本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 預測洞見 （預覽） *Predictive Insights* （預覽） 是 Amazon Connect Customer Profiles 的一項功能，它使用人工智慧為您的客戶產生個人化產品和內容建議。透過分析客戶互動資料，Predictive Insights 可協助您在所有客戶接觸點中提供更相關的體驗。 ## Predictive Insights 的運作方式 Predictive Insights （預覽版） 使用 AI 模型來分析客戶行為模式並產生即時建議。服務會處理您的客戶互動資料，例如購買歷史記錄和瀏覽活動，以識別模式和偏好設定。 + **步驟 1：**使用現有資料連接器將互動資料新增至設定檔，以使用客戶互動資料訓練 AI 模型 + **步驟 2：**將項目目錄新增至 S3，以允許客戶設定檔透過 存取您的項目資料 AWS 管理主控台 + **步驟 3：**定義建議類型來建立建議 （類似項目、經常配對的項目、熱門項目） + **步驟 4：**將建議套用至 Amazon Connect 生態系統，包括客服人員工作區、流程和 Connect AI 客服人員 ## 先決條件 + **在客戶設定檔中啟用資料存放區** 若要使用客戶設定檔訓練 AI 模型，您需要啟用資料存放區。如需進一步了解，請參閱客戶設定檔資料存放區下的詳細資訊。 + **KMS** 您已設定客戶設定檔，以在 下加密您的資料 AWS KMS key。 + **安全設定檔** 您已將安全性設定檔設定為支援檢視 （列出和檢視預測洞察）、建立 （建立建議）、刪除 （刪除建議） 和編輯 （更新建議） 許可，並啟用預測洞察。 ## 使用 Predictive Insights 的優點 使用 Predictive Insights 提供幾個主要優點： + 透過個人化建議改善客戶體驗 + 透過相關產品建議增加銷售機會 + 透過自動顯示相關建議來節省客服人員的時間 + 在所有客戶接觸點之間提供一致的建議 + 當客戶行為變更時，即時更新建議 # 開始使用 Predictive Insights 若要開始使用 Predictive Insights，請遵循下列步驟： **Topics** + [步驟 1：將互動資料新增至客戶設定檔](#add-interaction-data) + [步驟 2：新增項目目錄資料](#add-item-catalog-data) + [步驟 3：建立預測性洞見](#create-predictive-insights) + [步驟 4：跨客戶互動管道使用預測洞見](#use-across-customer-engagement-channels) ## 步驟 1：將互動資料新增至客戶設定檔 您可以利用客戶設定檔中的現有資料連接器，將互動資料映射至標準 Web Analytics 物件。 如需詳細資訊，請參閱[Web Analytics 物件的物件類型映射](standard-loyalty-promotion-object-mapping-web-analytics.md)。 ## 步驟 2：新增項目目錄資料 您可以使用標準型錄資料來代表網域內目錄中的個別產品。此目錄資料存在於網域層級，且不會繫結至任何特定的客戶設定檔。它可作為您產品的結構化表示，可用於個人化功能。您可以使用資料連接器將您的產品或項目資訊作為網域物件匯入客戶設定檔，該資料連接器提供靈活的選項來擷取和維護目錄資訊，確保您的產品資料保持最新狀態並在系統中存取。 如需詳細資訊，請參閱[Item Catalog 的物件類型映射](standard-loyalty-promotion-object-mapping-item-catalog.md)。 ## 步驟 3：建立預測性洞見 Amazon Connect 可讓您建置和部署專為您特定產品建議需求量身打造的專用 AI 模型。這些模型可以透過 Connect Web UI 或以程式設計方式透過 APIs進行設定，以符合您的獨特商業案例。Predictive Insights 提供數種類型的建議： 1. **為您推薦** - 提供專為特定使用者量身打造的個人化建議。建議是根據使用者過去的行為，例如點擊流事件、購買事件、耗用的內容等。 1. **類似項目** - 使用生成式 AI 尋找主題上類似於目錄中現有項目的項目。它非常適合客戶想要為其使用者提供替代項目建議的進階銷售或替代使用案例。 1. **經常配對的項目** - 建議經常與目錄中現有項目互動的項目。它非常適合用於交叉銷售或補充項目建議使用案例。 1. **熱門項目 ** - 旨在建議使用者最常互動的項目。 1. **趨勢現在** - 建議在最近一段時間內參與度增加速度最大的項目。