Questions fréquemment posées

Général

Qu’est-ce que Decisioning Studio Go ?

Decisioning Studio Go est un agent décisionnel IA intégré au tableau de bord de Braze. Vous constituez un menu d’options (variantes créatives, moment d’envoi, jours de la semaine) et l’agent choisit la combinaison la plus adaptée à chaque utilisateur, en optimisant les clics. Il offre une personnalisation individualisée sans nécessiter de data scientist ni d’intégration personnalisée.

En quoi Decisioning Studio Go diffère-t-il des tests A/B ?

Un test A/B identifie la variante la plus performante en moyenne sur l’ensemble d’une audience ou au sein d’un Segment, puis déploie cette variante unique auprès de tout le groupe.

Decisioning Studio Go choisit la meilleure variante pour chaque utilisateur, en fonction des contenus avec lesquels cet utilisateur a déjà interagi. Différents utilisateurs peuvent donc recevoir des variantes différentes lors d’un même envoi. Au lieu de déployer une seule variante gagnante auprès d’un groupe, Decisioning Studio Go personnalise le contenu au niveau individuel.

En quoi Decisioning Studio Go diffère-t-il de Decisioning Studio Pro ?

Go est l’offre en libre-service. C’est le point de départ idéal pour les marketeurs qui souhaitent une personnalisation individualisée de leurs e-mails sans déploiement lourd. Il optimise les clics et fonctionne avec des options que vous configurez directement dans Braze.

Pro est l’offre à service complet. Il optimise n’importe quel indicateur métier, se connecte à n’importe quelle source de données first-party, prend en charge plusieurs canaux et s’accompagne d’un support dédié de l’équipe Braze AI Decisioning Services.

Quel type d’IA Decisioning Studio Go utilise-t-il ? S’agit-il d’IA générative ?

Non. L’agent qui décide quoi envoyer à chaque utilisateur est un agent décisionnel. Il ne rédige pas de contenu à votre place. Vous fournissez les options, et l’agent apprend quelle option fonctionne le mieux pour chaque utilisateur.

Decisioning Studio Go repose sur l’apprentissage par renforcement. L’agent considère chaque envoi comme une occasion d’apprendre : il teste des combinaisons parmi les options que vous avez approuvées, observe si chaque utilisateur interagit, puis affine sa compréhension de ce qui fonctionne pour qui. Au fil du temps, il associe de plus en plus précisément chaque utilisateur à l’option de votre menu la plus susceptible de générer un clic.

À partir de quelles données l’agent apprend-il ?

L’agent apprend à partir de trois éléments, tous disponibles dans Braze :

• Votre audience : Les utilisateurs du Segment associé à l’agent
• L’engagement de cette audience avec vos e-mails : La façon dont les utilisateurs réagissent à ce que l’agent envoie
• Sa propre compréhension de votre contenu : Lorsque vous ajoutez des créatifs, l’agent construit sa propre représentation de chacun d’eux et s’en sert pour déterminer quel contenu convient à quels utilisateurs

L’agent n’apprend pas à partir de données personnalisées, comme les attributs personnalisés ou les données d’entrepôt. Si vous souhaitez une prise de décision qui s’appuie sur vos données first-party ou qui optimise un indicateur métier personnalisé, utilisez Decisioning Studio Pro.

Audiences et groupes de contrôle

Quelle est la différence entre le groupe Decisioning Studio et le groupe de contrôle aléatoire ?

Le groupe Decisioning Studio reçoit un contenu d’e-mail optimisé par l’IA : l’agent choisit la meilleure variante pour chaque utilisateur. Le groupe de contrôle aléatoire reçoit des combinaisons choisies au hasard parmi les options que vous avez configurées, sans aucune optimisation.

Les deux groupes respectent les contraintes que vous avez définies. Par exemple, si vous avez indiqué de ne pas répéter une ligne d’objet dans un délai de 15 jours, cette règle s’applique aussi au contrôle aléatoire. La comparaison entre les deux groupes vous donne une mesure fiable de l’amélioration apportée par l’agent.

