翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Predictive Insights の使用を開始する

Predictive Insights の使用を開始するには、次の手順に従います。

ステップ 1: インタラクションデータを Customer Profiles に追加する

Customer Profiles の既存のデータコネクタを活用して、インタラクションデータを標準の Web Analytics Object にマッピングできます。

詳細については、「ウェブ分析オブジェクトのオブジェクトタイプマッピング」を参照してください。

ステップ 2: Item Catalog データを追加する

Standard Catalog データを使用して、ドメイン内のカタログ内の個々の製品を表すことができます。このカタログデータはドメインレベルに存在し、特定の顧客プロファイルには関連付けられていません。これは、パーソナライズ機能に活用できる製品の構造化された表現として機能します。カタログ情報を取り込んで維持するための柔軟なオプションを提供するデータコネクタを使用して、製品または項目情報をドメインオブジェクトとして Customer Profiles にインポートし、製品データをシステム内で最新に保ち、アクセスできるようにします。

詳細については、「Item Catalog のオブジェクトタイプマッピング」を参照してください。

ステップ 3: 予測インサイトを作成する

Amazon Connect を使用すると、特定の製品レコメンデーションのニーズに合わせた特殊な AI モデルを構築およびデプロイできます。これらのモデルは、Connect Web UI を介して設定することも、独自のビジネスシナリオに合わせて APIs を介してプログラムで設定することもできます。Predictive Insights には、いくつかのタイプのレコメンデーションが用意されています。

レコメンデーションタイプ別の項目の制限

次の表は、使用されるレコメンデーションタイプに応じて、レコメンデーション生成の対象となるアイテムの最大数を示しています。

ステップ 4: カスタマーエンゲージメントチャネル全体で Predictive Insights を使用する

Connect Flows での Customer Profile Recommendations の使用

このセクションでは、Customer Profiles Get profile recommendations フローブロックを使用して、プロファイルの AI を活用したレコメンデーションをリアルタイムで生成することで、問い合わせ中のユーザーエクスペリエンスを向上させる方法について説明します。

フローブロックのプロパティ

Get profile recommendations フローブロックには、設定する次のプロパティがあります。

フローブロックブランチ

プロファイルレコメンデーションの取得フローブロックは、問い合わせを次のブランチにルーティングできます。

ブロックからのレコメンデーションの使用

レコメンデーションレスポンスは、レコメンデーションオブジェクトの JSON リストとして $.Customer.Recommendations 問い合わせ属性 JSONPath に保持されます。各レコメンデーションオブジェクトには、選択したレコメンデーション属性が含まれます。

Lambda 関数の次のサンプル Python コードスニペットは、レコメンデーションをプロファイルレコメンデーションの取得ブロックから変換し、他の問い合わせ属性に保持して、レコメンデーションを後続のブロックで使用できるようにする方法を示しています。

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

プロファイルレコメンデーションの取得ブロックを使用してフローを設定したら、それを使用して、問い合わせ中に顧客向けのレコメンデーションを生成できます。

アウトバウンドキャンペーンでの Customer Profile Recommendations の使用

Predictive Insights を Amazon Connect アウトバウンドキャンペーンと統合して、E メールや SMS チャネルを通じてパーソナライズされたレコメンデーションを提供できます。イベントトリガーキャンペーンを作成するときに、キャンペーンに関連付けられた顧客プロファイルの AI を活用したレコメンデーションを自動的に生成するように、レコメンデーションセクションを設定できます。

この統合では、Web Analytics オブジェクトマッピングをイベントカテゴリとして使用して顧客とのインタラクションデータをキャプチャします。これにより、レコメンデーションエンジンは顧客の行動に基づいて関連性の高いターゲットを絞った提案を提供できます。

イベントトリガーキャンペーンでレコメンデーションを設定するstep-by-stepについては、「」を参照してくださいイベントトリガーを使用してアウトバウンドキャンペーンを作成する。

セールスレコメンデーション用の Connect AI エージェントのセットアップ

Amazon Q in Connect は、新しい「オーケストレーション」エージェントタイプを通じてエージェント機能を強化します。この機能は、アイテムのレコメンデーションを提供できるセールス AI エージェントの作成に特に役立ちます。特に、アップセルやクロスセルのシナリオで役立ちます。

ご利用開始にあたって

実装を開始するには、 にアクセスして Amazon Connect AWS マネジメントコンソール に移動します。アクセス URL を使用して Connect インスタンスにログインしたら、左側のメニューから Amazon Q を見つけ、AI エージェントを選択します。事前設定された AI Agent of Type Orchestration (SalesAgent) は、QiC ページの AI Agents の下書きステータスにあります。このテンプレートには、1P ツールに必要なすべての設定とレコメンデーションのプロンプト例が用意されています。

カスタムエージェントの作成

カスタム販売エージェントを作成するには、まずオーケストレーションタイプの新しい AI エージェントを作成し、既存の SalesAgent テンプレートからコピーします。このプロセスは、テンプレートから新しいエージェントにすべてのツールと設定を転送します。

エージェントをカスタマイズする

エージェントのプロンプトを更新する場合、管理者には 2 つの主要なオプションがあります。既存のエージェントプロンプトをセールスエージェントプロンプトに追加してアップセル識別手順を追加するか、SalesAgentプロンプトを削除して、現在公開されているエージェントに基づいて新しいオーケストレーションプロンプトを作成し、セールスエージェントプロンプトを追加することで、新しく開始できます。この柔軟性により、特定のビジネスニーズとドメイン要件に合ったカスタマイズされたソリューションが可能になります。

フロー設定と統合

エージェント設定を確定して公開した後、次のステップでは、Flows で Amazon Lex ボットを作成します。インバウンドフローを更新して、作成された Lex ボットに GetCustomerInput ブロックを含める必要があり、新しい SalesAgent を追加のオプションで選択する必要があります。プロファイル ID を取得するための Customer Profile フローブロックと Set-Contact Attributes フローブロックの両方を追加し、プロファイル ID と値のキーとして CustomerId を $Customer.ProfileId に設定する必要があります。

この実装では、チャット問い合わせと音声通話の両方がサポートされ、顧客入力が Lex ボットの QIC エージェントにシームレスに渡されます。この包括的なセットアップにより、Amazon Connect 環境内で AI 主導の販売レコメンデーションとアップセルの機会が可能になります。システムの柔軟性により、インテリジェントな販売支援のコア機能を維持しながら、特定の業界のニーズに基づいてカスタマイズできます。このソリューションは、AI を活用したレコメンデーションとの顧客とのインタラクションを強化し、最終的にはより効果的な販売およびカスタマーサービスオペレーションをサポートするためのフレームワークを提供します。管理者は、ドメイン固有の指示を追加し、ビジネス要件に合わせてレコメンデーションタイプをカスタマイズすることで、実装をさらに絞り込むことができます。

エージェントアシスタンスに使用する SalesAgent の設定

エージェントワークスペースの接続チャットウィジェットで Q 内で使用されるように SalesAgent を設定できます。そのためには、主に 2 つのモノを変更する必要があります。

これで、このフローを通常のインバウンドとして使用でき、Q in Connect チャットウィジェットはユーザーのリクエストに役立つレコメンデーションを提供できるようになります。