Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Memulai dengan Predictive Insights
Untuk mulai menggunakan Prediktif Wawasan, ikuti langkah-langkah berikut:
Topik
Langkah 1: Menambahkan data Interaksi ke Profil Pelanggan
Anda dapat menggunakan konektor data yang ada di Profil Pelanggan untuk memetakan data interaksi ke Objek Analisis Web standar.
Untuk informasi selengkapnya, lihat Pemetaan tipe objek untuk analisis web standar.
Langkah 2: Menambahkan data Katalog Item
Anda dapat mewakili produk individual dalam katalog Anda dalam domain menggunakan data Katalog Standar. Data katalog ini ada di tingkat domain dan tidak terikat dengan profil pelanggan tertentu. Ini berfungsi sebagai representasi terstruktur dari produk Anda yang dapat dimanfaatkan untuk fitur personalisasi. Anda dapat mengimpor informasi produk atau item sebagai objek domain ke Profil Pelanggan menggunakan konektor data yang menyediakan opsi fleksibel untuk menelan dan memelihara informasi katalog Anda, memastikan data produk Anda tetap terkini dan dapat diakses di dalam sistem.
Untuk informasi selengkapnya, lihat Pemetaan tipe objek untuk Katalog Item.
Langkah 3: Membuat Wawasan Prediktif
Dengan Connect Customer, Anda dapat membangun dan menerapkan model AI khusus yang disesuaikan dengan kebutuhan rekomendasi produk spesifik Anda. Model-model ini dapat dikonfigurasi melalui UI Connect Web atau secara terprogram melalui API untuk mencocokkan skenario bisnis unik Anda. Predictive Insights menawarkan beberapa jenis rekomendasi:
-
Direkomendasikan untuk Anda - memberikan rekomendasi yang dipersonalisasi yang disesuaikan dengan pengguna tertentu. Rekomendasi didasarkan pada perilaku pengguna sebelumnya seperti peristiwa clickstream, acara pembelian, konten yang dikonsumsi, dan sebagainya.
-
Item serupa - menggunakan AI generatif untuk menemukan item yang secara tematis mirip dengan item yang ada di katalog. Ini sangat ideal untuk kasus penggunaan upselling atau substitusi di mana pelanggan ingin memberikan rekomendasi item alternatif kepada pengguna mereka.
-
Item yang sering dipasangkan - merekomendasikan item yang sering berinteraksi bersama dengan item yang ada di katalog. Ini sangat ideal untuk kasus penggunaan rekomendasi item penjualan silang atau pelengkap.
-
Item populer - dirancang untuk merekomendasikan item yang paling sering berinteraksi dengan pengguna.
-
Tren sekarang - merekomendasikan item dengan peningkatan kecepatan keterlibatan terbesar selama periode waktu terakhir. Ini dirancang untuk menampilkan item yang mengalami viralitas dalam interaksi pengguna.
catatan
Mengaktifkan model AI dengan Prediktif Wawasan tersedia di bawah pratinjau. Harga tambahan mungkin berlaku di masa mendatang.
Batas Item berdasarkan Jenis Rekomendasi
Tabel berikut menjelaskan jumlah maksimum item yang dipertimbangkan untuk pembuatan rekomendasi, tergantung pada jenis rekomendasi yang digunakan.
Jenis Rekomendasi |
Deskripsi |
Batasi |
|---|---|---|
Direkomendasikan untuk Anda |
Jumlah maksimum item yang dipertimbangkan untuk wawasan prediktif |
40 juta |
Item serupa |
Jumlah maksimum item yang dipertimbangkan untuk wawasan prediktif |
10 juta |
Semua skenario bisnis lainnya |
Jumlah maksimum item yang dipertimbangkan untuk wawasan prediktif |
750.00 |
Langkah 4: Menggunakan Wawasan Prediktif di seluruh saluran keterlibatan pelanggan
Menggunakan Rekomendasi Profil Pelanggan di Connect Flows
Bagian ini menjelaskan cara menggunakan blok alur Profil Pelanggan Dapatkan rekomendasi profil untuk memperkaya pengalaman pengguna selama kontak dengan AI-powered membuat rekomendasi untuk profil secara real-time.
Properti Blok Aliran
Blo k alur rekomendasi Get profile memiliki properti berikut untuk dikonfigurasi:
-
ID Profil (wajib):
ID Profil diperlukan agar blok ini berfungsi. Blok alur Dapatkan rekomendasi profil menghasilkan rekomendasi untuk ID Profil yang disediakan di sini. Anda memiliki opsi untuk memasukkan ID Profil secara manual atau menggunakan nilai yang telah ditentukan sebelumnya yang disimpan dalam atribut. Jika menggunakan nilai yang telah ditentukan sebelumnya, pastikan Anda memberikan ID Profil dengan menggunakan blok Get profil sebelumnya Gunakan blok Dapatkan profil untuk menentukan profil tertentu sebelum melanjutkan untuk menghasilkan rekomendasi di blok berikutnya.
