本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 預測洞見 （預覽）
*Predictive Insights* （預覽） 是 Amazon Connect Customer Profiles 的一項功能，它使用人工智慧為您的客戶產生個人化產品和內容建議。透過分析客戶互動資料，Predictive Insights 可協助您在所有客戶接觸點中提供更相關的體驗。
## Predictive Insights 的運作方式
Predictive Insights （預覽） 使用 AI 模型來分析客戶行為模式並產生即時建議。服務會處理您的客戶互動資料，例如購買歷史記錄和瀏覽活動，以識別模式和偏好設定。
+ **步驟 1：**使用現有資料連接器將互動資料新增至設定檔，以使用客戶互動資料訓練 AI 模型
+ **步驟 2：**將項目目錄新增至 S3，以允許客戶設定檔透過 存取您的項目資料 AWS 管理主控台
+ **步驟 3：**定義建議類型來建立建議 （類似項目、經常配對的項目、熱門項目）
+ **步驟 4：**將建議套用至 Connect Customer 生態系統，包括客服人員工作區、流程和 Connect AI 客服人員
## 先決條件
+ **在客戶設定檔中啟用資料存放區**
若要使用客戶設定檔訓練 AI 模型，您需要啟用資料存放區。如需進一步了解，請參閱客戶設定檔資料存放區下的詳細資訊。
+ **KMS**
您已將客戶設定檔設定為在 下加密您的資料 AWS KMS key。
+ **安全設定檔**
您已將安全性設定檔設定為支援檢視 （列出和檢視預測洞察）、建立 （建立建議）、刪除 （刪除建議） 和編輯 （更新建議） 許可，並啟用預測洞察。
## 使用 Predictive Insights 的優點
使用 Predictive Insights 提供幾個主要優點：
+ 透過個人化建議改善客戶體驗
+ 透過相關產品建議增加銷售機會
+ 透過自動浮現相關建議來節省客服人員的時間
+ 在所有客戶接觸點之間提供一致的建議
+ 當客戶行為變更時，即時更新建議
## 資料考量事項
下列各節提供如何比對使用案例和評估 Predictive Insights 資料準備度的指引。
### 您是否已將使用案例與 Predictive Insights 配對？
Predictive Insights 個人化類型可以解決下列使用案例：
+ 產生使用者的個人化建議
+ 建議類似或相關的項目
+ 建議趨勢或熱門項目
+ 依相關性重新排序項目
### 您有足夠的項目互動資料嗎？
對於所有使用案例和個人化類型，您必須至少有 1，000 個項目互動給 25 個唯一使用者，每個使用者至少有兩個互動。對於品質建議，我們建議您從至少 1，000 個使用者中至少有 50，000 個項目互動，每個使用者有兩個或更多項目互動。
### 您是否有即時事件串流架構？
如果您能夠將即時事件串流到 Connect Customer Profiles，您將能夠利用即時個人化。在某些個人化類型中，Predictive Insights 可以從使用者的最新活動中學習，並在他們使用您的應用程式時更新建議。
### 您的資料是否已針對 Predictive Insights 進行最佳化？
我們建議您在資料中檢查下列項目：
+ 檢查是否有遺失值。我們建議至少 70% 的記錄具有每個屬性的資料。我們建議允許 null 值的資料欄至少完成 70%。
+ 修正資料中的任何不正確或問題，例如不一致的命名慣例、項目的重複類別、跨資料集的不相符 IDs 或重複 IDs。這些問題可能會對建議產生負面影響，或導致非預期的行為。例如，您的資料中可能同時有「N/A」和「不適用」，但僅根據「N/A」篩選掉建議。篩選條件不會移除標示為「不適用」的項目。
+ 如果項目、使用者或動作可以有多個類別，例如具有多個類型的電影，請將分類值合併為一個屬性，並將每個值與 \| 運算子分開。例如，電影的 GENRES 資料可能是動作 \| 冒險 \| 威脅。
+ 避免資料欄有超過 1000 個可能類別 （除非資料欄包含僅供篩選之用的資料）。