Étude de cas
Braze@Braze : utiliser des agents IA pour une personnalisation à grande échelle
Chez Braze, nous utilisons Braze — et lorsque nos propres équipes créent quelque chose qui fonctionne, nous voulons le partager. Cette leçon présente une véritable campagne de notre équipe de marketing du cycle de vie, qui a utilisé BrazeAI™ Agent Console pour résoudre un problème de personnalisation à grande échelle : envoyer automatiquement à des milliers de contacts la bonne version d'un rapport, avec un texte adapté à leur rôle et à leur secteur d'activité.
Braze@Braze montre comment nos propres équipes utilisent Braze pour résoudre de véritables défis marketing. Le flux, les résultats et les données présentés dans cette leçon proviennent d'une campagne Braze réelle.
Le défi
Chaque année, l'équipe Marketing du cycle de vie de Braze fait la promotion du Customer Engagement Review (CER), notre rapport d'étude phare. Le CER est publié dans des dizaines d'éditions régionales et sectorielles, notamment Retail, Finance, EMEA, APAC, et bien d'autres, chacune avec des données, des tendances et des audiences différentes.
Marina, Senior Lifecycle Marketing Manager chez Braze, savait qu'un e-mail unique et générique ne fonctionnerait pas. Elle voulait que chaque contact reçoive l'édition la plus pertinente pour lui, avec un texte ancré dans des enseignements réellement adaptés à son rôle et à son secteur d'activité.
Pour personnaliser à ce niveau manuellement, vous devriez :
- Savoir quelle version du rapport convient à chaque personne
- Identifier quel enseignement tiré de ce rapport résonnera avec leur rôle spécifique
- Rédiger un texte personnalisé pour des milliers de contacts au moment de l'envoi
Ce niveau de raisonnement à grande échelle est précisément là où les agents entrent en jeu.
L'approche : trois agents, un flux
Plutôt que de créer un seul agent qui ferait tout et risquer des résultats incohérents, Marina a conçu trois agents ciblés, chacun responsable d'une seule tâche :
- Le Trieur — oriente chaque utilisateur vers la version de rapport appropriée
- Le Sélecteur — choisit la tendance et la statistique qui résonneront le plus avec la persona de cet utilisateur
- Le Rédacteur — rédige l'intégralité du message personnalisé
Chaque agent est déployé comme une Étape d'agent dans un seul flux Canvas, et transmet sa sortie à l'agent suivant sous forme de variable nommée.
Comment c'est fait
Regardez comment le flux à trois agents s'exécute dans BrazeAI Agent Console et Canvas, en utilisant un utilisateur exemple pour montrer à quoi ressemble la personnalisation de bout en bout.
Essayez par vous-même : zoom sur les agents
Examinons de plus près les trois agents de Marina afin que vous puissiez appliquer cette approche à votre propre cas d'usage.
Vous ne savez pas comment rédiger les instructions de votre agent ? Plutôt que de partir de zéro, Marina a ouvert BrazeAI™ Operator directement sur la page de configuration d'Agent Console, et a décrit ce qu'elle voulait que l'agent fasse et comment elle souhaitait qu'il se comporte. À partir de ces indications, Operator a pu rédiger les instructions pour elle. C'est un moyen rapide d'obtenir un point de départ fonctionnel que vous pouvez ensuite affiner et tester.
Sélectionnez les informations sous chaque agent pour en savoir plus.
Agent 1 : le Trieur
Lit les attributs de profil et oriente chaque utilisateur vers la bonne version du rapport CER, en renvoyant l'URL du rapport et l'image d'en-tête.
Agent 2 : le Sélecteur
Classe chaque utilisateur dans une catégorie de persona (direction, technique ou métier) en fonction de son intitulé de poste et de son service, puis interroge un Catalog Braze pour choisir la tendance et la statistique les plus susceptibles de résonner avec cette persona.
Isoler cette étape permet de garder la logique ciblée et de faciliter la mise à jour du catalogue (par exemple pour une nouvelle édition du CER) sans toucher aux autres agents.
Agent 3 : le Rédacteur
Prend les résultats de l'Agent 1 et de l'Agent 2 et rédige le message complet (titre, deux paragraphes de corps de texte et un bouton d'appel à l'action), tout en transmettant l'URL du rapport et l'image d'en-tête provenant de l'Agent 1.
La génération de texte est une tâche créative qui bénéficie d'instructions ciblées. Au moment où le Rédacteur s'exécute, tout le raisonnement est fait, et il lui reste simplement à bien écrire. Cela produit un texte plus clair et plus cohérent qu'un agent tout-en-un.
Assembler le tout dans Canvas
Chaque agent est déployé comme une Étape d'agent dans Canvas, connectée en séquence. Chaque Étape d'agent produit une variable de sortie :
Étape d'agent | Variable de sortie |
|---|---|
Le Trieur | cer_report |
Le Sélecteur | cer_trend |
Le Rédacteur | cer_copy |
Le message à la fin du flux utilise les trois variables pour assembler automatiquement un texte personnalisé pour chaque contact.
Configurez des valeurs de secours pour chaque agent dans Agent Console afin que, si un agent dépasse le délai ou atteint une limite d'appels, vos contacts reçoivent tout de même quelque chose plutôt qu'un message vide ou cassé. Marina a défini des valeurs de secours pour les trois agents afin de garantir une délivrabilité cohérente sur l'ensemble de l'audience.
Comment cela pourrait fonctionner dans votre secteur
Ce modèle à trois agents s'applique partout où vous avez un contenu décliné en versions et une audience qui mérite mieux qu'un message générique. Sélectionnez chaque secteur pour passer en revue quelques exemples.
Un distributeur envoie une campagne saisonnière faisant la promotion de sa nouvelle collection de produits. Le catalogue couvre plusieurs catégories (habillement femme, articles pour la maison, équipements d'extérieur) et différentes promotions s'appliquent selon la région.
- Le Trieur oriente chaque client vers la bonne catégorie et la bonne promotion en fonction de son historique d'achat et de sa localisation
- Le Sélecteur choisit le produit ou l'offre précis le plus susceptible de résonner en fonction du comportement de navigation et des dépenses passées
- Le Rédacteur rédige un e-mail personnalisé mettant en avant ce produit — avec une ligne d'objet, une courte description et un bouton d'appel à l'action renvoyant directement vers la bonne page de catégorie
Le fil conducteur : à chaque fois que votre contenu comporte des versions pertinentes et que votre audience présente des différences significatives, le modèle Trieur → Sélecteur → Rédacteur peut se charger du raisonnement.