As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Insights preditivos (versão prévia)
O Predictive Insights (Preview) é um recurso do Amazon Connect Customer Profiles que usa inteligência artificial para gerar recomendações personalizadas de produtos e conteúdos para seus clientes. Ao analisar os dados de interação com o cliente, o Predictive Insights ajuda você a fornecer experiências mais relevantes em todos os pontos de contato com o cliente.
Como funciona o Predictive Insights
O Predictive Insights (versão prévia) usa modelos de IA para analisar os padrões de comportamento do cliente e gerar recomendações em tempo real. O serviço processa seus dados de interação com o cliente, como histórico de compras e atividade de navegação, para identificar padrões e preferências.
-
Etapa 1: adicione dados de interação aos perfis usando conectores de dados existentes para treinar modelos de IA com seus dados de interação com o cliente
-
Etapa 2: Adicione o catálogo de itens ao S3 para permitir que os perfis de clientes acessem seus dados de itens por meio do Console de gerenciamento da AWS
-
Etapa 3: Crie recomendações definindo tipos de recomendação (itens semelhantes, itens frequentemente emparelhados, itens populares)
-
Etapa 4: aplicar recomendações em todo o ecossistema Amazon Connect, incluindo agentes Agent Workspace, Flows e Connect AI
Pré-requisitos
-
Ativar armazenamento de dados em perfis de clientes
Para treinar modelos de IA usando seus perfis de cliente, você precisa ativar o armazenamento de dados. Veja os detalhes em Armazenamento de dados do perfil do cliente para saber mais.
-
KMS
Você configurou os Perfis de Cliente para criptografar seus dados sob um AWS KMS key.
-
Perfis de segurança
Você configurou os Perfis de Segurança para suportar as permissões Exibir (listar e visualizar insights preditivos), Criar (criar recomendações), Excluir (excluir recomendações) e Editar (atualizar recomendações) com os Insights preditivos ativados.
Benefícios do uso do Predictive Insights
O uso do Predictive Insights oferece vários benefícios importantes:
-
Melhore a experiência do cliente com recomendações personalizadas
-
Aumente as oportunidades de vendas por meio de sugestões de produtos relevantes
-
Economize tempo do agente exibindo automaticamente recomendações relevantes
-
Forneça recomendações consistentes em todos os pontos de contato com o cliente
-
Atualize as sugestões em tempo real à medida que o comportamento do cliente muda
Considerações sobre dados
As seções a seguir fornecem orientação sobre como combinar casos de uso e avaliar a prontidão dos dados para o Predictive Insights.
Você combinou seus casos de uso com o Predictive Insights?
Os tipos de personalização do Predictive Insights podem abordar os seguintes casos de uso:
-
Como gerar recomendações personalizadas para um usuário
-
Recomendação de itens similares ou relacionados
-
Recomendação de itens populares ou com tendência alta
-
Reordenando itens por relevância
Você tem dados de interações com itens suficientes?
Para todos os casos de uso e tipos de personalização, você deve ter no mínimo 1.000 interações de itens para 25 usuários exclusivos com pelo menos duas interações cada. Para obter recomendações de qualidade, o ideal é que você tenha, no mínimo, cinquenta mil interações com itens de, pelo menos, mil usuários com duas ou mais interações com itens cada.
Você tem uma arquitetura de streaming de eventos em tempo real?
Se você puder transmitir eventos em tempo real para o Connect Customer Profiles, poderá aproveitar a personalização em tempo real. Com alguns tipos de personalização, o Predictive Insights pode aprender com a atividade mais recente do usuário e atualizar as recomendações à medida que ele usa seu aplicativo.
Seus dados estão otimizados para o Predictive Insights?
Recomendamos que você verifique o seguinte nos seus dados:
-
Verifique se algo está faltando. Recomendamos que no mínimo 70% dos seus registros tenham dados de cada atributo. Recomendamos que as colunas que aceitem valores nulos estejam pelo menos 70% completas.
-
Corrija quaisquer imprecisões ou problemas em seus dados, como convenções de nomenclatura inconsistentes, categorias duplicadas para um item, incompatibilidade IDs entre conjuntos de dados ou duplicação. IDs Esses problemas podem afetar negativamente as recomendações ou causar um comportamento inesperado. Por exemplo, você pode ter os dois “N/A” and “Not Applicable” in your data, but filter out recommendations based on only “N/A”. Os itens marcados como “Não aplicável” não seriam barrados pelo filtro.
-
Se um item ou uma ação puder ter várias categorias, como um filme com vários gêneros, combine os valores de categoria em um único atributo e separe cada valor com o operador |. Por exemplo, os dados de GÊNEROS de um filme podem ser Ação | Aventura | Suspense.
-
Evite ter mais de 1.000 categorias possíveis para uma coluna (a menos que a coluna contenha dados apenas para filtragem).
