#F5F5F5

Fonctionnalités d’Adobe Customer Journey Analytics

Insights agentiques

Accélérez les tâches d’analyse quotidiennes grâce à l’IA, de la segmentation à la narration des données, pour passer moins de temps à éplucher les données et davantage à faire croître l’activité.

Insights agentiques sur les données

Automatisez l'analyse et la visualisation des données clients cross-canal pour obtenir des insights détaillés et mettre en œuvre des actions pré-approuvées, telles que l'identification des facteurs sous-jacents et la formulation de recommandations d'optimisation.

  • Analyse de données. Suivez les performances de la campagne, analysez le comportement client et repérez les tendances émergentes en utilisant des instructions en langage simple plutôt que des tableaux de bord complexes et des requêtes.
  • Insights rapides. Affranchissez-vous de la file d’attente des analystes et posez vos questions en langage naturel : « Quelles sont mes 10 pages les plus performantes ?» ou « Quels produits génèrent les revenus les plus élevés ?»
  • Insights fiables. Renforcez la confiance dans chaque décision grâce à des insights totalement transparents et traçables, et permettez aux analystes de vérifier, d’affiner et de collaborer davantage.
Graphique du chiffre d’affaires produit généré par l’agent Data Insights

Insights proactifs (en développement)

Découvrez des informations fiables et à forte valeur ajoutée grâce à des recommandations agentiques qui font remonter proactivement des schémas significatifs et des opportunités que vous n’auriez peut-être pas pensé à explorer.

  • De la réactivité à la proactivité. Explorez des insights et des opportunités renouvelés, grâce à une analyse cross-canal continue qui révèle des informations très fiables.
  • Approuvé par des analystes. Inspirez confiance avec des insights générés de manière proactive, avec des contrôles intégrés qui permettent aux analystes de les valider, de les organiser et de les enrichir avant que les utilisateurs métier ne les obtiennent.

Analyse des causes profondes

Transformez chaque mesure en investigation optimisée par l’IA grâce à des workflows agentiques qui vous permettent de passer de « Que s’est-il passé ?» à « Pourquoi cela s’est-il produit ?» en quelques minutes, sans file d’attente d’analystes.

  • Facteurs principaux. Découvrez instantanément les principaux leviers des changements, accompagnés de scores de confiance.
  • Confiance. Pour chaque insight, vous obtenez des scores (force corrélative, valeur statistique et quantification d’impact) qui favorisent la confiance.
  • Validation d’hypothèse. Utilisez une interface conversationnelle pour poser des questions et analyser plus en profondeur les causes qui sous-tendent chaque facteur.

Présentation des données

Transformez votre Analysis Workspace en diapositives prêtes à être présentées à l'aide d'un simple prompt. Les workflows agentiques analysent vos tableaux de bord, vos visualisations et vos mesures pour révéler les informations cachées dans vos données, en mettant en évidence les tendances, les anomalies et les corrélations qui auraient pu vous échapper.

Légendes intelligentes

Identifiez les tendances et les évènements majeurs dans vos données au moyen d’insights et de légendes intuitives générés par l’IA.

  • Insights générés. Boostez votre processus d’analyse en vous appuyant sur des insights qui évoluent aussi vite que vos données.
  • Identifications des principaux insights. Repérez et interprétez facilement les insights les plus importants, même sans compétences particulières en analyse des données.
  • Reporting contextuel. Permettez aux utilisateurs sans compétences techniques d’être autonomes, en fournissant automatiquement le contexte lors du partage d’insights afin de libérer du temps pour les analystes.
Légende générée par l’IA présentant les mesures d’engagement liées à une publicité pour une voiture
https://main--bacom--adobecom.aem.live/fragments/products/modal/videos/analytics/customer-journey-analytics/experimentation-panel#experimentation-panel |Deux versions d’une publicité pour un test A/B et résultats obtenus | :play-medium:

Panneau d’expérimentation

Évaluez l’impact et la validité des expériences sur tous les canaux depuis n’importe quelle source en ligne et hors ligne grâce à une analyse alimentée par le machine learning.

