Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Feedback zu Insights geben

Mit Amazon Connect Decisions können Sie direkt über das Natural Language Interface (NLI) Feedback zu beliebigen Erkenntnissen geben — einschließlich Ergebnissen der Ursachenanalyse (RCA) und Empfehlungen, die für Erkenntnisse generiert wurden. Ihr Feedback hilft den Mitarbeitern von Amazon Connect Decisions, zu lernen und die Genauigkeit zukünftiger Analysen und Empfehlungen zu verbessern. Es gibt zwei Möglichkeiten, Feedback zu geben: Feedback in natürlicher Sprache im NLI und Up/Down Thumbs-Bewertungen zur Antwort des Agenten im NLI.

Jedes Feedback — sei es ein schneller Daumen up/down oder eine detaillierte Korrektur der natürlichen Sprache — wird von den Amazon Connect Decisions-Mitarbeitern als potenzielle Lernquelle bewertet. Qualifiziertes Feedback, das deterministisch, widersprüchlich und verallgemeinerbar ist, wird kuratiert und zu umsetzbaren Erkenntnissen zusammengefasst, die im Knowledge Store gespeichert werden. Im Laufe der Zeit verbessert Ihr Feedback die Genauigkeit von RCA und die Relevanz von Empfehlungen und reduziert den Bedarf an wiederholten Korrekturen, sodass Amazon Connect Decisions mit jeder Interaktion immer intelligenter wird.

Feedback in natürlicher Sprache

Sie können auch detailliertes, kontextspezifisches Feedback geben, indem Sie einfach Ihre Korrektur oder Beobachtung in das Feld Decisions Teammate/NLI eingeben. Dies ist ideal, wenn Sie erklären möchten, warum ein Ergebnis falsch ist, oder wenn Sie betriebliches Wissen weitergeben möchten, das der Mitarbeiter lernen sollte.

Beispiel: Sie überprüfen einen voraussichtlichen Warnhinweis/eine Bestandsaufnahme für elektronische Steckverbinder an Ihrem Standort in Frankfurt. Der Ursachenagent führt die Ursache auf einen Fehler bei der Bedarfsprognose zurück. Sie antworten über NLI:

„Die Hauptursache ist kein Prognosefehler — der Lieferant TP_00001 hat eine vertragliche Höchstbestellmenge von 291 Einheiten pro Bestellung festgelegt, und das System hat eine einzige Bestellung für 1.600 Einheiten generiert. Der Lieferant wird dies ablehnen. Teilen Sie die Bestellung in mehrere Bestellungen von 291 Einheiten oder weniger auf.“

Decisions Teamkollege antwortet: „Danke für die Korrektur. Ich habe die Grundursache aktualisiert, um die maximale Bestellmengenbeschränkung des Lieferanten widerzuspiegeln. Die Empfehlung wurde in Form von 6 geteilten POs (5 x 291 + 1 x 145 Einheiten) neu generiert. Diese Lieferantenbeschränkung wird auf alle future Empfehlungen für TP_00001 angewendet.“

Daumen hoch/Daumen runter Bewertungen

Jedes RCA-Ergebnis und jede Empfehlung, die im NLI angezeigt werden, enthalten die Optionen „Daumen hoch“ und „Daumen runter“. Verwenden Sie diese, um schnell zu signalisieren, ob die Ergebnisse des Agenten korrekt und hilfreich waren. Sie können einen Kommentar hinzufügen, um zusätzlichen Kontext bereitzustellen.

Sie erhalten beispielsweise eine Warnmeldung zu voraussichtlichen Lagerbeständen bzw. Informationen zu Laufschuhen in Ihrem Distributionszentrum im Nordosten. Der RCA Agent identifiziert die Hauptursache: „Die Lieferung von TP_00012 durch den Lieferanten verzögerte sich aufgrund der Überlastung des Hafens in Long Beach um 8 Tage, kombiniert mit einem Anstieg der Nachfrage um 22% aufgrund des bevorstehenden Boston-Marathons.“ Der Recommendation Agent schlägt vor: „Ordnen Sie 1.200 Einheiten von 6 Geschäften mit geringer Nachfrage im Südosten auf 9 Geschäfte mit hoher Nachfrage im Nordosten um.“

Sie heben den Daumen und fügen hinzu: „Genau richtig — die Verzögerung im Hafen und der Anstieg der Nachfrage im Marathon sind genau der Grund dafür. Gute Empfehlung.“

Decisions Teammate/NLI bestätigt: „Danke für die Bestätigung. Ihr Feedback stärkt das Vertrauen des RCA Agents, die Signale von Hafenunterbrechungen mit regionalen Nachfrageereignissen zu korrelieren, um future Bestandsanalysen durchführen zu können.“