frequency-Capping?

Bei der Einrichtung können Sie die Frequency-Capping-Regeln Ihres Workspace auf den Agent anwenden und festlegen, ob die Sendungen des Agents auf das globale Frequency-Capping der einzelnen Nutzer:innen angerechnet werden. Ihr:e Customer-Success-Manager:in oder Ihr:e Solutions Consultant hilft Ihnen dabei, den passenden Ansatz für Ihr Programm zu wählen – je nachdem, wie das Frequency-Capping in Ihrem Workspace konfiguriert ist.

Garantieren Ruhezeiten, dass in diesem Zeitfenster keine E-Mail versendet wird?

Ruhezeiten schränken die Uhrzeiten ein, die der Agent für eine Sendung wählt. Sie stellen jedoch keine garantierte Versandsperre dar. Wenn Sie sicher ausschließen möchten, dass in einem bestimmten Zeitfenster Nachrichten versendet werden, richten Sie zusätzlich Ruhezeiten auf Workspace-Ebene ein.

Wie geht der Agent mit Zielgruppen in vielen Zeitzonen um?

Sendungen erfolgen in der lokalen Zeitzone der jeweiligen Nutzer:innen. Der Agent priorisiert die Zustellung Ihrer Nachricht gegenüber dem Versand zur exakt beabsichtigten Ortszeit. Wenn Ihre Zielgruppe also über Zeitzonen verteilt ist, die weit von Ihrem Workspace entfernt liegen, kann eine Nachricht gelegentlich außerhalb des vorgesehenen Tages oder Zeitfensters ankommen. Wenn sich der Großteil Ihrer Zielgruppe in einer Region befindet, berücksichtigen Sie dies bei der Festlegung der zulässigen Tage und Ruhezeiten.

Kann der Agent über mehrere Kanäle senden?

Jeder Agent arbeitet mit einem einzigen Kanal. Derzeit wird E-Mail als Kanal unterstützt. Sie können mehrere Agents parallel für verschiedene Programme einsetzen, aber jeder Agent bedient nur einen Kanal.

Tests und Start

Wie teste ich vor dem Go-live?

Nutzen Sie die native Testversand-Funktion im Braze-Composer. Testversände zeigen bestimmte Variantenkombinationen, die Sie auswählen. Sie dienen zur Prüfung der E-Mail selbst und sagen nicht voraus, was der Agent tatsächlich an echte Nutzer:innen senden würde. In der dynamischen Vorschau im Composer sehen Sie außerdem, wie verschiedene Variantenkombinationen dargestellt werden.

Was passiert nach dem Start?

Der Agent durchläuft eine Trainingsphase. Im Reporting sehen Sie jederzeit, in welcher Phase er sich befindet:

Neue Nutzer:innen erhalten ihren ersten Versand am ersten Tag, an dem sie in die Zielgruppe eintreten. Am Tag darauf beginnt der Agent, für sie zu personalisieren. Während der Agent lernt, werden durchgehend E-Mails versendet. Es gibt keine Wartezeit.

Was Sie in den einzelnen Phasen erwarten können und wie Sie erste Ergebnisse interpretieren, erfahren Sie unter Was Sie nach dem Start erwarten können.

Mein Agent wirkt in den ersten Wochen unverändert oder scheint schlechter abzuschneiden. Stimmt etwas nicht?

In der Regel nicht. Anfangs befindet sich der Agent noch im Training und wird meist mit einem ausgereiften Programm verglichen, das bereits über einen langen Zeitraum optimiert wurde. Dieser anfängliche Abstand ist zu erwarten. Für eine verlässliche Auswertung sind zwei Dinge entscheidend: Der Agent braucht genügend echte Klicks für das Training, und er braucht Zeit, um in die vollständige Personalisierung überzugehen. Warten Sie, bis der Agent Vollständig trainiert ist, bevor Sie die Ergebnisse beurteilen, und achten Sie auf einen fairen Vergleich. Weitere Informationen finden Sie unter Decisioning Studio Go messen.

Kann ich den Agent nach dem Start bearbeiten?

Ja. Zielgruppe, Zeitplan, Creatives und Einschränkungen lassen sich nach dem Start aktualisieren, und sowohl Varianten als auch Dimensionen können geändert werden. Änderungen müssen Sie freigeben, bevor sie wirksam werden. Das Hinzufügen einer neuen Variante setzt das Training des Agents für bestehende Varianten nicht zurück.

Hinweis

Zwei Änderungen an der Zielgruppe führen dazu, dass Nutzer:innen zwischen der Decisioning-Studio-Gruppe und der zufälligen Kontrollgruppe neu verteilt werden: wenn Sie das Aufteilungsverhältnis zwischen Kontrollgruppe und KI ändern und wenn Sie das Segment austauschen. Nehmen Sie diese Änderungen nicht leichtfertig während der Laufzeit vor. Änderungen an Creatives, Zeitplan und Einschränkungen führen zu keiner Neuverteilung der Zielgruppe.

Was passiert, wenn ich Content-Optionen nach dem Start aktualisiere?

