Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Predictive Insights (versión preliminar)
Predictive Insights (versión preliminar) es una función de los perfiles de clientes de Amazon Connect que utiliza inteligencia artificial para generar recomendaciones personalizadas de productos y contenido para sus clientes. Al analizar los datos de interacción con los clientes, Predictive Insights le ayuda a ofrecer experiencias más relevantes en todos los puntos de contacto con los clientes.
Cómo funciona Predictive Insights
Predictive Insights (versión preliminar) utiliza modelos de IA para analizar los patrones de comportamiento de los clientes y generar recomendaciones en tiempo real. El servicio procesa los datos de interacción con los clientes, como el historial de compras y la actividad de navegación, para identificar patrones y preferencias.
-
Paso 1: Añada datos de interacción a los perfiles utilizando los conectores de datos existentes para entrenar los modelos de IA con los datos de interacción con los clientes
-
Paso 2: Añada el catálogo de artículos a S3 para permitir que los perfiles de los clientes accedan a los datos de sus artículos a través del Consola de administración de AWS
-
Paso 3: Cree recomendaciones definiendo los tipos de recomendaciones (artículos similares, artículos emparejados con frecuencia, artículos populares)
-
Paso 4: Aplicar recomendaciones en todo el ecosistema de Amazon Connect, incluidos los agentes Agent Workspace, Flows y Connect AI
Requisitos previos
-
Habilite el almacenamiento de datos en los perfiles de los clientes
Para entrenar modelos de IA con los perfiles de sus clientes, debe habilitar el almacenamiento de datos. Consulte los detalles en el almacén de datos de perfiles de clientes para obtener más información.
-
KMS
Ha configurado los perfiles de cliente para cifrar sus datos en un AWS KMS key.
-
Perfiles de seguridad
Ha configurado los perfiles de seguridad para que admitan los permisos de visualización (lista y visualización de información predictiva), creación (creación de recomendaciones), eliminación (eliminación de recomendaciones) y edición (actualización de recomendaciones) con la información predictiva habilitada.
Ventajas de usar Predictive Insights
El uso de Predictive Insights ofrece varios beneficios clave:
-
Mejore la experiencia del cliente con recomendaciones personalizadas
-
Aumente las oportunidades de venta mediante sugerencias de productos relevantes
-
Ahorre tiempo a los agentes publicando automáticamente las recomendaciones pertinentes
-
Ofrezca recomendaciones coherentes en todos los puntos de contacto con los clientes
-
Actualice las sugerencias en tiempo real a medida que cambie el comportamiento de los clientes
Consideraciones sobre los datos
Las siguientes secciones proporcionan orientación sobre cómo combinar los casos de uso y evaluar la preparación de los datos para Predictive Insights.
¿Ha adaptado sus casos de uso a Predictive Insights?
Los tipos de personalización de Predictive Insights pueden abordar los siguientes casos de uso:
-
Generar recomendaciones personalizadas para un usuario
-
Recomendar elementos similares o relacionados
-
Recomendar elementos populares o de moda
-
Reordenar los elementos por relevancia
¿Tiene suficientes datos de interacciones de elementos?
Para todos los casos de uso y tipos de personalización, debes tener al menos 1000 interacciones entre artículos para 25 usuarios únicos con al menos dos interacciones cada uno. Para obtener recomendaciones de calidad, le sugerimos que tenga al menos 50 000 interacciones de elementos de al menos 1000 usuarios, con dos o más interacciones de elementos cada uno.
¿Cuenta con una arquitectura de streaming de eventos en tiempo real?
Si tiene la capacidad de transmitir eventos en tiempo real a Connect Customer Profiles, podrá aprovechar la personalización en tiempo real. Con algunos tipos de personalización, Predictive Insights puede aprender de la actividad más reciente de sus usuarios y actualizar las recomendaciones a medida que utilizan su aplicación.
¿Están sus datos optimizados para Predictive Insights?
Le recomendamos que compruebe lo siguiente en sus datos:
-
Compruebe si faltan valores. Recomendamos que un mínimo del 70 % de sus registros contenga datos para cada atributo. Recomendamos que las columnas que permiten valores nulos estén completas al menos en un 70 %.
-
Corrija cualquier imprecisión o problema en sus datos, como convenciones de nomenclatura incoherentes, categorías duplicadas para un elemento, discrepancias IDs entre conjuntos de datos o duplicados. IDs Estos problemas pueden afectar negativamente a las recomendaciones o generar un comportamiento inesperado. Por ejemplo, es posible que tenga ambos caracteres «»N/A” and “Not Applicable” in your data, but filter out recommendations based on only “N/A. El filtro no tendría en cuenta los elementos marcados como “No aplicable”.
-
Si un elemento, usuario o acción puede tener varias categorías, como una película con varios géneros, combine los valores categóricos en un atributo y separe cada valor con el operador |. Por ejemplo, los datos de GÉNEROS de una película pueden ser Acción | Aventura | Thriller.
-
Evite tener más de 1000 categorías posibles para una columna (a menos que la columna contenga datos únicamente con fines de filtrado).
