意思決定モデルのパフォーマンス・ガイドライン

意思決定キャンバス上のコンポーネントの数を減らす - 意思決定キャンバス上のコンポーネントの数が多いと、パフォーマンスが最適でなくなる可能性があります。さらに、ディシジョン・モデル・バリアントに、複数のデシジョンにリンクされた入力コンポーネントが含まれている場合は、その入力コンポーネントがすべてのデシジョンで必要かどうかを評価し、不要なリンクをすべて削除します。

ゲストプロファイルのサイズを考慮する - パフォーマンス速度を測定するときは、組織内の一般的なゲストプロファイルがキャプチャするセッションとイベントの数を考慮します。より多くのセッションおよびイベント データを含むゲスト プロファイルは、処理に時間がかかります。意思決定モデルのバリアントをテストするときは、より大きなペイロードを持つ一部のゲストプロファイルを渡すようにしてください。

意思決定モデルバリアントのデータシステムまたは人工知能コンポーネントの数を減らす - 意思決定モデルバリアントには2つのデータシステムおよび/または人工知能コンポーネントのみを含めることがベストプラクティスですが、さらに多くのコンポーネントをサポートできます。

キャンバス上でプログラム可能な決定の数を3つまたは4つに制限します。

意思決定モデルバリアントを構造化する際には、キャンバスの上部に最終的な意思決定が1つだけあり、送信要件フローがないことを確認します。

Combine programmable decisions - 2つのプログラム可能な決定を1つに組み合わせると、特に両方を同じデータの抽出に使用する場合に、パフォーマンスを向上させることができます。

デシジョン内のループの制限 - プログラム可能なデシジョンや、JavaScriptを入力として使用するデシジョンテーブルのループ数を制限すると、デシジョンモデルバリアントの実行速度が大幅に向上します。必要なデータを取得したら、breakまたはreturnステートメントを使用して、ループと関数を迅速に終了します。たとえば、ゲスト セッションで最新のページ ビューを検索する場合は、ページを見つけたらすぐに機能を終了します。

moment.jsライブラリに日付と時刻の形式が含まれている場合にのみ、プログラム可能な決定でロードします -moment.jsライブラリを使用すると、プログラム可能な決定で日付と時刻の形式を解析、検証、操作、および表示できます。

デシジョン・テーブルをリファクタリングしてサイズを縮小する - デシジョン・テーブルの行数と列数を減らすと、パフォーマンスが大幅に向上します。たとえば、ロジックの繰り返しは避けます。ルールでダッシュ (-) 記号を使用して条件を無視すると、複数の行を削除できる場合があります。