Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Commencez avec Predictive Insights

Pour commencer à utiliser Predictive Insights, procédez comme suit :

Étape 1 : ajout de données d'interaction dans les profils clients

Vous pouvez tirer parti des connecteurs de données existants dans les profils clients pour mapper les données d'interactions dans un objet d'analyse Web standard.

Pour de plus amples informations, veuillez consulter Mappage du type d'objet pour Web Analytics Object.

Étape 2 : ajout des données du catalogue d'articles

Vous pouvez représenter les produits individuels de votre catalogue au sein du domaine à l'aide des données du catalogue standard. Les données de ce catalogue existent au niveau du domaine et ne sont liées à aucun profil client spécifique. Il s'agit d'une représentation structurée de vos produits qui peut être exploitée pour des fonctionnalités de personnalisation. Vous pouvez importer les informations de votre produit ou article sous forme d'objets de domaine dans les profils clients à l'aide de connecteurs de données qui fournissent des options flexibles pour l'ingestion et la gestion des informations de votre catalogue, garantissant ainsi que les données de vos produits restent à jour et accessibles dans le système.

Pour de plus amples informations, veuillez consulter Cartographie des types d'objets pour le catalogue d'articles.

Étape 3 : Création d'informations prédictives

Amazon Connect vous permet de créer et de déployer des modèles d'IA spécialisés adaptés à vos besoins spécifiques en matière de recommandation de produits. Ces modèles peuvent être configurés via l'interface utilisateur Web Connect ou par programmation APIs pour correspondre à vos scénarios commerciaux uniques. Predictive Insights propose plusieurs types de recommandations :

Limites d'articles par type de recommandation

Le tableau suivant décrit le nombre maximum d'éléments pris en compte pour la génération de recommandations, en fonction du type de recommandation utilisé.

Étape 4 : Utilisation de Predictive Insights sur les canaux d'engagement client

Utilisation des recommandations relatives au profil client dans Connect Flows

Cette section décrit comment vous pouvez utiliser le bloc de flux Profils clients Obtenir des recommandations de profil pour enrichir l'expérience utilisateur lors d'un contact en générant des recommandations basées sur l'IA pour un profil en temps réel.

Propriétés du bloc de flux

Le bloc de flux Get profile recommendations possède les propriétés suivantes à configurer :

Branches Flow Block

Le bloc de flux Obtenir des recommandations de profil peut acheminer les contacts vers les branches suivantes :

Utilisation des recommandations du bloc

La réponse aux recommandations est conservée dans l'attribut de contact $.Customer.Recommendations JSONPath sous forme de liste JSON d'objets de recommandation. Chaque objet de recommandation contiendra les attributs de recommandation sélectionnés.

L'exemple d'extrait de code Python suivant issu d'une fonction Lambda montre comment il peut être utilisé pour transformer les recommandations du bloc Get profile recommendations et les conserver dans d'autres attributs de contact afin que les recommandations puissent être utilisées dans les blocs suivants.

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

Une fois que vous avez configuré votre flux avec le bloc Obtenir des recommandations de profil, vous pouvez commencer à l'utiliser pour générer des recommandations pour vos clients lors de leurs contacts.

Utilisation des recommandations relatives au profil client dans les campagnes sortantes

Vous pouvez intégrer Predictive Insights aux campagnes sortantes Amazon Connect afin de fournir des recommandations personnalisées par e-mail et SMS. Lorsque vous créez une campagne déclenchée par un événement, vous pouvez configurer la section Recommandations pour générer automatiquement des recommandations basées sur l'IA pour les profils clients associés à la campagne.

Cette intégration utilise le mappage d'objets Web Analytics comme catégorie d'événements pour capturer les données d'interaction avec les clients, ce qui permet au moteur de recommandation de fournir des suggestions pertinentes et ciblées en fonction du comportement du client.

Pour step-by-step obtenir des instructions sur la configuration des recommandations dans le cadre de campagnes déclenchées par des événements, consultez. Création d’une campagne sortante à l’aide de déclencheurs d’événements

Configuration des agents Connect AI pour les recommandations commerciales

Amazon Q in Connect améliore les capacités des agents grâce à son nouveau type d'agent « d'orchestration ». Cette fonctionnalité est particulièrement utile pour créer un agent commercial basé sur l'intelligence artificielle capable de fournir des recommandations d'articles, particulièrement utiles dans les scénarios de vente incitative et de vente croisée.

Prise en main

Pour commencer la mise en œuvre, accédez au AWS Management Console et naviguez jusqu'à Amazon Connect. Après vous être connecté à votre instance Connect via l'URL d'accès, recherchez Amazon Q dans le menu de gauche et sélectionnez AI agents. Vous trouverez un agent AI préconfiguré de type Orchestration (SalesAgent) à l'état de brouillon sur la page QiC sous Agents IA. Ce modèle est fourni avec toutes les configurations nécessaires pour les outils 1P et des exemples d'instructions pour les recommandations.

Création de votre agent personnalisé

Pour créer un agent commercial personnalisé, commencez par créer un nouvel agent AI de type orchestration et copiez-le à partir du SalesAgent modèle existant. Ce processus transfère tous les outils et configurations du modèle à votre nouvel agent.

Personnalisation de l'agent

Lorsqu'il s'agit de mettre à jour l'invite de l'agent, les administrateurs disposent de deux options principales. Ils peuvent soit ajouter leur invite d'agent existante à l'invite d'agent commercial et ajouter des instructions d'identification de vente incitative, soit repartir à zéro en supprimant l' SalesAgent invite et en créant une nouvelle invite d'orchestration basée sur leur agent publié actuel et en y ajoutant l'invite de l'agent commercial. Cette flexibilité permet de proposer des solutions sur mesure qui répondent aux besoins spécifiques de l'entreprise et aux exigences du domaine.

Configuration et intégration des flux

Après avoir finalisé la configuration de l'agent et l'avoir publiée, l'étape suivante consiste à créer un bot Amazon Lex sous Flows. Le flux entrant doit être mis à jour pour inclure le GetCustomerInput bloc avec le bot Lex créé, et le nouveau SalesAgent doit être sélectionné dans les options supplémentaires. Vous devrez ajouter à la fois le bloc de flux Customer Profile pour la récupération de l'ID de profil et le bloc de flux Set-Contact Attributes, en définissant CustomerId comme clé pour l'ID de profil et la valeur comme $Customer. ProfileId.

L'implémentation prend en charge à la fois les contacts par chat et les appels vocaux, les informations du client étant transmises facilement à l'agent QIC sur le robot Lex. Cette configuration complète permet des recommandations commerciales basées sur l'IA et des opportunités de ventes incitatives au sein de votre environnement Amazon Connect. La flexibilité du système permet une personnalisation en fonction des besoins spécifiques du secteur tout en conservant les fonctionnalités de base de l'assistance commerciale intelligente. Cette solution fournit un cadre permettant d'améliorer les interactions avec les clients grâce à des recommandations basées sur l'IA, afin de soutenir des opérations de vente et de service client plus efficaces. Les administrateurs peuvent affiner davantage la mise en œuvre en ajoutant des instructions spécifiques au domaine et en personnalisant les types de recommandations en fonction de leurs besoins commerciaux.

Configuration SalesAgent à utiliser pour l'assistance des agents

Vous pouvez configurer le SalesAgent à utiliser dans le widget de chat Q in connect dans Agent Workspace. Pour ce faire, vous devez modifier 2 éléments principaux.

Vous pouvez désormais utiliser ce flux comme flux entrant habituel et le widget de chat Q in connect devrait être en mesure de fournir des recommandations pour aider à répondre à la demande de l'utilisateur.