本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 预测性见解（预览版）
<a name="customer-profiles-predictive-insights"></a>

*预测见解*（预览）是 Amazon Connect 客户档案的一项功能，它使用人工智能为您的客户生成个性化的产品和内容推荐。通过分析客户互动数据，Predictive Insights 可帮助您在所有客户接触点上提供更相关的体验。

## 预测见解的工作原理
<a name="predictive-insights-how-it-works"></a>

预测见解（预览版）使用 AI 模型来分析客户行为模式并生成实时建议。该服务会处理您的客户互动数据，例如购买历史记录和浏览活动，以识别模式和偏好。
+ **第 1 步：**使用现有数据连接器向配置文件添加交互数据，使用客户互动数据训练 AI 模型 
+ **第 2 步：**向 S3 添加商品目录以允许客户档案通过访问您的商品数据 AWS 管理控制台
+ **第 3 步：**通过定义推荐类型（相似项目、经常配对的项目、热门项目）来创建推荐 
+ **第 4 步：**在整个 Amazon Connect 生态系统中应用建议，包括代理工作区、Flows 和 Connect 人工智能代理 

## 先决条件
<a name="predictive-insights-prereqs"></a>
+ **在客户资料中启用数据存储**

  要使用客户档案训练 AI 模型，您需要启用数据存储。要了解更多信息，请参阅 “客户资料数据存储” 下的详细信息。
+ **KMS**

  您已将客户资料配置为在 a 下对您的数据进行加密 AWS KMS key。
+ **安全配置文件**

  您已将安全配置文件配置为支持查看（列出和查看预测性见解）、创建（创建推荐）、删除（删除推荐）和编辑（更新推荐）权限，并启用预测见解。

## 使用预测性见解的好处
<a name="predictive-insights-benefits"></a>

使用预测见解可以带来以下几个主要好处：
+ 通过个性化推荐改善客户体验
+ 通过相关的产品建议增加销售机会
+ 通过自动显示相关建议来节省代理时间
+ 在所有客户接触点提供一致的建议
+ 随着客户行为的变化，实时更新建议

## 数据注意事项
<a name="data-considerations"></a>

以下各节提供了有关如何匹配用例和评估预测见解的数据准备情况的指导。

### 您是否将自己的用例与预测见解进行了匹配？
<a name="data-consideration-1"></a>

预测见解个性化类型可以解决以下用例：
+ 为用户生成个性化建议
+ 推荐类似或相关物品
+ 推荐趋势或热门物品
+ 按相关性对项目重新排序

### 您是否有足够的物品交互数据？
<a name="data-consideration-2"></a>

对于所有用例和个性化类型，您必须与 25 位独立用户进行至少 1,000 次项目互动，每位用户至少有两次互动。为获得高质量的建议，我们建议您至少有 1000 名用户的最少 5 万次物品交互，每位用户有两次或更多次物品交互。

### 您是否有实时事件流式传输架构？
<a name="data-consideration-3"></a>

如果您能够将实时事件流式传输到 Connect 客户档案，则可以利用实时个性化功能。通过某些个性化类型，Predictive Insights 可以从用户的最新活动中学习，并在他们使用您的应用程序时更新推荐。

### 您的数据是否针对预测性见解进行了优化？
<a name="data-consideration-4"></a>

我们建议您在数据中检查以下内容：
+ 检查是否缺失值。我们建议至少 70% 的记录包含每个属性的数据。我们建议允许空值的列的填写率至少为 70%。
+ 修复数据中的任何不准确或问题，例如命名惯例不一致、项目类别重复、数据集 IDs 间不匹配或重复 IDs。这些问题可能会对建议产生负面影响或导致意外行为。例如，你可能同时有 “N/A” and “Not Applicable” in your data, but filter out recommendations based on only “N/A”。标记为“不适用”的物品不会被筛选器删除。
+ 如果一个物品、用户或操作可以有多个类别（例如一部电影有多种类型），请将分类值合并到一个属性中，并使用 \| 运算符分隔每个值。例如，电影的 GENRES 数据可能是动作 \| 冒险 \| 惊悚片。
+ 避免为一列设置超过 1000 个可能的类别（除非该列包含仅用于筛选目的的数据）。