Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Informazioni predittive (anteprima)
Predictive Insights (Preview) è una funzionalità di Amazon Connect Customer Profiles che utilizza l'intelligenza artificiale per generare consigli personalizzati su prodotti e contenuti per i tuoi clienti. Analizzando i dati sulle interazioni con i clienti, Predictive Insights ti aiuta a fornire esperienze più pertinenti in tutti i punti di contatto con i clienti.
Come funziona Predictive Insights
Predictive Insights (anteprima) utilizza modelli di intelligenza artificiale per analizzare i modelli di comportamento dei clienti e generare consigli in tempo reale. Il servizio elabora i dati di interazione con i clienti, come la cronologia degli acquisti e l'attività di navigazione, per identificare modelli e preferenze.
-
Passaggio 1: aggiungi dati di interazione ai profili utilizzando i connettori dati esistenti per addestrare i modelli di intelligenza artificiale con i dati di interazione con i clienti
-
Passaggio 2: aggiungi il catalogo degli articoli a S3 per consentire ai profili dei clienti di accedere ai dati degli articoli tramite il Console di gestione AWS
-
Fase 3: Crea consigli definendo i tipi di raccomandazione (articoli simili, articoli abbinati frequentemente, articoli popolari)
-
Fase 4: applica i consigli all'intero ecosistema Amazon Connect, inclusi gli agenti Agent Workspace, Flows e Connect AI
Prerequisiti
-
Abilita Data Store nei profili dei clienti
Per addestrare i modelli di intelligenza artificiale utilizzando i profili dei clienti, devi abilitare l'archivio dati. Per ulteriori informazioni, consulta i dettagli nella sezione Customer Profile Data Store.
-
KMS
Hai configurato i profili dei clienti per crittografare i tuoi dati in un AWS KMS key.
-
Profili di sicurezza
Hai configurato i profili di sicurezza per supportare le autorizzazioni Visualizza (elenca e visualizza informazioni predittive), Crea (crea consigli), Elimina (elimina consigli) e Modifica (aggiorna consigli) con Predictive Insights abilitato.
Vantaggi dell'utilizzo di Predictive Insights
L'utilizzo di Predictive Insights offre diversi vantaggi chiave:
-
Migliora l'esperienza dei clienti con consigli personalizzati
-
Aumenta le opportunità di vendita attraverso suggerimenti di prodotti pertinenti
-
Risparmia tempo agli agenti presentando automaticamente i consigli pertinenti
-
Fornisci consigli coerenti in tutti i punti di contatto con i clienti
-
Aggiorna i suggerimenti in tempo reale man mano che il comportamento dei clienti cambia
Considerazioni sui dati
Le sezioni seguenti forniscono indicazioni su come abbinare i casi d'uso e valutare la disponibilità dei dati per Predictive Insights.
Hai abbinato i tuoi casi d'uso a Predictive Insights?
I tipi di personalizzazione di Predictive Insights possono risolvere i seguenti casi d'uso:
-
Generazione di consigli personalizzati per un utente
-
Consigliare articoli simili o correlati
-
Consigliare articoli di tendenza o popolari
-
Riordinare gli articoli in base alla pertinenza
Disponi di dati sufficienti sulle interazioni tra gli articoli?
Per tutti i casi d'uso e i tipi di personalizzazione, è necessario disporre di almeno 1.000 interazioni tra elementi per 25 utenti unici con almeno due interazioni ciascuno. Per consigli sulla qualità, ti consigliamo di avere almeno 50.000 interazioni tra articoli da parte di almeno 1.000 utenti con due o più interazioni tra articoli ciascuna.
Disponi di un'architettura di streaming di eventi in tempo reale?
Se hai la possibilità di trasmettere eventi in tempo reale su Connect Customer Profiles, potrai sfruttare la personalizzazione in tempo reale. Con alcuni tipi di personalizzazione, Predictive Insights può imparare dalle attività più recenti degli utenti e aggiornare i consigli man mano che utilizzano l'applicazione.
I tuoi dati sono ottimizzati per Predictive Insights?
Ti consigliamo di verificare quanto segue nei tuoi dati:
-
Verifica la presenza di valori mancanti. È consigliabile che almeno il 70% dei record contenga dati per ogni attributo. Consigliamo di completare almeno il 70% delle colonne che consentono valori nulli.
-
Risolvi eventuali imprecisioni o problemi nei dati, ad esempio convenzioni di denominazione incoerenti, categorie duplicate per un elemento, mancate corrispondenze tra i set di dati o duplicati. IDs IDs Questi problemi possono influire negativamente sui consigli o portare a comportamenti imprevisti. Ad esempio, potresti avere entrambi i caratteri «N/A” and “Not Applicable” in your data, but filter out recommendations based on only “N/A». Gli elementi contrassegnati come «Non applicabile» non verranno rimossi dal filtro.
-
Se un elemento, un utente o un'azione può avere più categorie, ad esempio un film con più generi, combina i valori categorici in un attributo e separa ogni valore con l'operatore |. Ad esempio, i dati GENRES di un film potrebbero essere Azione | Avventura | Thriller.
-
Evita di avere più di 1000 categorie possibili per una colonna (a meno che la colonna non contenga dati solo a scopo di filtro).