它旨在浮水印使用者互動中遇到病毒性的項目。 **注意** 預覽版提供使用 Predictive Insights 啟用 AI 模型。未來可能會套用其他定價。 **依建議類型列出的項目限制** 下表說明根據使用的建議類型，考慮產生建議的項目數量上限。 | **建議類型** | **Description** | **限制** | | --- | --- | --- | | 為您推薦 | 考慮進行預測性洞見的項目數量上限 | 4000 萬 | | 類似項目 | 考慮進行預測性洞見的項目數量上限 | 1，000 萬 | | 所有其他商業案例 | 考慮進行預測性洞見的項目數量上限 | 750，000 | ## 步驟 4：跨客戶互動管道使用預測洞見 ### 在連線流程中使用客戶設定檔建議 本節說明如何使用客戶設定檔 取得設定檔建議 流程區塊，透過即時產生設定檔的 AI 支援建議，來豐富聯絡期間的使用者體驗。 **流程區塊屬性** **取得設定檔建議**流程區塊有下列屬性可設定： 1. **設定檔 ID （必要）：** 此區塊需要設定檔 ID 才能運作。**取得設定檔建議**流程區塊會針對此處提供的設定檔 ID 產生建議。您可以選擇手動輸入設定檔 ID，或使用儲存在 屬性中的預先定義值。如果使用預先定義的值，請確定您使用先前的**取得設定檔**區塊來提供設定檔 ID 使用**取得設定檔**區塊來找出特定設定檔，然後再繼續在後續區塊中產生建議。 1. **建議者名稱 （必要）：** 此區塊需要建議者名稱才能運作。這是您要用來為指定設定檔 ID 產生建議的推薦者名稱。您只能使用作用中的推薦者來產生建議。 1. **最大結果 （必要）：** 為指定設定檔 ID 產生的建議數目上限。這範圍介於 1 到 3 個建議之間。 1. **建議屬性 （必要）：** 定義要保留在聯絡屬性中的建議回應屬性。 1. **項目 ID：** 這是提供作為額外內容的項目 ID，以為指定的設定檔 ID 產生建議。只有在使用「*類似項目」*或「*經常配對項目」*建議者類型時，才需要項目 ID。您可以選擇手動輸入設定檔 ID，或使用儲存在 屬性中的預先定義值。如果使用預先定義的值，請確定您使用前面的**取得計算屬性**區塊來提供項目 ID。使用**取得計算屬性**區塊，在繼續進行以在後續區塊中產生建議之前，找出特定項目 ID。 **流程區塊分支** **取得設定檔建議**流程區塊可以將聯絡人路由到下列分支： 1. **成功： ** 建議已成功針對提供的設定檔 ID 產生。選取的建議屬性會保留為 \$1.Customer.Recommendations 聯絡人屬性。 1. **錯誤：** 嘗試產生建議時發生錯誤。這可能是因為系統錯誤或**取得設定檔建議**區塊的設定方式所致。 1. **找不到：** 無法產生任何建議。 **使用 區塊的建議** 建議回應會保留至 \$1.Customer.Recommendations 聯絡屬性 JSONPath，做為建議物件的 JSON 清單。每個建議物件都會包含選取的**建議屬性**。 下列來自 Lambda 函數的範例 Python 程式碼片段示範如何使用它從**取得設定檔建議**區塊轉換建議，並保留到其他聯絡屬性中，以便在後續區塊中使用建議。 ``` import boto3 import json # Handle lambda request def lambda_handler(event, context): print("Contact flow data: ", event) # Transform recommendations recommendations = event['Details']['Parameters']['Recommendations'] contact_attributes = {} for i, rec in enumerate(recommendations): contact_attributes.update(flatten(rec, i)) # Set contact attributes using each recommendation attribute value print("Setting contact attributes: ", contact_attributes) try: client = boto3.client('connect', region_name="us-west-2") client.update_contact_attributes( InstanceId=event['Details']['ContactData']['InstanceARN'].rsplit('/', 1)[1], InitialContactId=event['Details']['ContactData']['InitialContactId'], Attributes=contact_attributes ) print("Contact attributes set successfully.") except Exception as e: print("Error setting contact attributes: ", e) # Success response return { 'statusCode': 200, 'body': json.dumps('Success') } # Flatten a nested object into a simple string:string object def flatten(recommendation, index): flat = {} for key, value in recommendation.items(): if isinstance(value, dict): flat.update(flatten(value, index)) else: flat[f"Rec{index}_{key}"] = str(value) return flat ``` 使用**取得設定檔建議**區塊設定流程後，您可以開始使用它，在客戶聯絡期間為客戶產生建議。 ### 在外撥行銷活動中使用客戶設定檔建議 您可以將 Predictive Insights 與 Amazon Connect 對外行銷活動整合，透過電子郵件和簡訊管道提供個人化的建議。當您建立事件觸發行銷活動時，您可以設定建議區段，為與行銷活動相關聯的客戶設定檔自動產生 AI 支援的建議。 此整合使用 Web Analytics 物件映射作為事件類別來擷取客戶互動資料，這可讓建議引擎根據客戶行為提供相關和有針對性的建議。 如需在事件觸發行銷活動中設定建議的step-by-step說明，請參閱 [使用事件觸發程序建立對外行銷活動](how-to-create-campaigns-using-event-triggers.md)。 ### 設定 Connect AI 代理器以取得銷售建議 Amazon Q in Connect 透過其新的「協調」代理程式類型來增強代理程式功能。此功能對於建立可提供項目建議的銷售 AI 代理程式特別有用，尤其適用於追加銷售和交叉銷售案例。 **入門** 若要開始實作，請存取 AWS 管理主控台 並導覽至 Amazon Connect。透過存取 URL 登入 Connect 執行個體後，從左側選單找到 Amazon Q，然後選取 AI 代理器。您可以在 AI 代理器下的 QiC 頁面上，找到預先設定的類型協調 (SalesAgent) 草稿狀態 AI 代理程式。此範本隨附 1P 工具的所有必要組態，以及建議的範例提示。 **建立您的自訂代理程式** 若要建立自訂銷售代理程式，請先建立新的協調類型 AI 代理程式，並從現有的 SalesAgent 範本複製。此程序會從範本將所有工具和組態傳輸到您的新代理程式。 **自訂 代理程式** 在更新客服人員的提示時，管理員有兩個主要選項。他們可以將現有的客服人員提示附加到銷售客服人員提示中，並新增追加銷售識別指示，也可以移除SalesAgent提示，並根據他們目前發布的客服人員建立新的協調提示，並將銷售客服人員提示新增至其中，以重新開始。此彈性允許量身打造的解決方案，以符合特定業務需求和網域需求。 **流程組態和整合** 完成代理程式組態並將其發佈後，下一個步驟涉及在流程下建立 Amazon Lex 機器人。傳入流程需要更新，以將 GetCustomerInput 區塊包含已建立的 Lex 機器人，而且應該在其他選項中選取新的 SalesAgent。您需要新增設定檔 ID 擷取的客戶設定檔流程區塊和設定聯絡屬性流程區塊，將設定檔 ID 和值的 CustomerId 設定為 \$1Customer.ProfileId 的金鑰。 實作支援聊天聯絡人和語音通話，客戶輸入無縫傳遞給 Lex 機器人上的 QIC 客服人員。此全方位設定可在 Amazon Connect 環境中啟用 AI 驅動的銷售建議和追加銷售機會。系統的彈性允許根據特定產業需求進行自訂，同時維持智慧型銷售協助的核心功能。此解決方案提供架構，可增強客戶與 AI 支援建議的互動，最終支援更有效的銷售和客戶服務操作。管理員可以透過新增特定網域的指示和自訂建議類型以符合其業務需求，進一步精簡實作。 ### 設定 SalesAgent 以用於客服人員協助 您可以設定 SalesAgent 以在客服人員工作區的 Q in Connect 聊天小工具中使用。若要這麼做，您需要修改 2 個主要項目。 1. 使用存取聯絡人文字記錄的指示更新 AIAgent 提示。 1. 