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.

Comience con Predictive Insights

Para empezar a usar Predictive Insights, sigue estos pasos:

Paso 1: Añadir datos de interacción a los perfiles de los clientes

Puede utilizar los conectores de datos existentes en los perfiles de los clientes para asignar los datos de las interacciones a un objeto de análisis web estándar.

Para obtener más información, consulte Mapeo de tipos de objetos para el análisis web estándar.

Paso 2: Añadir datos al catálogo de artículos

Puedes representar los productos individuales de tu catálogo dentro del dominio utilizando los datos del catálogo estándar. Estos datos del catálogo existen a nivel de dominio y no están vinculados a ningún perfil de cliente específico. Sirve como una representación estructurada de sus productos que se puede aprovechar para funciones de personalización. Puedes importar la información de tus productos o artículos como objetos de dominio a los perfiles de los clientes mediante conectores de datos que ofrecen opciones flexibles para incorporar y mantener la información de tu catálogo, garantizando que los datos de tus productos permanezcan actualizados y accesibles en el sistema.

Para obtener más información, consulte Asignación de tipos de objetos para el catálogo de artículos.

Paso 3: Crear información predictiva

Con Connect Customer, puede crear e implementar modelos de IA especializados que se adapten a sus necesidades específicas de recomendación de productos. Estos modelos se pueden configurar a través de la interfaz de usuario web de Connect o mediante programación mediante API para adaptarse a sus escenarios empresariales únicos. Predictive Insights ofrece varios tipos de recomendaciones:

Límites de artículos por tipo de recomendación

En la siguiente tabla se describe el número máximo de artículos considerados para la generación de recomendaciones, según el tipo de recomendación utilizado.

Paso 4: Uso de Predictive Insights en todos los canales de interacción con los clientes

Uso de las recomendaciones de perfiles de clientes en Connect Flows

En esta sección, se describe cómo puedes usar el bloque de flujo «Obtén recomendaciones de perfiles de clientes» para enriquecer la experiencia del usuario durante un contacto mediante la generación de AI-powered recomendaciones para un perfil en tiempo real.

Propiedades del bloque de flujo

El bloque de flujo Obtener recomendaciones de perfil tiene las siguientes propiedades para configurar:

Ramas del bloque de flujo

El bloque de flujo Obtener recomendaciones de perfil puede dirigir los contactos a las siguientes ramas:

Uso de las recomendaciones del bloque

La respuesta a las recomendaciones se mantiene en $. Customer.Recommendationspóngase en contacto con el atributo JSONPath como una lista JSON de objetos de recomendación. Cada objeto de recomendación contendrá los atributos de recomendación seleccionados.

En el siguiente fragmento de código de Python de una función de Lambda, se muestra cómo se puede usar para transformar las recomendaciones del bloque Obtener recomendaciones de perfil y conservarlas en otros atributos de contacto, de modo que las recomendaciones se puedan usar en los bloques siguientes.

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

Una vez que hayas configurado tu flujo con el bloque Obtener recomendaciones de perfil, puedes empezar a usarlo para generar recomendaciones para tus clientes durante sus contactos.

Cómo utilizar las recomendaciones de perfiles de clientes en las campañas salientes

Puede integrar Predictive Insights con las campañas salientes de Connect Customer para ofrecer recomendaciones personalizadas a través de los canales de correo electrónico y SMS. Al crear una campaña activada por eventos, puede configurar la sección de recomendaciones para generar AI-powered automáticamente recomendaciones para los perfiles de clientes asociados a la campaña.

Esta integración utiliza el mapeo de objetos de la analítica web como categoría de evento para capturar los datos de interacción con los clientes, lo que permite al motor de recomendaciones ofrecer sugerencias relevantes y específicas en función del comportamiento de los clientes.

Para obtener instrucciones paso a paso sobre cómo configurar las recomendaciones en las campañas activadas por eventos, consulte. Creación de una campaña saliente con activadores de eventos

Configurar los agentes de Connect AI para las recomendaciones de ventas

Amazon Q in Connect mejora las capacidades de los agentes mediante su nuevo tipo de agente de «orquestación». Esta funcionalidad es especialmente valiosa para crear un agente de ventas con inteligencia artificial que pueda ofrecer recomendaciones de artículos, lo que resulta especialmente útil en situaciones de ventas adicionales y cruzadas.

Introducción

Para comenzar la implementación, acceda a Connect Customer Consola de administración de AWS y navegue hasta allí. Tras iniciar sesión en la instancia de Connect a través de la URL de acceso, localice Amazon Q en el panel de navegación izquierdo y seleccione los agentes de IA. Encontrará un agente de IA preconfigurado de tipo Orchestration (SalesAgent) en estado de borrador en la página de QiC, en AI Agents. Esta plantilla incluye todas las configuraciones necesarias para las herramientas de 1P y ejemplos de instrucciones para hacer recomendaciones.

Creación de su agente personalizado

Para crear un agente de ventas personalizado, comience por crear un nuevo agente de IA del tipo de orquestación y cópielo de la SalesAgent plantilla existente. Este proceso transfiere todas las herramientas y configuraciones de la plantilla a su nuevo agente.

Personalización del agente

Cuando se trata de actualizar el aviso del agente, los administradores tienen dos opciones principales. Pueden añadir su aviso de agente actual al aviso del agente de ventas y añadir instrucciones para identificar las ventas adicionales, o pueden empezar de cero eliminando el SalesAgent aviso y creando uno nuevo de Orchestration basado en su agente publicado actualmente y añadiendo al mismo el aviso del agente de ventas. Esta flexibilidad permite la creación de soluciones personalizadas que se adaptan a las necesidades empresariales y a los requisitos del dominio específicos.

Configuración e integración de flujos

Tras finalizar la configuración del agente y publicarla, el siguiente paso consiste en crear un bot de Amazon Lex en Flows. El flujo entrante debe actualizarse para incluir el GetCustomerInput bloque con el bot Lex creado. El nuevo SalesAgent debe seleccionarse en las opciones adicionales. Tendrás que añadir tanto el bloque de flujo del perfil del cliente para recuperar el identificador del perfil como el bloque de flujo de Set-Contact atributos, configurándolo CustomerId como clave para el identificador del perfil y el valor como $Customer.ProfileId.

La implementación admite tanto los contactos de chat como las llamadas de voz, y las entradas del cliente pasan sin problemas al agente de QIC del bot Lex. Esta completa configuración permite ofrecer recomendaciones AI-driven de ventas y oportunidades de ventas adicionales en su entorno de Connect Customer. La flexibilidad del sistema permite la personalización en función de las necesidades específicas de la industria y, al mismo tiempo, mantiene la funcionalidad principal de la asistencia de ventas inteligente. Esta solución proporciona un marco para mejorar las interacciones con los clientes con las AI-powered recomendaciones y, en última instancia, respaldar las operaciones de ventas y servicio al cliente más eficaces. Los administradores pueden perfeccionar aún más la implementación añadiendo instrucciones específicas para cada dominio y personalizando los tipos de recomendaciones para adaptarlos a sus requisitos empresariales.

Configuración SalesAgent para su uso en la asistencia a los agentes

Puede configurarlo SalesAgent para que se utilice en el widget de chat Q in connect de Agent Workspace. Para hacerlo, debe modificar dos cosas principales.

Ahora puede utilizar este flujo como su flujo entrante habitual y el widget de chat de Q in connect debería poder ofrecer recomendaciones para ayudar a los usuarios a responder a la solicitud.