Ativos de dados críticos
O Decisioning Studio requer determinados ativos de dados para funcionar e se beneficia de dados opcionais adicionais. Este artigo descreve o que é cada ativo, por que ele é importante e quais campos são obrigatórios.
Fechar o ciclo de tomada de decisões por IA
Os três ativos de eventos obrigatórios (ativações, engajamentos e conversões) formam juntos o ciclo de feedback que permite ao Decisioning Studio aprender e melhorar ao longo do tempo.
- Ativações informam ao modelo o que ele decidiu fazer
- Engajamentos informam ao modelo como os clientes responderam à mensagem
- Conversões informam ao modelo se o resultado de negócio desejado foi alcançado
Cada um desses ativos deve ser estruturado como um fluxo de eventos incremental (não um snapshot). Consulte Snapshots versus fluxos de eventos para mais detalhes.
Se o Decisioning Studio estiver integrado nativamente à sua plataforma de engajamento com clientes (como a Braze ou o Salesforce Marketing Cloud), os dados de ativação e engajamento podem ser coletados automaticamente sem configuração adicional. Consulte a documentação de configuração para confirmar.
Ativos obrigatórios
Perfil do cliente
Os dados de perfil do cliente descrevem quem são seus clientes. O Decisioning Studio usa esses dados para entender o estado atual de cada cliente e gerar recomendações relevantes.
Atributos de perfil comuns incluem:
- Anos como cliente
- Localização geográfica (quando permitido pelo seu setor e requisitos de privacidade)
- Canal de aquisição (por exemplo, web, telefone, loja física)
- Pontuação de satisfação ou sentimento
- Pontuações derivadas de modelos (por exemplo, propensão ao churn, estimativa de lifetime value)
- Nível de fidelidade ou participação em programa
Dados de ativação e engajamento
Os dados de ativação registram o que o Decisioning Studio realmente enviou: qual recomendação foi entregue a qual cliente por qual canal. Os dados de engajamento registram o que o cliente fez em resposta: se abriu, clicou ou interagiu de alguma outra forma com a mensagem.
Para integrações nativas com a Braze, os dados de ativação e engajamento podem estar disponíveis automaticamente por meio do Braze Currents. Para outras configurações, esses dados devem ser fornecidos explicitamente.
Esses dados são essenciais porque fecham o ciclo entre uma recomendação e seu resultado. Sem eles, o modelo não consegue aprender quais decisões estão funcionando.
Dados de conversões
Os dados de conversão descrevem o que aconteceu com o cliente após uma recomendação ter sido feita e uma mensagem ter sido enviada. Esse é o sinal principal que o modelo usa para avaliar se uma recomendação foi bem-sucedida.
| Requisito | Motivo |
|---|---|
| Cada registro contém o identificador do cliente, consistente com todos os outros ativos | O Decisioning Studio precisa conseguir associar as conversões às recomendações que as precederam. |
| Cada registro tem um timestamp de quando o evento de conversão ocorreu | A precisão do timing é essencial para a atribuição. O modelo precisa saber a qual recomendação uma conversão pode ser atribuída. |
| Se estiver usando uma métrica de sucesso não binária (por exemplo, receita em vez de convertido ou não convertido), o valor da métrica deve ser incluído em cada registro de conversão | O Decisioning Studio usa o valor da métrica para gerar experiências de treinamento. Sem o valor, o modelo só consegue aprender que uma conversão aconteceu, não o quão valiosa ela foi. |
| Se as conversões podem ser atribuídas diretamente a uma comunicação específica (por exemplo, resgate de cupom), inclua os campos necessários para associar a conversão ao registro de ativação | A atribuição direta fornece ao modelo o sinal de aprendizado mais claro. Se a atribuição direta não for possível, o Decisioning Studio usa atribuição baseada em proximidade como fallback. |
Ativos opcionais
Mais dados geralmente levam a um melhor desempenho do modelo, mas isso deve ser equilibrado com o esforço de implementação necessário. Os seguintes ativos opcionais são comumente úteis:
Comportamento do cliente
- Histórico de login na conta
- Tipo de dispositivo e sistema operacional
- Interações com o atendimento ao cliente (por exemplo, número de chamadas de suporte, tópicos discutidos)
- Uso do produto (por exemplo, horas de uso por dia, funcionalidades acessadas, categorias de conteúdo visualizadas)
Outras transações
- Produtos comprados por data, incluindo atributos do produto
- Valores das transações
- Canais de transação (por exemplo, loja física versus online)
- Métodos de pagamento
Outros engajamentos de marketing
- Comunicações enviadas fora das recomendações do Decisioning Studio (por exemplo, e-mails, SMS)
- Engajamento de e-mail não disparado pelo Decisioning Studio (por exemplo, aberturas, cliques)
- Respostas a pesquisas (por exemplo, pontuações NPS, pesquisas de engajamento)
- Atividade em web e app mobile (por exemplo, páginas navegadas, produtos visualizados)