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.

Beginnen Sie mit Predictive Insights

Gehen Sie wie folgt vor, um mit der Nutzung von Predictive Insights zu beginnen:

Schritt 1: Hinzufügen von Interaktionsdaten zu Kundenprofilen

Sie können die vorhandenen Datenkonnektoren in Kundenprofilen nutzen, um Interaktionsdaten einem standardmäßigen Web Analytics-Objekt zuzuordnen.

Weitere Informationen finden Sie unter Zuordnung des Objekttyps für ein Web Analytics-Objekt.

Schritt 2: Artikelkatalogdaten hinzufügen

Sie können einzelne Produkte in Ihrem Katalog innerhalb der Domain mithilfe von Standardkatalogdaten darstellen. Diese Katalogdaten existieren auf Domainebene und sind nicht an ein bestimmtes Kundenprofil gebunden. Sie dienen als strukturierte Darstellung Ihrer Produkte, die für Personalisierungsfunktionen genutzt werden kann. Sie können Ihre Produkt- oder Artikelinformationen als Domänenobjekte in Kundenprofile importieren, indem Sie Datenkonnektoren verwenden, die flexible Optionen für die Erfassung und Verwaltung Ihrer Kataloginformationen bieten und sicherstellen, dass Ihre Produktdaten aktuell und innerhalb des Systems zugänglich bleiben.

Weitere Informationen finden Sie unter Objekttyp-Zuordnung für den Artikelkatalog.

Schritt 3: Predictive Insights erstellen

Mit Amazon Connect können Sie spezielle KI-Modelle erstellen und einsetzen, die auf Ihre spezifischen Produktempfehlungsanforderungen zugeschnitten sind. Diese Modelle können entweder über die Connect-Weboberfläche oder programmgesteuert konfiguriert werden, APIs um sie an Ihre individuellen Geschäftsszenarien anzupassen. Predictive Insights bietet verschiedene Arten von Empfehlungen:

Schritt 4: Nutzung von Predictive Insights auf allen Kanälen zur Kundenbindung

Empfehlungen für Kundenprofile in Connect Flows verwenden

In diesem Abschnitt wird beschrieben, wie Sie den Ablaufblock Kundenprofile abrufen Profilempfehlungen abrufen verwenden können, um die Benutzererfahrung während eines Kontakts zu verbessern, indem KI-gestützte Empfehlungen für ein Profil in Echtzeit generiert werden.

Eigenschaften von Flow-Blocks

Der Flow-Block „Profilempfehlungen abrufen“ verfügt über die folgenden Eigenschaften, die konfiguriert werden müssen:

Zweige des Flow Blocks

Der Flow-Block „Profilempfehlungen abrufen“ kann Kontakte über die folgenden Zweige weiterleiten:

Empfehlungen aus dem Block verwenden

Die Antwort auf Empfehlungen wird im Kontaktattribut $.Customer.Recommendations JSONPath als JSON-Liste von Empfehlungsobjekten gespeichert. Jedes Empfehlungsobjekt enthält die ausgewählten Empfehlungsattribute.

Der folgende Python-Codeausschnitt aus einer Lambda-Funktion zeigt, wie er verwendet werden kann, um Empfehlungen aus dem Block Get profile recommendations zu transformieren und in andere Kontaktattribute beizubehalten, sodass die Empfehlungen in nachfolgenden Blöcken verwendet werden können.

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

Sobald Sie Ihren Flow mit dem Block „Profilempfehlungen abrufen“ eingerichtet haben, können Sie ihn verwenden, um Empfehlungen für Ihre Kunden während ihrer Kontakte zu generieren.

Connect AI-Agenten für Verkaufsempfehlungen einrichten

Amazon Q in Connect erweitert die Agentenfunktionen durch seinen neuen Agententyp „Orchestration“. Diese Funktion ist besonders nützlich für die Einrichtung eines AI-Vertriebsagenten, der Artikelempfehlungen geben kann. Dies ist besonders nützlich in Upselling- und Cross-Selling-Szenarien.

