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。

開始使用 Predictive Insights

若要開始使用 Predictive Insights，請遵循下列步驟：

步驟 1：將互動資料新增至客戶設定檔

您可以利用客戶設定檔中的現有資料連接器，將互動資料映射至標準 Web Analytics 物件。

如需詳細資訊，請參閱Web Analytics 物件的物件類型映射。

步驟 2：新增項目目錄資料

您可以使用標準型錄資料來代表網域內目錄中的個別產品。此目錄資料存在於網域層級，且不會繫結至任何特定的客戶設定檔。它可作為您產品的結構化表示，可用於個人化功能。您可以使用資料連接器將您的產品或項目資訊作為網域物件匯入客戶設定檔，該資料連接器提供靈活的選項來擷取和維護目錄資訊，確保您的產品資料保持最新狀態並在系統中存取。

如需詳細資訊，請參閱Item Catalog 的物件類型映射。

步驟 3：建立預測性洞見

Amazon Connect 可讓您建置和部署專為您特定產品建議需求量身打造的專用 AI 模型。這些模型可以透過 Connect Web UI 或以程式設計方式透過 APIs進行設定，以符合您的獨特商業案例。Predictive Insights 提供數種類型的建議：

依建議類型列出的項目限制

下表說明根據使用的建議類型，考慮產生建議的項目數量上限。

步驟 4：跨客戶互動管道使用預測洞見

在連線流程中使用客戶設定檔建議

本節說明如何使用客戶設定檔 取得設定檔建議 流程區塊，透過即時產生設定檔的 AI 支援建議，來豐富聯絡期間的使用者體驗。

流程區塊屬性

取得設定檔建議流程區塊有下列屬性可設定：

流程區塊分支

取得設定檔建議流程區塊可以將聯絡人路由到下列分支：

使用 區塊的建議

建議回應會保留至 $.Customer.Recommendations 聯絡屬性 JSONPath，做為建議物件的 JSON 清單。每個建議物件都會包含選取的建議屬性。

下列來自 Lambda 函數的範例 Python 程式碼片段示範如何使用它從取得設定檔建議區塊轉換建議，並保留到其他聯絡屬性中，以便在後續區塊中使用建議。

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

使用取得設定檔建議區塊設定流程後，您可以開始使用它，在客戶聯絡期間為客戶產生建議。

在外撥行銷活動中使用客戶設定檔建議

您可以將 Predictive Insights 與 Amazon Connect 對外行銷活動整合，透過電子郵件和簡訊管道提供個人化的建議。當您建立事件觸發行銷活動時，您可以設定建議區段，為與行銷活動相關聯的客戶設定檔自動產生 AI 支援的建議。

此整合使用 Web Analytics 物件映射作為事件類別來擷取客戶互動資料，這可讓建議引擎根據客戶行為提供相關和有針對性的建議。

如需在事件觸發行銷活動中設定建議的step-by-step說明，請參閱 使用事件觸發程序建立對外行銷活動。

設定 Connect AI 代理器以取得銷售建議

Amazon Q in Connect 透過其新的「協調」代理程式類型來增強代理程式功能。此功能對於建立可提供項目建議的銷售 AI 代理程式特別有用，尤其適用於追加銷售和交叉銷售案例。

入門

若要開始實作，請存取 AWS 管理主控台 並導覽至 Amazon Connect。透過存取 URL 登入 Connect 執行個體後，從左側選單找到 Amazon Q，然後選取 AI 代理器。您可以在 AI 代理器下的 QiC 頁面上，找到預先設定的類型協調 (SalesAgent) 草稿狀態 AI 代理程式。此範本隨附 1P 工具的所有必要組態，以及建議的範例提示。

建立您的自訂代理程式

若要建立自訂銷售代理程式，請先建立新的協調類型 AI 代理程式，並從現有的 SalesAgent 範本複製。此程序會從範本將所有工具和組態傳輸到您的新代理程式。

自訂 代理程式

在更新客服人員的提示時，管理員有兩個主要選項。他們可以將現有的客服人員提示附加到銷售客服人員提示中，並新增追加銷售識別指示，也可以移除SalesAgent提示，並根據他們目前發布的客服人員建立新的協調提示，並將銷售客服人員提示新增至其中，以重新開始。此彈性允許量身打造的解決方案，以符合特定業務需求和網域需求。

流程組態和整合

完成代理程式組態並將其發佈後，下一個步驟涉及在流程下建立 Amazon Lex 機器人。傳入流程需要更新，以將 GetCustomerInput 區塊包含已建立的 Lex 機器人，而且應該在其他選項中選取新的 SalesAgent。您需要新增設定檔 ID 擷取的客戶設定檔流程區塊和設定聯絡屬性流程區塊，將設定檔 ID 和值的 CustomerId 設定為 $Customer.ProfileId 的金鑰。

實作支援聊天聯絡人和語音通話，客戶輸入無縫傳遞給 Lex 機器人上的 QIC 客服人員。此全方位設定可在 Amazon Connect 環境中啟用 AI 驅動的銷售建議和追加銷售機會。系統的彈性允許根據特定產業需求進行自訂，同時維持智慧型銷售協助的核心功能。此解決方案提供架構，可增強客戶與 AI 支援建議的互動，最終支援更有效的銷售和客戶服務操作。管理員可以透過新增特定網域的指示和自訂建議類型以符合其業務需求，進一步精簡實作。

設定 SalesAgent 以用於客服人員協助

您可以設定 SalesAgent 以在客服人員工作區的 Q in Connect 聊天小工具中使用。若要這麼做，您需要修改 2 個主要項目。

現在，您可以使用此流程作為一般傳入，Q in Connect 聊天小工具應該能夠提供建議，以協助處理使用者的請求。