在提示編輯器中開啟與 SalesAgent 相關聯的提示，並更新提示以新增指示，以存取可存取的聯絡人文字記錄` {{$.transcript}} ` 1. 以下是您可以附加到 SalesAgent 提示的範例提示。 ``` **IMPORTANT** **Guide on how to process requests and information:** - The messages section contains YOUR conversation with the customer service agent - Respond to the agent's questions/requests in the messages section - The transcript below is background information about the agent's conversation with their customer - Do not respond directly to the customer - you are helping the AGENT Background context from agent-customer conversation. The following transcript is for your information ONLY. Do not directly respond to messages in this conversation, but instead look at the messages section for what the agent requests you to do. IF YOU REFERENCE ANY INFORMATION FROM THIS SECTION: You should indicate so by saying "According to your conversation with the customer ..." {{$.transcript}} ``` 1. 使用新的提示版本更新 AIAgent，並使用此代理程式更新預設組態 → 代理程式協助使用案例。 **注意** 建議使用 2 種不同的自助式和客服人員協助銷售 AIAGent 使用案例，因為兩者都需要對提示進行細微修改。這可以透過複製代理程式並直接變更提示版本和更新預設組態來指向針對個別使用案例修正 AI 代理程式來完成 1. 更新聯絡來電流程。 1. 移除 GetCustomerInput 區塊，並改為新增 Connect 助理流程區塊 1. 使用 AIAssistant ARN 填入流程區塊組態，然後選取適當的 AIAGent。 現在，您可以使用此流程作為一般傳入，Q in Connect 聊天小工具應該能夠提供建議，以協助處理使用者的請求。 ## 資料考量事項 下列各節提供如何比對使用案例和評估 Predictive Insights 資料準備度的指引。 ### 您是否已將使用案例與 Predictive Insights 配對？ Predictive Insights 個人化類型可以解決下列使用案例： + 為使用者產生個人化建議 + 建議類似或相關的項目 + 建議趨勢或熱門項目 + 依相關性重新排序項目 ### 您有足夠的項目互動資料嗎？ 對於所有使用案例和個人化類型，您必須至少有 1，000 個項目互動給 25 個唯一使用者，每個使用者至少有兩個互動。對於品質建議，我們建議您從至少 1，000 個使用者至少有 50，000 個項目互動，每個使用者有兩個或更多項目互動。 ### 您是否有即時事件串流架構？ 如果您能夠將即時事件串流到 Connect Customer Profiles，您將能夠利用即時個人化。透過某些個人化類型，Predictive Insights 可以從使用者的最新活動中學習，並在使用者使用您的應用程式時更新建議。 ### 您的資料是否已針對 Predictive Insights 進行最佳化？ 我們建議您在資料中檢查下列項目： + 檢查是否有遺失值。我們建議至少 70% 的記錄具有每個屬性的資料。我們建議允許 Null 值至少完成 70% 的資料欄。 + 修正資料中的任何不正確或問題，例如命名慣例不一致、項目的重複類別、跨資料集的不相符 IDs 或重複 IDs。這些問題可能會對建議產生負面影響，或導致非預期的行為。例如，您的資料中可能同時有「N/A」和「不適用」，但僅根據「N/A」篩選掉建議。篩選條件不會移除標記為「不適用」的項目。 + 如果項目、使用者或動作可以有多個類別，例如具有多個類型的電影，請將分類值合併為一個屬性，並將每個值與 \$1 運算子分開。例如，電影的 GENRES 資料可能是動作 \$1 冒險 \$1 威脅。 + 避免資料欄的可能類別超過 1000 個 （除非資料欄包含僅供篩選之用的資料）。