Le contrôle aléatoire est-il un groupe d’exclusion d’utilisateurs qui ne reçoivent aucun e-mail ?

Non. Les utilisateurs du contrôle aléatoire reçoivent bien des e-mails. Ils reçoivent des combinaisons choisies au hasard parmi les options que vous avez configurées, les jours autorisés par votre planification. Cette comparaison oppose donc des e-mails personnalisés par l’IA au même contenu choisi de manière aléatoire.

Pourquoi le contrôle aléatoire est-il obligatoire, et quelle doit être sa taille ?

Pour deux raisons. D’abord, il vous permet de mesurer en continu et en temps réel dans quelle mesure l’agent surpasse une référence aléatoire. Ensuite, l’agent utilise le comportement du contrôle aléatoire comme signal d’apprentissage.

La taille minimale du contrôle aléatoire est de 5 %. Nous vous recommandons d’adapter la répartition à la taille de votre audience : une audience plus large permet de mesurer l’amélioration de façon fiable avec un groupe de contrôle plus petit, tandis qu’une audience plus restreinte nécessite un groupe de contrôle proportionnellement plus grand.

Puis-je utiliser un Segment déjà utilisé dans un autre Canvas ou une autre Campaign ?

C’est possible, mais fortement déconseillé, et un avertissement s’affiche. Lorsque les mêmes utilisateurs reçoivent en même temps des messages de Decisioning Studio Go et d’autres Canvas ou Campaigns, ces autres messages influencent l’engagement d’une manière dont l’agent ne peut pas tenir compte. La configuration la plus fiable consiste à dédier un Segment à l’agent.

Configuration

Que puis-je personnaliser ?

Dans chaque créatif de base, vous pouvez définir la ligne d’objet, l’appel à l’action (CTA) et une image comme points de personnalisation à l’aide d’étiquettes Liquid. L’agent choisit ensuite, pour chaque utilisateur, parmi les variantes que vous fournissez pour chaque composant. Vous pouvez aussi utiliser plusieurs créatifs de base. L’agent choisit alors également le créatif de base à utiliser.

Puis-je utiliser des Content Blocks, des références de catalogue ou Liquid dans mes créatifs ?

Oui. L’agent évalue le contenu entièrement résolu de chaque créatif. Liquid, les références de catalogue et les Content Blocks sont tous développés avant que l’agent n’analyse le créatif. Le contenu dynamique et assemblé fait donc partie de ce dont il apprend.

La seule exception concerne le contenu connecté : les e-mails qui l’utilisent s’affichent et s’envoient normalement, mais l’agent ne voit pas ce que renvoie le contenu connecté et n’en tire aucun apprentissage. Ne comptez donc pas sur le contenu connecté pour différencier de manière significative deux créatifs.

Puis-je utiliser des modèles basés sur des images sans éléments cliquables ?

Oui. Pour un e-mail composé uniquement d’images, utilisez un seul créatif de base et laissez l’agent choisir l’image à l’intérieur de celui-ci. Vous pouvez également laisser l’agent choisir la ligne d’objet. Ne chargez pas chaque variante d’image comme un créatif de base distinct. Un e-mail composé uniquement d’images ne comporte pas de CTA textuel distinct à optimiser.

Puis-je modifier l’événement de conversion ?

Pour la formule en libre-service, l’événement de conversion pris en charge est le clic. Dans Decisioning Studio Pro, vous pouvez optimiser n’importe quel indicateur métier personnalisé.

Comment fonctionne la fréquence d’envoi ?

Vous sélectionnez une seule fréquence, par exemple trois envois par semaine. L’agent ne choisit pas entre plusieurs fréquences. Dans le cadre de cette fréquence, il choisit les jours (parmi ceux que vous avez autorisés) et les heures d’envoi.

Comment fonctionnent les limites de fréquence ?

Lors de la configuration, vous pouvez appliquer les règles de limite de fréquence de votre espace de travail à l’agent et choisir si les envois de l’agent sont comptabilisés dans la limite de fréquence globale de chaque utilisateur. Votre gestionnaire de la satisfaction client ou votre consultant en solutions peut vous aider à choisir l’approche adaptée à votre programme, en fonction de la configuration des limites de fréquence dans votre espace de travail.