-
Nama pemberi rekomendasi (wajib):
Nama pemberi rekomendasi diperlukan agar blok ini berfungsi. Ini adalah nama pemberi rekomendasi yang ingin Anda gunakan untuk menghasilkan rekomendasi untuk ID Profil yang diberikan. Anda hanya dapat menggunakan pemberi rekomendasi yang aktif untuk menghasilkan rekomendasi.
-
Hasil maksimal (wajib):
Jumlah maksimum rekomendasi yang akan dihasilkan untuk ID Profil yang diberikan. Ini dapat berkisar antara 1 hingga 3 rekomendasi.
-
Atribut rekomendasi (wajib):
Tentukan atribut respon rekomendasi mana yang akan tetap ada di atribut kontak.
-
Item ID:
Ini adalah ID Item yang disediakan sebagai konteks tambahan untuk menghasilkan rekomendasi untuk ID Profil yang diberikan. ID Item hanya diperlukan saat menggunakan jenis rekomendasi “I tem serupa” atau “Item yang sering dipas angkan”. Anda memiliki opsi untuk memasukkan ID Profil secara manual atau menggunakan nilai yang telah ditentukan sebelumnya yang disimpan dalam atribut. Jika menggunakan nilai yang telah ditentukan sebelumnya, pastikan Anda memberikan ID Item dengan menggunakan blok G et atribut sebelumnya. Gunakan blok Dapatkan atribut yang dihitung untuk menentukan ID Item tertentu sebelum bergerak maju untuk menghasilkan rekomendasi di blok berikutnya.
Cabang Blok Aliran
Blok alur Dapatkan rekomendasi profil dapat merutekan kontak ke cabang berikut:
-
Sukses:
Rekomendasi berhasil dibuat untuk ID Profil yang disediakan. Atribut rekomendasi yang dipilih dipertahankan ke atribut kontak $. Customer.Recommendations.
-
Kesalahan:
Terjadi kesalahan saat mencoba menghasilkan rekomendasi. Ini mungkin karena kesalahan sistem atau bagaimana blok rekomendasi profil Dapatkan dikonfigurasi.
-
Tidak Ditemukan:
Tidak ada rekomendasi yang dapat dihasilkan.
Menggunakan Rekomendasi dari blok
Respons rekomendasi dipertahankan ke $. Customer.Recommendationsatribut kontak JSONPath sebagai daftar JSON objek rekomendasi. Setiap objek rekomendasi akan berisi atribut Rekomendasi yang dipilih.
Contoh cuplikan kode Python berikut dari fungsi Lambda menunjukkan bagaimana hal itu dapat digunakan untuk mengubah rekomendasi dari blok Dapatkan rekomendasi profil dan bertahan menjadi atribut kontak lain sehingga rekomendasi dapat digunakan di blok berikutnya.
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
Setelah mengatur alur Anda dengan blok Dapatkan rekomendasi profil, Anda dapat mulai menggunakannya untuk menghasilkan rekomendasi untuk pelanggan Anda selama kontak mereka.
Menggunakan Rekomendasi Profil Pelanggan dalam Kampanye Outbound
Anda dapat mengintegrasikan Prediktif Wawasan dengan kampanye outbound Connect Customer untuk memberikan rekomendasi yang dipersonalisasi melalui saluran email dan SMS. Saat membuat kampanye yang dipicu peristiwa, Anda dapat mengonfigurasi bagian Rekomendasi untuk secara otomatis menghasilkan AI-powered rekomendasi untuk profil pelanggan yang terkait dengan kampanye.
Integrasi ini menggunakan pemetaan objek Analisis Web sebagai kategori acara untuk menangkap data interaksi pelanggan, yang memungkinkan mesin rekomendasi memberikan saran yang relevan dan bertarget berdasarkan perilaku pelanggan.
Untuk petunjuk langkah demi langkah tentang mengonfigurasi rekomendasi dalam kampanye yang dipicu peristiwa, lihat. Membuat kampanye keluar menggunakan pemicu acara
Menyiapkan Connect AI Agents untuk Rekomendasi Penjualan
Amazon Q in Connect meningkatkan kemampuan agen melalui jenis Agen “Orkestrasi” yang baru. Fungsi ini sangat berharga untuk membuat Agen AI Penjualan yang dapat memberikan rekomendasi item, terutama berguna dalam skenario upsell dan cross-sell.