  • Perfectionnement optimisé par le machine learning. Au fur et à mesure que l’activité augmente et que le volume de données augmente, le machine learning affine automatiquement les données pour produire un résultat plus précis et renforcer la confiance dans les relations de cause à effet.
  • Clarté des relations de cause à effet. Comprenez les relations de cause à effet entre les interactions clients et la façon dont elles stimulent l’activité commerciale grâce à l’intégration native avec Adobe Journey Optimizer.

Découvrez les insights agentiques et optimisés par l’IA.

Content as a Service v3 - Découvrez les insights agentiques et optimisés par l’IA. - Vendredi 22 mai 2026 à 16 h 48

#D0F1E1

Découvrez comment utiliser les insights agentiques et optimisés par l’IA.

Trouvez tout ce dont vous avez besoin dans Experience League, notre vaste collection de ressources comprenant de la documentation, des tutoriels et des guides d’utilisation.

En savoir plus | En savoir plus sur les fonctionnalités d’insights agentiques et optimisés par l’IA

Vous avez des questions ? Nous avons des réponses !

Que sont les workflows d’insights agentiques dans Adobe Customer Journey Analytics ?
Les workflows d’insights agentiques aident les équipes à analyser les performances du parcours client sans devoir créer chaque rapport manuellement. Dans Adobe Customer Journey Analytics, les utilisateurs et les utilisatrices peuvent demander pourquoi le taux de conversion a baissé ou quels parcours sont les plus performants. Adobe CX Enterprise Coworker analyse les données client pertinentes, crée des visualisations et identifie les causes probables. Les analystes peuvent ensuite affiner l’analyse et valider les résultats avant de les partager ou d’agir en conséquence.
Quels insights peut-on obtenir de manière agentique dans Customer Journey Analytics ?
Les workflows agentiques peuvent identifier des tendances, des changements dans les métriques clés, des différences entre les segments de clientèle, les abandons de parcours et les causes probables des variations de performance. Les utilisateurs et les utilisatrices peuvent poser des questions en langage naturel et obtenir une visualisation ou un tableau à structure libre dans Analysis Workspace. Les analystes peuvent ensuite approfondir les résultats grâce à des questions complémentaires et valider les conclusions par rapport aux données sous-jacentes.
Les équipes peuvent-elles explorer les données Customer Journey Analytics sans créer de tableaux de bord manuellement ?
Oui. Les équipes peuvent poser des questions telles que « Quels produits ont généré le plus de revenus ? » ou « Quelles pages ont obtenu les meilleures performances ? » Customer Journey Analytics exploite les métriques et les dimensions de la vue de données sélectionnée pour créer un tableau ou une visualisation pertinents. Les utilisateurs et les utilisatrices peuvent approfondir l’analyse en modifiant la plage de dates, en ajoutant une ventilation ou en affinant l’audience grâce à des questions complémentaires.
Les workflows agentiques peuvent-ils expliquer les variations d’une mesure ?
Oui. Les workflows agentiques peuvent analyser une hausse ou une baisse d’une mesure et identifier les facteurs associés à ce changement. Les utilisateurs et les utilisatrices peuvent tester des hypothèses, comparer des périodes et examiner différents groupes de clientèle grâce à des questions complémentaires. Les analystes doivent examiner les données sous-jacentes avant de tirer des conclusions, car la corrélation ne prouve pas la causalité.
Comment Customer Journey Analytics transforme-t-il les données clients en présentations et rapports compréhensibles ?
Customer Journey Analytics peut s’appuyer sur des workflows de présentation assistée par IA pour identifier les tendances importantes, les anomalies, les relations et les thématiques métier au sein des projets Analysis Workspace. Ces résultats peuvent être transformées en présentations destinées aux parties prenantes. Les légendes intelligentes peuvent également générer des résumés en langage naturel pour les visualisations compatibles, permettant aux utilisateurs et aux utilisatrices métier de saisir rapidement les schémas importants sans avoir à interpréter chaque graphique manuellement. Les analystes peuvent examiner, affiner, copier et partager le contexte ainsi généré dans le cadre d’un processus de reporting encadré.
Comment l’IA et le machine learning enrichissent-ils l’analyse des expérimentations dans Customer Journey Analytics ?
Les workflows d’expérimentation de Customer Journey Analytics aident les équipes à évaluer les performances et la validité des expériences à partir de sources de données en ligne, hors ligne et cross-canal. Le panneau Expérimentation peut générer des rapports sur des mesures telles que le gain et le niveau de confiance, aidant ainsi les équipes à déterminer si un traitement a entraîné une amélioration significative par rapport à une valeur de référence. L’analyse basée sur le machine learning permet d’affiner les résultats à mesure que davantage d’activité et de données deviennent disponibles, tandis que l’analyse cross-canal aide les équipes à comprendre comment les interactions avec les clients contribuent aux résultats. Les équipes doivent vérifier la conception des expériences, la qualité des données et la validité statistique avant de prendre des décisions stratégiques.
Comment s’assurer de la fiabilité des insights agentiques dans Customer Journey Analytics ?
L'IA s'appuie uniquement sur les vues de données que votre administrateur de Customer Journey Analytics a explicitement autorisées pour son utilisation, et non, par défaut, sur l'ensemble des vues de données de votre organisation. L'accès à ces données relève donc d'une décision délibérée de l'administrateur et non d'un paramètre par défaut automatique. Ce système est également conçu selon un modèle impliquant la participation d'un analyste : l'agent propose une analyse ou une visualisation, et un analyste l'examine avant qu'elle ne serve de base à une décision, plutôt que de laisser l'agent agir de manière autonome en votre nom.
Quelle différence y a-t-il avec l’utilisation d’un chatbot généraliste ?