Les heures calmes garantissent-elles qu’aucun e-mail n’est envoyé pendant cette période ?

Les heures calmes limitent les créneaux que l’agent peut choisir pour un envoi. Elles ne constituent pas un blocage garanti des envois. Pour garantir de manière stricte qu’aucun message ne part pendant une période donnée, configurez en plus des heures calmes au niveau de l’espace de travail.

Comment l’agent gère-t-il les audiences réparties sur plusieurs fuseaux horaires ?

Les envois ont lieu selon le fuseau horaire local de chaque utilisateur. L’agent donne la priorité à la livraison de votre message plutôt qu’à son envoi à l’heure locale exacte prévue. Si votre audience s’étend sur des fuseaux horaires éloignés de celui de votre espace de travail, un message peut donc parfois arriver en dehors du jour ou du créneau prévu. Si la majorité de votre audience se trouve dans une même région, tenez-en compte lorsque vous définissez les jours autorisés et les heures calmes.

L’agent peut-il envoyer des messages sur plusieurs canaux ?

Chaque agent fonctionne sur un seul canal, et le canal actuellement pris en charge est l’e-mail. Vous pouvez exécuter plusieurs agents en parallèle pour différents programmes, mais chaque agent gère un seul canal.

Tests et lancement

Comment effectuer des tests avant la mise en ligne ?

Utilisez la fonctionnalité native d’envoi de test dans le compositeur de Braze. Les envois de test affichent les combinaisons de variantes précises que vous sélectionnez : ils servent à vérifier l’e-mail lui-même, et non à prédire ce que l’agent enverrait réellement à un utilisateur. L’aperçu dynamique du compositeur vous permet aussi de voir le rendu des différentes combinaisons de variantes.

Que se passe-t-il après le lancement ?

L’agent entre dans une période d’entraînement, et les rapports indiquent toujours l’étape en cours :

Un nouvel utilisateur reçoit son premier envoi le jour où il entre dans l’audience, et l’agent commence à personnaliser ses messages dès le lendemain. Les e-mails continuent d’être envoyés pendant tout l’apprentissage de l’agent : il n’y a aucune période d’attente.

Pour savoir à quoi vous attendre à chaque étape et comment interpréter les premiers résultats, consultez À quoi s’attendre après le lancement.

Mon agent semble stagner, voire perdre, au cours des premières semaines. Y a-t-il un problème ?

En général, non. Au début, l’agent est encore en cours d’entraînement et il est généralement comparé à un programme mature, déjà optimisé sur une longue période. Cet écart initial est normal. Deux conditions sont nécessaires pour obtenir une lecture fiable : l’agent doit recevoir suffisamment de clics réels pour s’entraîner, et il lui faut du temps pour passer à une personnalisation complète. Attendez que l’agent soit Entièrement entraîné avant de juger les résultats, et assurez-vous que la comparaison est équitable. Pour en savoir plus, consultez Mesurer Decisioning Studio Go.

Puis-je modifier l’agent après le lancement ?

Oui. L’audience, la planification, les créations et les contraintes peuvent toutes être mises à jour après le lancement, et vous pouvez modifier aussi bien les variantes que les dimensions. Vous devez promouvoir les modifications pour qu’elles prennent effet. L’ajout d’une nouvelle variante ne réinitialise pas l’entraînement de l’agent sur les variantes existantes.

Remarque

Deux modifications de l’audience entraînent une nouvelle répartition des utilisateurs entre Decisioning Studio et le groupe de contrôle aléatoire : la modification de la proportion entre le groupe de contrôle et l’IA, et le remplacement du Segment. Évitez de les effectuer à la légère en cours de route. Les modifications des créations, de la planification et des contraintes ne redistribuent pas l’audience.

Que se passe-t-il si je mets à jour les options de contenu après le lancement ?

Vous pouvez ajouter, supprimer ou modifier des variantes de la même manière que lors de leur configuration initiale. Les modifications doivent être promues pour prendre effet. L’ajout d’une nouvelle variante ne réinitialise pas l’entraînement de l’agent sur les variantes existantes.