Erste Schritte

Um mit der Implementierung zu beginnen, greifen Sie auf Amazon Connect zu AWS-Managementkonsole und navigieren Sie zu Amazon Connect. Nachdem Sie sich über die Zugriffs-URL bei Ihrer Connect-Instance angemeldet haben, suchen Sie im Menü auf der linken Seite nach Amazon Q und wählen Sie AI-Agenten aus. Auf der QiC-Seite unter AI Agents finden Sie einen vorkonfigurierten AI-Agenten vom Typ Orchestration (SalesAgent) im Entwurfsstatus. Diese Vorlage enthält alle erforderlichen Konfigurationen für 1P-Tools und enthält Beispielaufforderungen für Empfehlungen.

Ihren benutzerdefinierten Agenten erstellen

Um einen benutzerdefinierten Vertriebsagenten zu erstellen, erstellen Sie zunächst einen neuen AI-Agenten vom Typ Orchestration und kopieren Sie ihn aus der vorhandenen SalesAgent Vorlage. Bei diesem Vorgang werden alle Tools und Konfigurationen aus der Vorlage auf Ihren neuen Agenten übertragen.

Den Agenten anpassen

Wenn es darum geht, die Eingabeaufforderung des Agenten zu aktualisieren, haben Administratoren zwei Hauptoptionen. Sie können entweder ihre bestehende Agentenaufforderung an die Eingabeaufforderung für Vertriebsmitarbeiter anhängen und Anweisungen zur Upselling-Identifizierung hinzufügen, oder sie können neu beginnen, indem sie die SalesAgent Aufforderung entfernen und eine neue Orchestrierungsaufforderung erstellen, die auf ihrem aktuell veröffentlichten Agenten basiert, und ihr die Vertriebsmitarbeiter-Aufforderung hinzufügen. Diese Flexibilität ermöglicht maßgeschneiderte Lösungen, die auf spezifische Geschäftsanforderungen und Domänenanforderungen zugeschnitten sind.

Konfiguration und Integration von Abläufen

Nachdem Sie die Agentenkonfiguration abgeschlossen und veröffentlicht haben, besteht der nächste Schritt darin, einen Amazon Lex Lex-Bot unter Flows zu erstellen. Der eingehende Flow muss aktualisiert werden, sodass er den GetCustomerInput Block mit dem erstellten Lex-Bot enthält, und der neue Block SalesAgent sollte in zusätzlichen Optionen ausgewählt werden. Sie müssen sowohl den Flow-Block Kundenprofil für den Abruf der Profil-ID als auch den Flow-Block Set-Contact Attributes hinzufügen, wobei Sie CustomerId als Schlüssel für die Profil-ID und den Wert $Customer festlegen müssen. ProfileId.

Die Implementierung unterstützt sowohl Chat-Kontakte als auch Sprachanrufe, wobei Kundeneingaben nahtlos an den QIC-Agenten auf dem Lex-Bot weitergeleitet werden. Dieses umfassende Setup ermöglicht KI-gestützte Verkaufsempfehlungen und Upselling-Möglichkeiten in Ihrer Amazon Connect Connect-Umgebung. Die Flexibilität des Systems ermöglicht eine Anpassung an spezifische Branchenanforderungen unter Beibehaltung der Kernfunktionen der intelligenten Verkaufsunterstützung. Diese Lösung bietet einen Rahmen für die Verbesserung der Kundeninteraktionen mit KI-gestützten Empfehlungen und unterstützt so letztlich effektivere Vertriebs- und Kundendienstabläufe. Administratoren können die Implementierung weiter verfeinern, indem sie domänenspezifische Anweisungen hinzufügen und die Empfehlungstypen an ihre Geschäftsanforderungen anpassen.

Konfiguration SalesAgent zur Verwendung für die Agentenunterstützung

Sie können das so konfigurieren SalesAgent , dass es im Chat-Widget Q in Connect in Agent Workspace verwendet wird. Dazu müssen Sie im Wesentlichen zwei Dinge ändern.

Jetzt können Sie diesen Flow als Ihren regulären Posteingang verwenden, und das Q in Connect-Chat-Widget sollte in der Lage sein, Empfehlungen zur Bearbeitung von Benutzeranfragen zu geben.