Questions fréquemment posées
Général
Qu’est-ce que Decisioning Studio Go ?
Decisioning Studio Go est un agent décisionnel d’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 bonne combinaison pour chaque utilisateur, en optimisant les clics. Il offre une personnalisation individualisée sans data scientist ni 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 ce groupe.
Decisioning Studio Go choisit la meilleure variante pour chaque utilisateur, en fonction de ses interactions passées. Différents utilisateurs peuvent donc recevoir des variantes différentes lors d’un même envoi. Plutôt que de déployer une seule variante gagnante auprès d’un groupe, Decisioning Studio Go personnalise le contenu à l’échelle individuelle.
En quoi Decisioning Studio Go diffère-t-il de Decisioning Studio Pro ?
Go est l’offre en libre-service et le point de départ idéal pour les marketeurs qui souhaitent personnaliser leurs e-mails de façon individualisée sans déploiement complexe. Il optimise les clics et fonctionne avec les options que vous configurez directement dans Braze.
Pro est l’offre avec accompagnement 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 et 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 par e-mail : La façon dont les utilisateurs réagissent à ce que l’agent envoie
- Sa propre compréhension de votre contenu : Lorsque vous ajoutez des créations, l’agent construit sa propre représentation de chacune d’elles et s’en sert pour déterminer quel contenu convient à quels utilisateurs
L’agent n’apprend pas à partir de données personnalisées telles que les attributs personnalisés ou les données d’entrepôt. Si vous souhaitez une prise de décision qui exploite vos données first-party ou 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 mêmes options que vous avez configurées, sans aucune optimisation.
Les deux groupes respectent les contraintes que vous avez définies. Par exemple, si vous avez indiqué qu’une ligne d’objet ne doit pas être répétée dans un délai de 15 jours, cette règle s’applique aussi au contrôle aléatoire. La comparaison des deux groupes vous donne une mesure fiable du gain apporté 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 toujours des e-mails. Ils reçoivent des combinaisons choisies au hasard parmi les options que vous avez configurées, les jours autorisés par votre planification. La comparaison oppose donc un e-mail personnalisé par l’IA au même contenu choisi aléatoirement.
Pourquoi le contrôle aléatoire est-il obligatoire, et quelle taille doit-il avoir ?
Pour deux raisons. D’abord, il vous permet de mesurer en continu et en temps réel à quel point l’agent surpasse une base de référence aléatoire. Ensuite, l’agent utilise le comportement du contrôle aléatoire comme l’un de ses signaux 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 le gain de façon fiable avec un groupe de contrôle plus petit, tandis qu’une audience plus réduite nécessite un groupe de contrôle proportionnellement plus grand.
| Taille de l’audience | Répartition recommandée (Decisioning Studio / contrôle aléatoire) |
|---|---|
| 20 000 – 100 000 | 80 / 20 |
| 100 000 – 1 000 000 | 90 / 10 |
| 1 000 000 – 40 000 000 | 95 / 5 |
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 que l’agent ne peut pas prendre en 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 disposer de 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 ne construise sa compréhension : 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 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 qu’il contient. Vous pouvez aussi laisser l’agent choisir la ligne d’objet. Ne chargez pas chaque variation 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 le niveau en libre-service, l’événement de conversion pris en charge est le clic. Dans Decisioning Studio Pro, vous pouvez optimiser pour n’importe quel indicateur métier personnalisé.
Comment fonctionne la fréquence d’envoi ?
Vous sélectionnez une fréquence unique, 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 à l’agent les règles de limite de fréquence de votre espace de travail 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 la plus 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 choisit pour un envoi. Elles ne constituent pas un blocage garanti des envois. Pour avoir la certitude absolue qu’aucun message ne part pendant une période donnée, configurez en complément des heures calmes au niveau de l’espace de travail.
Comment l’agent gère-t-il les audiences réparties sur de nombreux fuseaux horaires ?