Rapports et résultats

Quel indicateur l’agent optimise-t-il et que signifie le chiffre de lift ?

L’agent optimise l’indicateur Unique Customers Who Clicked Daily, c’est-à-dire le nombre d’utilisateurs distincts qui cliquent. Le lift correspond à l’écart entre le groupe Decisioning Studio et le groupe de contrôle aléatoire sur cet indicateur.

Les rapports de Decisioning Studio Go correspondent-ils à ce que je vois dans mes analyses d’e-mails ailleurs dans Braze ?

Les chiffres peuvent différer. L’agent apprend uniquement à partir de clics authentiques : avant qu’un clic soit comptabilisé, il passe par des filtres de validation indépendants qui excluent l’activité automatisée et les clics liés aux désabonnements. Les totaux de clics de Decisioning Studio sont donc inférieurs à ceux des rapports d’e-mails bruts. La comparaison relative entre le groupe Decisioning Studio et le groupe de contrôle aléatoire reste valable, car le même filtrage s’applique de manière égale à chaque groupe.

Comment comparer Decisioning Studio Go à mon programme habituel (BAU) ?

La comparaison intégrée oppose toujours l’agent à son groupe de contrôle aléatoire. Pour comparer les résultats à votre programme BAU existant, vous devez la configurer vous-même en divisant l’audience en un groupe BAU et un groupe Decisioning Studio Go. Deux options s’offrent à vous :

• Dans un Canvas : utilisez une étape Chemins d’expérience pour orienter les utilisateurs vers un chemin BAU ou vers le Segment de l’agent. C’est l’approche recommandée.
• En dehors d’un Canvas : utilisez les numéros de compartiment aléatoires pour isoler un groupe BAU et un groupe Decisioning Studio Go.

Pour un test équitable, maintenez un comportement d’envoi identique entre les groupes (alignez la fréquence de l’agent sur celle du BAU, ou réglez-la sur la moyenne du BAU) et veillez à ce que les créatifs BAU soient également chargés comme options dans l’agent. Gardez à l’esprit qu’un agent encore en phase d’apprentissage obtient généralement de moins bons résultats qu’un programme BAU mature au début. Consultez Mesurer Decisioning Studio Go pour un guide complet.

Comment savoir dans quel groupe se trouvait un utilisateur ou analyser les résultats dans mon entrepôt de données ?

Chaque envoi écrit des identifiants dans message_extras sur l’événement users.messages.email.Send : ds_go_agent_id (l’agent concerné), ds_go_agent_regime (piloté par l’IA ou contrôle aléatoire) et ds_go_rec_id (l’ID de la décision). Ces identifiants sont écrits automatiquement. Pour les exploiter dans votre entrepôt de données, vérifiez que votre exportation inclut message_extras sur l’événement d’envoi, puis effectuez une jointure avec les ouvertures et les clics sur user_id et dispatch_id.

Quand mes rapports sont-ils entièrement renseignés ?

Les données de rapport ont environ un jour de décalage : définissez donc la date de fin de vos rapports à deux jours avant aujourd’hui pour obtenir une vue complète. Les rapports complets mettent aussi quelques jours à se remplir après le lancement. S’ils semblent vides juste après le lancement, patientez quelques jours avant de conclure à un dysfonctionnement.

Puis-je voir quelles combinaisons sont les plus performantes ?

Oui. La vue Préférences de l’agent indique à quelle fréquence l’agent a choisi chaque variante, et les ventilations par élément montrent les performances de chaque ligne d’objet, CTA et image dans l’ensemble des combinaisons.

Qui est responsable du contenu envoyé par l’agent ?

Vous. L’agent envoie uniquement du contenu que vous avez ajouté en tant que variante. Il choisit la combinaison pour chaque utilisateur, mais chaque élément individuel provient des variantes que vous avez fournies.

Assistance

Où trouver de l’aide pour mon agent ?

Contactez votre gestionnaire de la satisfaction client ou votre consultant en solutions Braze pour obtenir de l’aide sur la configuration, l’analyse des performances ou la conception de votre programme.