Sie können Varianten auf dieselbe Weise hinzufügen, entfernen oder ändern, wie Sie sie ursprünglich eingerichtet haben. Änderungen müssen freigegeben werden, bevor sie wirksam werden. Das Hinzufügen einer neuen Variante setzt das Training des Agents für bestehende Varianten nicht zurück.

Reporting und Ergebnisse

Für welche Metrik optimiert der Agent und was bedeutet der Uplift-Wert?

Der Agent optimiert für Unique Customers Who Clicked Daily, also die Anzahl unterschiedlicher Nutzer:innen, die klicken. Der Uplift ist die Differenz zwischen der Decisioning-Studio-Gruppe und der zufälligen Kontrollgruppe bei dieser Metrik.

Stimmt das Reporting von Decisioning Studio Go mit meinen E-Mail-Analytics an anderer Stelle in Braze überein?

Die Zahlen können abweichen. Der Agent lernt ausschließlich aus echten Klicks. Bevor ein Klick gezählt wird, durchläuft er daher unabhängige Validierungsfilter, die automatisierte Aktivitäten und Klicks im Zusammenhang mit Abmeldungen herausfiltern. Dadurch fallen die Klickzahlen in Decisioning Studio niedriger aus als in den ungefilterten E-Mail-Berichten. Der relative Vergleich zwischen der Decisioning-Studio-Gruppe und der zufälligen Kontrollgruppe bleibt gültig, da auf beide Gruppen dieselbe Filterung angewendet wird.

Wie vergleiche ich Decisioning Studio Go mit meinem Business-as-usual-Programm (BAU)?

Der integrierte Vergleich ist immer der Agent im Vergleich zu seiner zufälligen Kontrollgruppe. Um mit Ihrem bestehenden BAU-Programm zu vergleichen, richten Sie dies selbst ein, indem Sie die Zielgruppe in eine BAU-Gruppe und eine Decisioning-Studio-Go-Gruppe aufteilen. Dafür gibt es zwei Möglichkeiten:

• In einem Canvas: Verwenden Sie einen Schritt vom Typ Experimentpfade, um Nutzer:innen entweder auf einen BAU-Pfad oder in das Segment des Agents zu leiten. Dies ist der empfohlene Ansatz.
• Außerhalb eines Canvas: Verwenden Sie zufällige Bucket-Nummern, um eine BAU-Gruppe und eine Decisioning-Studio-Go-Gruppe zu bilden.

Für einen fairen Test sollten Sie das Sendeverhalten über alle Gruppen hinweg gleich halten (gleichen Sie die Frequenz des Agents an BAU an oder setzen Sie sie auf den BAU-Durchschnitt) und sicherstellen, dass die BAU-Creatives ebenfalls als Optionen im Agent hinterlegt sind. Denken Sie daran, dass ein Agent, der sich noch im Training befindet, anfangs meist hinter einem ausgereiften BAU-Programm zurückliegt. Eine vollständige Anleitung finden Sie unter Decisioning Studio Go messen.

Wie kann ich sehen, in welcher Gruppe sich Nutzer:innen befanden, oder Ergebnisse in meinem Data-Warehouse analysieren?

Bei jedem Versand werden Bezeichner in message_extras des Events users.messages.email.Send geschrieben: ds_go_agent_id (welcher Agent), ds_go_agent_regime (KI-gesteuert oder zufällige Kontrollgruppe) und ds_go_rec_id (die ID der Entscheidung). Diese werden automatisch geschrieben. Um sie in Ihrem Data-Warehouse zu nutzen, prüfen Sie, ob Ihr Export message_extras beim Send-Event enthält, und verknüpfen Sie die Daten anschließend über user_id und dispatch_id mit Öffnungen und Klicks.

Wann ist mein Reporting vollständig befüllt?

Die Reporting-Daten haben eine Verzögerung von etwa einem Tag. Setzen Sie das Enddatum Ihres Berichts daher auf zwei Tage vor dem heutigen Datum, um eine vollständige Ansicht zu erhalten. Außerdem dauert es nach dem Start einige Tage, bis das Reporting vollständig befüllt ist. Wenn es direkt nach dem Start leer aussieht, warten Sie ein paar Tage ab, statt von einem Fehler auszugehen.

Kann ich sehen, welche Kombinationen am besten abschneiden?

Ja. Die Ansicht Agent-Präferenzen zeigt, wie oft der Agent die einzelnen Varianten ausgewählt hat. Aufschlüsselungen auf Elementebene zeigen, wie einzelne Betreffzeilen, CTAs und Bilder über alle Kombinationen hinweg abschneiden.

Wer ist für die Inhalte verantwortlich, die der Agent versendet?

Sie. Der Agent versendet ausschließlich Inhalte, die Sie als Variante hinzugefügt haben. Der Agent entscheidet über die Kombination für die einzelnen Nutzer:innen, aber jedes einzelne Element stammt aus den von Ihnen bereitgestellten Varianten.

Support

Wo erhalte ich Hilfe zu meinem Agent?

Wenden Sie sich an Ihre:n Braze Customer-Success-Manager:in oder Solutions Consultant, um Unterstützung bei der Konfiguration, der Performance-Überprüfung oder der Programmgestaltung zu erhalten.