PushizoDocs
Otomasyonlar

Karar motoru

Her kullanıcı için seçenekler arasından en iyisini davranıştan öğrenerek seçer. A/B testi tek kazanan seçer; karar motoru kullanıcı grupları arasındaki farkı görür ve öğrenmeye devam eder.

Her kullanıcı için seçenekler arasından en iyisini davranıştan öğrenerek seçer. A/B testi tek kazanan seçer; karar motoru kullanıcı grupları arasındaki farkı görür ve öğrenmeye devam eder.

Panelde Karar Motoru sayfasından veya API ile yönetilir.

POST /v1/apps/{appId}/decision-agents
Authorization: Bearer <admin kapsamlı anahtar>

{
  "slug": "teklif",
  "name": "Teklif seçimi",
  "arms": [{ "id": "indirim", "label": "Yüzde 10 indirim" }, { "id": "kargo", "label": "Kargo bedava" }],
  "reward_events": ["purchase"],
  "reward_window_hours": 72,
  "holdout_percent": 10,
  "context_prediction": "kayip",
  "use_best_channel": true
}
AlanAçıklama
arms2–8 seçenek. Sonradan değişmez, çünkü öğrenme onlara bağlıdır. Yeni seçenekler için yeni ajan oluşturun
reward_eventsBaşarı sayılan olaylar
reward_window_hoursKarardan sonra ödül beklenen süre, 1–720 saat, varsayılan 72
holdout_percentRastgele dağıtılan kontrol payı, 0–50, varsayılan 10
context_predictionİsteğe bağlı öngörü modeli kısa adı: ajan skor kovasına göre ayrı öğrenir
use_best_channelEn iyi kanalı bağlam olarak kullanır

Otomasyonda kullanma

Akıllı karar adımını ekleyin ve ajanı seçin. Her seçenek ayrı bir kol olur. Adım mesaj göndermez, her kola kendi içeriğiyle gönderim adımı ekleyin. Tercih ve bastırma kuralları gönderim adımında uygulanır.

Ajan duraklatılırsa veya silinirse kullanıcı Ulaşılamıyor koluna gider. Kolları boş bırakmayın.

Uygulamadan kullanma

POST /v1/apps/{appId}/decision-agents/{id}/decide
Authorization: Bearer <notifications:write kapsamlı anahtar>

{ "external_id": "musteri-42" }

Yanıt arm_id, label, policy ve context döner. Karar kaydedilir, ödül olayı geldikçe ajan öğrenir.

Nasıl karar verir

Thompson örneklemesi kullanılır: her seçeneğin başarı oranı için bir olasılık dağılımı tutulur, bu dağılımlardan örnek çekilir, en yüksek örnek seçilir. Az denenen seçenek belirsiz olduğu için şans bulur, kanıtlanan seçenek öne geçer. Dil modeli kullanılmaz, kişisel veri dışarı çıkmaz.

  • Bağlamda 30'dan az sonuçlanmış deneme varsa genel istatistik kullanılır.
  • Yalnızca sonuçlanmış denemeler sayılır: ödül almış ya da penceresi kapanmış. Süren deneme başarısız sayılmaz.
  • Son 90 günün verisi kullanılır: davranış değişince öğrenme de değişir.
  • Ödüller 10 dakikada bir işlenir.

Kazancı okuma

GET /decision-agents/{id}/report öğrenen politikayı kontrol grubuyla karşılaştırır. significant yalnızca fark istatistiksel olarak anlamlıysa (p < 0,05) ve öğrenen önde ise true olur. Panel de öyle söyler: "Henüz kanıt yok" yazıyorsa kazanç iddia etmeyin.

holdout_percent: 0 ile kazanç ölçülemez.

Sınırlar

  • Ajan kötü seçeneği de bir süre gösterir: öğrenmenin bedeli budur. Hassas içerikte seçenekleri buna göre belirleyin.
  • App başına en çok 20 ajan. Ajan silinince öğrenme de silinir.
  • Kampanyada kullanılmaz: kampanya tek içerik gönderir, otomasyon kollanır.

Bu sayfada