Memulai
Untuk memulai implementasi, akses Konsol Manajemen AWS dan navigasikan ke Connect Customer. Setelah masuk ke instance Connect Anda melalui URL Akses, cari Amazon Q dari panel navigasi kiri dan pilih agen AI. Anda akan menemukan Agen AI Type Orchestration (SalesAgent) yang telah dikonfigurasi sebelumnya dalam status draf di halaman QiC di bawah Agen AI. Template ini dilengkapi dengan semua konfigurasi yang diperlukan untuk alat 1P dan contoh petunjuk untuk rekomendasi.
Membuat Agen Khusus Anda
Untuk membuat Agen Penjualan khusus, mulailah dengan membuat Agen AI baru dari Jenis Orkestrasi dan salin dari SalesAgent template yang ada. Proses ini mentransfer semua alat dan konfigurasi dari template ke agen baru Anda.
Menyesuaikan Agen
Dalam hal memperbarui prompt agen, administrator memiliki dua opsi utama. Mereka dapat menambahkan prompt agen yang ada ke Prompt Agen Penjualan dan menambahkan instruksi identifikasi upsell, atau mereka dapat memulai dari awal dengan menghapus SalesAgent prompt dan membuat prompt Orchestration baru berdasarkan Agen yang diterbitkan saat ini dan menambahkan prompt agen penjualan ke dalamnya. Fleksibilitas ini memungkinkan solusi khusus yang sesuai dengan kebutuhan bisnis dan persyaratan domain tertentu.
Konfigurasi dan Integrasi Aliran
Setelah menyelesaikan konfigurasi agen dan menerbitkannya, langkah selanjutnya melibatkan pembuatan bot Amazon Lex di bawah Flows. Aliran masuk perlu diperbarui untuk menyertakan GetCustomerInput blok dengan bot Lex yang dibuat. Yang baru SalesAgent harus dipilih dalam opsi tambahan. Anda perlu menambahkan blok alur Profil Pelanggan untuk pengambilan ID profil dan blok aliran Set-Contact Atribut, menetapkan CustomerId sebagai kunci untuk ID profil dan nilai sebagai $Customer.ProfileId.
Implementasi ini mendukung kontak obrolan dan panggilan suara, dengan masukan pelanggan yang diteruskan dengan mulus ke agen QIC pada bot Lex. Pengaturan komprehensif ini memungkinkan rekomendasi AI-driven penjualan dan peluang peningkatan penjualan dalam lingkungan Connect Customer Anda. Fleksibilitas sistem memungkinkan penyesuaian berdasarkan kebutuhan industri tertentu sambil mempertahankan fungsionalitas inti dari bantuan penjualan cerdas. Solusi ini menyediakan kerangka kerja untuk meningkatkan interaksi pelanggan dengan AI-powered rekomendasi, yang pada akhirnya mendukung operasi penjualan dan layanan pelanggan yang lebih efektif. Administrator dapat lebih menyempurnakan implementasi dengan menambahkan instruksi khusus domain dan menyesuaikan jenis rekomendasi agar sesuai dengan kebutuhan bisnis mereka.
Mengkonfigurasi SalesAgent untuk digunakan untuk Bantuan Agen
Anda dapat mengonfigurasi SalesAgent untuk digunakan dalam widget obrolan Q in connect di Agent Workspace. Untuk melakukannya, Anda perlu memodifikasi 2 hal utama.
-
Perbarui prompt AIAgent dengan instruksi untuk mengakses transkrip kontak.
-
Buka prompt yang terkait dengan editor SalesAgent in Prompt dan perbarui prompt untuk menambahkan instruksi untuk mengakses transkrip kontak yang dapat diakses oleh
<conversation>{{$.transcript}}</conversation> -
Di bawah ini adalah contoh prompt yang dapat Anda tambahkan ke SalesAgent prompt.
**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 ..." <conversation> {{$.transcript}} </conversation> -
Perbarui AIAgent dengan versi prompt baru dan perbarui konfigurasi Default → kasus penggunaan Bantuan Agen dengan agen ini.
catatan
Disarankan untuk memiliki 2 kasus penggunaan Sales AIAgent untuk Layanan Mandiri dan Bantuan Agen yang berbeda karena keduanya memerlukan modifikasi kecil pada prompt. Dan ini dapat dilakukan dengan mengkloning agen dan cukup mengubah versi prompt dan memperbarui konfigurasi default untuk menunjuk ke Agen AI yang benar untuk kasus penggunaan masing-masing
-
-
Perbarui aliran masuk kontak.
-
Hapus GetCustomerInput blok dan tambahkan blok aliran asisten Connect sebagai gantinya
-
Isi konfigurasi blok aliran dengan AIAssistant ARN dan pilih AIAgent yang sesuai.
-
Sekarang Anda dapat menggunakan alur ini sebagai inbound reguler Anda dan widget obrolan Q in connect harus dapat memberikan rekomendasi untuk membantu permintaan pengguna.