Real-time Personalization Agent para Data Cloud.
Personalización agentic con razonamiento sobre context, latencia bajo 200 ms.
Agente custom orientado a Digital, eCommerce, Producto y CX Omnicanal. Sirve experiencias personalizadas en tiempo real — web banner, email render, app screen, push notification, IVR voice — basado en el estado live de Data Cloud (Unified Individual y eventos recientes). Decide content, offer, copy y layout. Diferencia con Marketing Cloud Personalization OOTB: este es agentic, razona sobre el context y combina predictive scores con consent y fatigue al mismo tiempo.
¿Qué hace Real-time Personalization Agent?
Es un agente custom de Agentforce que resuelve el contexto de un visitante o cliente en tiempo real, selecciona la oferta adecuada, genera copy con guardrails sobre PII, decide layout y entrega la experiencia con latencia bajo SLA. Aprovecha Unified Individual, eventos recientes (<30 s), segment membership y predictive scores. Conserva memoria de personalización por individuo y aplica Trust Layer con consent y filtrado de PII en LLM-generated copy.
Cómo funciona paso a paso
Del request del SDK a la experiencia entregada con feedback loop. 5 pasos.
Context resolution
El SDK web o mobile llama al agente con el visitor ID. El Context Resolver hace stitching con el Unified Individual, trae predictive scores, segment membership y eventos recientes en milisegundos.
Offer selection
El Offer Selector evalúa ofertas elegibles considerando contexto, fatigue y consent. Descarta ofertas conflictivas con journeys vivos y ranquea por fit con el visitante.
Copy generation con PII filtering
El Copy Generator produce el texto en el idioma esperado (español rioplatense, mexicano, portugués brasileño) con guardrails contra exposición de PII en LLM-generated copy.
Layout y render
El Layout Optimizer selecciona el componente (banner, modal, hero, push template) según la superficie y el dispositivo. deliverExperience devuelve la experiencia al SDK con metadata de A/B test.
Log y feedback loop
logImpression registra impresión y observeOutcome cierra el loop con la conversión observada. La memoria del agente se actualiza con preferencias de personalización del individuo.
Ejemplo de interacción real
[Sesión web durante un peak de tráfico de fin de año]
[El agente actúa]
Arquitectura del agente
Topics, Actions, Hydrators, Effectors, Channels, DMOs, Trust Layer y Memory.
Topics
Dominios de razonamiento
- Context Resolver
- Offer Selector
- Copy Generator
- Layout Optimizer
- Latency Guardian
- A/B Tester
Actions
Lo que ejecuta
- resolveContext
- selectOffer
- generateCopy
- renderLayout
- deliverExperience
- logImpression / observeOutcome
Hydrators y DMOs
Fuentes de contexto
- Unified Individual
- Eventos recientes <30 s
- Segment membership
- Predictive scores
- Content library estructurada
- Consent records
Effectors, Channels, Trust, Memory
Escrituras y guardrails
- Return rendered experience al SDK
- Channels: Web SDK, Mobile SDKs, MC Personalization, IVR
- Trust Layer con consent + PII filtering
- Log impression y profile update
- Memory: per-individual preferences
- A/B test feedback loop
Implementación en 5 fases
Los factores críticos son la madurez de los SDKs, el identity stitching y el latency budget.
Discovery de superficies y latency budget
Identificamos las superficies (web, app, email, push, IVR), definimos latency budget por canal y mapeamos content library actual.
SDKs e identity stitching
Validamos SDK web y mobile, stitching de visitante anónimo con Unified Individual y caching diferenciado por tipo de dato.
Configuración del agente
Definimos Topics, Actions, prompt defense, PII filtering, A/B testing framework y reglas de fallback ante errores.
Piloto en una superficie clave
Rollout sobre homepage o app feed. Medimos latencia p95, conversion lift y NPS. Calibramos el A/B testing y el fallback de copy.
Go-live multi-superficie
Rollout total con monitoring de latencia, content library viva y governance de A/B test approval cross-canal.
Perfiles Solu y participantes cliente
Requisitos para arrancar
Lo que conviene tener listo antes del piloto.
Datos
- Unified Individual con identity stitching
- Predictive scores deployados
- Content library estructurada
- Consent records auditables
Integraciones
- Web SDK y Mobile SDKs maduros
- Marketing Cloud Personalization
- IVR si aplica
- CMP integrado para consent
Organizacional
- Latency budget definido por superficie
- Governance de A/B test approval
- Sponsor de Digital o CX
- Política de PII filtering en copy
Qué se busca optimizar
Dimensiones operativas y de calidad, planteadas como marco genérico.
Latencia p95 bajo SLA
Mantener la latencia p95 cerca de 150 ms y sostener performance bajo carga peak.
Conversion lift vs. baseline
Conversion lift en sesiones con personalización agentic vs. experiencia genérica como baseline.
AOV lift por sesión personalizada
AOV incremental cuando el agente entrega offer-mix adecuado al contexto.
NPS preservado o mejorado
La personalización no debe degradar NPS por over-personalization o copy intrusivo.
A/B testing velocity
Tiempo de ciclo entre hipótesis, lanzamiento, lectura de outcome y decisión.
Compliance con consent
Personalización siempre dentro del consent vigente del individuo, sin excepciones.
Qué considerar al implementar
Cinco focos para personalización rápida, segura y respetuosa.
Latency budget definido por superficie
Sin un budget claro por superficie (homepage vs. checkout vs. push), el Latency Guardian no puede priorizar correctamente. Conviene fijarlo desde el discovery.
Identity stitching activo
Si el visitante anónimo no se conecta con el Unified Individual a tiempo, el agente personaliza con menos contexto. Vale la pena reforzar el stitching antes del rollout.
Content library estructurada
Una library con metadata clara (audiencia, vertical, variante, idioma) acelera la decisión del Offer Selector y reduce errores de targeting.
Consent y PII filtering como guardrail
El Trust Layer enforce consent vigente y aplica PII filtering en LLM-generated copy. Es preferible asumirlo de antemano que reaccionar a un incidente.
A/B test approval governance
Definir quién aprueba los tests, cómo se cierran las hipótesis y cómo se distribuye tráfico evita ruido y permite iterar con confianza.
Preguntas Frecuentes
El agente verifica consent vigente antes de personalizar, audita las decisiones y aplica PII filtering en LLM-generated copy. Si el consent fue revocado, devuelve la experiencia genérica respetando la regla de minimización.
Sí. El agente se posiciona aguas arriba de Marketing Cloud Personalization, decide content y offer y delega el render cuando aplica. Aprovecha el SDK existente sin reescribir la integración.
Sí, vía Marketing Cloud Engagement con WhatsApp Business o conectores certificados. La latencia objetivo y el copy se adaptan al canal conversacional, respetando templates aprobados.
El Latency Guardian monitorea p95 en tiempo real, prioriza Topics rápidos y degrada gradualmente: si una hidratación es lenta, devuelve experiencia con menos contexto antes de superar el SLA. El fallback siempre devuelve experiencia válida.
Sí. El Copy Generator se configura por mercado y por variante de español o portugués, con voice-and-tone guidelines del cliente. El idioma del visitante se infiere de signals o del CMS y se aplica consistentemente.
El agente combina fatigue signals, frequency caps a nivel cliente y reglas de moderación en copy. Cuando detecta riesgo de creep o saturación, retrocede a experiencia más neutra y registra la decisión para A/B testing.
Personalización agentic en milisegundos, con consent y guardrails de PII.
Conversemos con un CX Architect de Solu. En una sesión de discovery revisamos superficies, SDKs, identity stitching y latency budget para proyectar el rollout en tu organización.