Caso de uso: Recupere clientes inativos com um agente de decisão focado em receita
Este exemplo mostra como uma marca fictícia usa o BrazeAI Decisioning Studio™ Pro e um agente de decisão para direcionar cada cliente à decisão ideal a partir do banco de ações, personalizar mensagens para recuperação e otimizar para receita. Ele conecta o design do agente, público e experimentos, orquestração pela Braze e aprendizado pós-lançamento.
Vamos supor que Poppy é gerente de CRM na Kitchenerie, uma marca fictícia de varejo online especializada em utensílios de cozinha.
Muitos clientes apenas navegam pelas coleções sazonais uma ou duas vezes antes de sair. Programas anteriores de recuperação usavam jornadas fixas e testes A/B manuais para testar textos. Descobrir qual combinação de oferta, canal, cadência e timing maximiza a receita de compra para cada cliente continuava sendo um problema à parte. A prioridade da liderança é clara: trazer de volta o maior número possível de compradores inativos e aumentar a receita sem ultrapassar as regras de desconto ou frequência.
Este passo a passo descreve como Poppy:
- Define clientes inativos ou em risco como o público do agente, estruturando grupos de experimento para uma comparação justa
- Permite que o agente escolha as melhores ações permitidas a partir de um banco de ações rico, para que as mensagens permaneçam personalizadas em escala
- Configura a orquestração para que as decisões fluam para a Braze como plataforma de engajamento com clientes
- Lança o agente, permitindo que ele aprenda de forma autônoma o que impulsiona a receita de recuperação
Etapa 1: Defina as métricas de sucesso e “quem” o agente vai segmentar
Poppy confirma a métrica de sucesso que o agente deve maximizar: a receita de recompras entre clientes que pararam de comprar.
Ela define quem entra no programa: um Segment da Braze com compradores que deixaram de comprar ou usuários inativos de alto valor. Agora, Poppy só precisa informar à equipe de AI Decisioning Services qual Segment o agente deve segmentar. A integração que puxa os dados desse Segment acontece em segundo plano, sem que Poppy precise configurar nenhuma integração.
Etapa 2: Crie o banco de ações e as restrições
Poppy mapeia as dimensões que importam para as estratégias de recuperação:
- Oferta: frete grátis, desconto percentual ou pacote de itens
- Canal: e-mail, push ou SMS
- Horário de envio ou cadência
- Criativo: pequenas ilustrações ou textos focados em utilidade
Para cada dimensão, ela lista opções concretas no banco de ações. Essas são as únicas ações que o agente pode realizar (todo o resto fica fora dos limites por design). Em seguida, o agente testa as combinações permitidas para descobrir o que funciona para cada cliente, enquanto otimiza a métrica de sucesso escolhida.
Etapa 3: Prepare os dados e conecte a orquestração à Braze
Seguindo o guia Conecte seus dados, Poppy garante que sinais primários ricos (incluindo histórico de compras, afinidade por categoria, comportamento de navegação e engajamento) alimentem o agente. Assim, cada decisão se baseia em comportamentos reais.
Para a orquestração, ela usa a jornada nativa da Braze: o Decisioning Studio Pro decide o que enviar e quando, e a Braze faz a entrega. Ela planeja modelos base (Campaigns disparadas por API) para cada canal, com campos dinâmicos para ofertas e criativos, e configura a reelegibilidade.
Etapa 4: Lançar, monitorar e otimizar para receita
Depois da revisão da configuração com o AI Decisioning Services, Poppy lança o agente. O agente começa a recomendar ações para cada usuário e a orquestrar envios pela Braze para melhorar com o tempo.
Ao combinar uma métrica de sucesso focada em receita com um agente de decisão que testa continuamente as ações permitidas, a Kitchenerie deixa de lado os disparos estáticos de recuperação e passa a tomar decisões individualizadas que se adaptam a cada cliente. O objetivo é recuperar mais clientes e aumentar a receita, sempre dentro das regras de negócio definidas por Poppy.