Contact Optimization opera suddividendo i contatti proposti in campioni secondari casuali di clienti chiamati "blocchi". Tutti i contatti proposti e la cronologia dei contatti appartenenti a un singolo cliente sono elaborati con tale cliente nel suo blocco di appartenenza. Un cliente può appartenere a un singolo blocco. L'accuratezza dell'algoritmo di ottimizzazione dipende dal fatto che questi blocchi siano statisticamente simili l'uno all'altro. Un blocco più grande ha più probabilità di soddisfare questo requisito. Le restrizioni della capacità che interessano più clienti sono equamente distribuite tra i blocchi. Ad esempio, la sessione Contact Optimization contiene una restrizione che specifica che è consentito un massimo di 1000 offerte A. Se la sessione Contact Optimization viene eseguita con 10 blocchi, ciascun blocco ha una regola di capacità che consente un massimo di 100 offerte A.

Si utilizza la variabile per regolare l'algoritmo di ottimizzazione CustomerSampleSize per impostare la dimensione massima di blocco. Più grande è il blocco e più accurati saranno i risultati. Si verifica tuttavia anche un aumento del runtime di sessione e delle risorse di memoria. Non utilizzare delle dimensioni di blocco superiori a 10.000 senza una attenta pianificazione. Molti sistemi non dispongono di sufficienti risorse di memoria per elaborare più di 10.000 clienti per volta. Questa mancanza di risorse di memoria causa un malfunzionamento dell'esecuzione della sessione Contact Optimization con un errore di memoria insufficiente. In molti casi, una dimensione di blocco più grande potrebbe non aumentare affatto l'efficacia della soluzione in modo evidente, richiedendo comunque per l'esecuzione più tempo e più memoria. L'efficacia viene misurata come la somma dei punteggi delle transazioni rimanenti nella tabella contatti ottimizzati. Potrebbe essere necessario regolare il valore di CustomerSampleSize sulla base di specifiche esigenze di prestazioni e problemi di ottimizzazione.

Per comprendere i casi in cui sono utilizzate le regole di capacità che interessano più clienti, è necessario comprendere in che modo tali regole sono applicate a più blocchi. Considerare un caso in cui c'è una singola regola di capacità # minimo/massimo di offerte con il minimo impostato a 20 e il massimo impostato a 1000 per l'email di canale. Se ci sono 100.000 clienti e una dimensione di blocco massima di 10.000, ogni blocco viene elaborato utilizzando una regola modificata dove il massimo è 100. Contact Optimization calcola il valore massimo della regola modificata dividendo il valore massimo della regola (1,000) per il numero di blocchi (10).

Una dimensione massima di blocco più piccola potrebbe causare la creazione di un numero maggiore di blocchi. Questa impostazione rende più probabile il fatto che una regola possa dipendere a qualche elemento (come ad esempio un canale email) meno numeroso del numero di blocchi. Se la dimensione del blocco è ridotta a 100 ci saranno 1000 blocchi. Ora, il minimo per la regola è inferiore al numero di blocchi, il che rende la regola modificata 0,02 (20 diviso per 1000). In questo caso, il 2% dei blocchi utilizza una regola con un minimo di 1 e il restante 98% dei blocchi utilizza un minimo di 0. A condizione che ogni blocco sia statisticamente simile per quanto riguarda l'email di canale, Contact Optimization elabora la regola come previsto. Un problema si verifica quando il numero di clienti ai quali vengono offerte delle email è inferiore a quello dei blocchi. Se le email sono offerte solo a 500 clienti, ogni blocco ha solo il 50% di probabilità di contenere un cliente al quale viene offerta una email. Inoltre, le probabilità che uno specifico blocco abbia sia un cliente al quale viene offerta una email sia una regola di minimo 1 è pari ad appena l'1%. Invece si soddisfare il minimo specificato di 20, Contact Optimization restituisce solo 5, in media.