Les envois ont lieu dans le fuseau horaire local de chaque utilisateur. L’agent donne la priorité à la distribution de votre message plutôt qu’à son envoi à l’heure locale précise prévue. Si votre audience se trouve dans des fuseaux horaires éloignés de celui de votre espace de travail, un message peut donc parfois arriver en dehors du jour ou du créneau horaire prévu. Si la majeure partie de votre audience se trouve dans une seule 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 fonction d’envoi de test native de l’éditeur de Braze. Les envois de test affichent les combinaisons de variantes que vous sélectionnez. Ils servent à relire et valider l’e-mail lui-même, pas à prédire ce que l’agent enverrait réellement à un véritable utilisateur. L’aperçu dynamique de l’éditeur vous permet aussi de voir le rendu de 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 à laquelle il se trouve :
| Étape | Ce qui se passe |
|---|---|
| Lancé, envoi pas encore commencé | Actif, mais le premier envoi n’est pas encore parti. |
| En attente de signal | Envoi en cours, mais pas encore assez de clics réels pour commencer l’entraînement. |
| En entraînement | Le signal est suffisant pour l’entraînement ; l’agent explore différentes combinaisons. Les performances peuvent sembler proches du hasard à ce stade, ce qui est normal. |
| Partiellement entraîné | Personnalisation en cours, mais les résultats ne sont pas encore assez solides pour être considérés comme définitifs. |
| Entièrement entraîné | Entraînement terminé ; les résultats sont solides. C’est le moment de leur faire confiance et de rendre compte de l’amélioration. |
Un nouvel utilisateur reçoit son premier envoi le jour même 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 toute la période d’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, pendant les deux premières semaines. Y a-t-il un problème ?
En général, non. Au début, l’agent est encore en 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 a besoin de suffisamment de clics réels pour s’entraîner, et il lui faut du temps pour passer à la personnalisation complète. Attendez que l’agent soit Entièrement entraîné avant d’évaluer 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 créatifs et les contraintes peuvent tous être mis à jour après le lancement, et vous pouvez modifier les variantes comme les dimensions. Vous devez promouvoir vos modifications pour qu’elles prennent effet. L’ajout d’une nouvelle variante ne réinitialise pas l’entraînement de l’agent sur les variantes existantes.

Deux modifications de l’audience entraînent une redistribution des utilisateurs entre le groupe Decisioning Studio et le groupe de contrôle aléatoire : la modification de la proportion de répartition entre le groupe de contrôle et l’IA, et le remplacement du Segment. Évitez d’effectuer ces changements à la légère en cours de route. Les modifications des créatifs, 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 la valeur d’amélioration ?
L’agent optimise l’indicateur Unique Customers Who Clicked Daily, c’est-à-dire le nombre d’utilisateurs distincts qui cliquent. L’amélioration 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 aux analyses d’e-mail que je vois ailleurs dans Braze ?
Les chiffres peuvent différer. L’agent n’apprend qu’à partir de clics authentiques. Avant d’être comptabilisé, chaque clic passe donc par des filtres de validation indépendants qui écartent 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-mail bruts. La comparaison relative entre le groupe Decisioning Studio et le groupe de contrôle aléatoire reste néanmoins valable, car le même filtrage s’applique de manière identique 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 effectuer une comparaison avec votre programme BAU existant, vous devez la configurer vous-même en répartissant l’audience entre 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 constituer un groupe BAU et un groupe Decisioning Studio Go.
Pour un test équitable, gardez 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 assurez-vous que les créations BAU sont également chargées comme options dans l’agent. N’oubliez pas qu’un agent encore en phase d’apprentissage reste généralement en retrait par rapport à un programme BAU mature au début. Consultez la page 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 utiliser 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 : pour obtenir une vue complète, définissez la date de fin de votre rapport à deux jours avant aujourd’hui. Après le lancement, il faut également quelques jours pour que les rapports soient entièrement renseignés. 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 à travers les combinaisons.
Qui est responsable du contenu envoyé par l’agent ?
C’est vous. L’agent n’envoie que du contenu que vous avez ajouté en tant que variante. Il choisit la combinaison pour chaque utilisateur, mais chaque élément provient des variantes que vous avez fournies.
Assistance
Où puis-je obtenir 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.