CX Enterprise Coworker est conçu pour fonctionner au sein de l’environnement Adobe dédié à l’expérience client. Il peut exploiter le contexte métier de l’organisation, les données du client, les définitions d’analyses et les applications connectées pour enrichir la pertinence de l’analyse.

Plutôt que de se contenter de générer une réponse narrative, il peut aider à structurer une investigation, analyser les données pertinentes, expliquer les évolutions observées et accompagner l’étape suivante du workflow. Cela contribue à réduire les transferts manuels entre les équipes métier, les analystes et les équipes d’exécution.

Comment les utilisateurs doivent-ils valider les informations ?

Les utilisateurs doivent considérer la réponse comme un point de départ accéléré pour l’analyse et examiner les données sous-jacentes avant de prendre des décisions métier importantes. Une approche de validation recommandée consiste à vérifier :

  • La vue de données ou la source de données sélectionnée.
  • Définitions des mesures et des dimensions.
  • Plage de dates et période de comparaison.
  • Filtres, segments et paramètres d’attribution.
  • Hypothèses d’identité et d’assemblage au niveau du client.
  • Le tableau généré ou la visualisation générée par rapport au rapport sous-jacent.

Les calculs de reporting sous-jacents doivent rester cohérents, tandis que l’explication en langage naturel peut résumer ou interpréter le résultat. Pour les décisions à fort impact, les utilisateurs et les utilisatrices doivent confirmer le résultat directement dans l’espace de travail Customer Journey Analytics concerné.

Quelles sont les conditions requises pour utiliser les informations de Customer Journey Analytics avec CX Enterprise Coworker ?

Les organisations doivent disposer des droits appropriés pour Customer Journey Analytics et Adobe CX Enterprise, de données du client connectées et modélisées, de métriques et de dimensions définies, ainsi que des autorisations utilisateur requises.

CX Enterprise Coworker ancre ses réponses dans les applications Adobe configurées du client, ses données, son contexte métier et ses règles de gouvernance. L’accès et les cas d’usage disponibles dépendent des applications sous licence, des intégrations activées, des autorisations configurées et de la qualité des données sous-jacentes. La supervision humaine reste essentielle lorsque les informations orientent des décisions stratégiques, réglementaires, opérationnelles ou ayant un impact sur les clients et les clientes.