Проактивни препоръки

Поискахте персонализирани препоръки за проактивна поддръжка, за да ви дадат възможност да постигнете повече. Ние се справихме.

Както е показано по-долу, персонализираните препоръки преминават от механизма за прогнозни проактивни препоръки чрез цифровите изживявания на центъра за услуги директно към вас – клиента. Взаимодействията на потребителите, случаите на реактивна поддръжка и потреблението на съдържание, генериращи обратна връзка, се връщат обратно в машината, за да подобрят препоръките ви.

Нашата визия за проактивни препоръки включва:

• Обслужване на препоръки, базирани на действия и IP адреси, специфични за потребителско и клиентско съдържание (лицензионен отпечатък, случаи на реактивна поддръжка, семинари и оценки)
• Препоръките трябва да включват Каталога на услугите и MS Learn
• Предоставяне на персонализирани и подходящи за контекста препоръки в центъра за услуги
• Препоръките се предоставят в реално време, без да се отразява на производителността върху цялостното дигитално изживяване

Какви услуги се препоръчват?

Механизмът за прогнозни проактивни препоръки показва съдържание от каталога на услугите на Microsoft и MS Learn. Материалът, включен в каталога, може да се търси ръчно с помощта на ниво на обслужване, тип услуга и продуктови филтри. Каталогът на услугите непрекъснато се развива, тъй като се създават нови материали, редактират се съществуващи материали и остарелите материали се архивират от екипа за съдържание на услугите. Проактивните препоръки ви дават възможност да използвате препоръчаната услуга, без да се налага да търсите материала, и включват водени от Microsoft услуги, обучение при поискване и оценявания при поискване, предлагани чрез центъра за услуги.

Къде се показват препоръките в центъра за услуги?

Проактивните препоръки се появяват в различни цифрови изживявания в центъра за услуги. Препоръките, представени в тези изживявания, са съобразени с контекста на конкретното дигитално изживяване и персонализирани за вас.

На началната страница на центъра за услуги препоръките за съдържание на оценяване при поискване, пригодени за вас, могат да бъдат намерени в плочката ИТ изправност, докато вашите препоръки за обучение при поискване и семинар се намират в плочката Обучение.

Прогнозните проактивни препоръки са включени под функцията за търсене в каталога на услугите в центъра за услуги и са представени на диаграмата по-долу. Препоръките на страницата "Каталог на услугите" обхващат всички типове съдържание и са персонализирани за вас.

На целевата страница за обучение препоръките за прогнозни проактивни са включени под заглавието и са представени на диаграмата по-долу. Препоръките, намерени на страницата за обучение, обхващат типове учебно съдържание, включително обучение при поискване и семинари. Тези препоръки са персонализирани за вас.

На страницата Оценявания препоръките за прогнозни проактивни са включени под резюмето на оценката и са представени на диаграмата по-долу. Препоръките на страницата "Оценявания" са фокусирани върху типовете съдържание за оценяване и са персонализирани за вас.

На целевата страница за поддръжка прогнозните проактивни препоръки се намират под визуализацията на страницата за тенденции в случаите. Препоръките са представени във визуалното изображение по-долу и се захранват от услугата Rules Engine. Тези препоръки включват всички видове съдържание и са персонализирани за клиента.

На страницата с подробности за поддръжката прогнозните проактивни препоръки се намират под подробностите за случая и визуализацията за тенденции на случая на страницата. Препоръките са представени във визуалното изображение по-долу и се захранват от услугата за препоръки за реактивна поддръжка. Тези препоръки включват всички видове съдържание и са персонализирани за клиента.

Как работи механизмът за препоръки?

Има няколко различни аспекта на механизма за препоръчване на Predictive Proactive. Всеки аспект играе различна роля в центъра за услуги.

Услугата, която захранва цифровите препоръчителни изживявания, описани по-горе, се основава на метод за съвместно филтриране. Този метод на съвместно филтриране прогнозира потребителските интереси на един потребител на центъра за услуги, като събира потребителски интереси от други потребители на центъра за услуги. Основното предположение на подхода за съвместно филтриране е, че ако човек има същите интереси като втори човек за проактивно съдържание, първият човек е по-вероятно да сподели потребителските интереси на втория човек за ново съдържание. По този начин нашата система за препоръки за съвместно филтриране за прогнозно проактивно съдържание прави прогнози за това кои проактивни услуги ще харесат на потребителя, използвайки съществуващата си история на потребление и историята на потреблението на подобни потребители (сътрудници).

Втората услуга за препоръки е нашият модел на случай на реактивна поддръжка, базиран на информация за реактивна поддръжка. Тази услуга използва следната информация за генериране на препоръчителни LOD, оценки и услуги:

• Продуктово семейство
• Заглавие на делото
• Описание на случая
• Бележки по случая

Тази услуга за препоръки извлича тези функции от текст, който се използва за изчисляване на сходство с услуги в каталога на услугите. Има различни алгоритми, които се използват за постигане на това измерване на сходството, включително Light GBM модел за намиране на оценки за конкретни случаи и модел Knowledge Graph за намиране на обучение при поискване и семинари за случаи на реактивна подкрепа.

Третата услуга за препоръки използва механизъм за правила, за да предостави проактивни препоръки. Специфичните продукти за реактивна поддръжка, тенденциите в случаите, подтенденциите и класификациите на проактивните услуги се съпоставят с конкретни проактивни услуги в рамките на механизма за правила. Когато случаите на реактивна поддръжка на клиенти се оценяват с помощта на правилата и се намери съвпадение, се връщат картографираните проактивни услуги. Правилата се създават и редактират с помощта на цифровата среда за работа на центъра за правила в центъра за услуги.

Как потребителите влияят върху това кои препоръки се представят?

С метода за съвместно филтриране, метода на реактивната поддръжка и системата за правила потребителите могат да влияят върху препоръките, които им се обслужват в центъра за услуги.

Филтърът за сътрудничество се управлява въз основа на използваните проактивни услуги. Тази консумация показва предпочитанията на потребителя. Колкото повече съдържание се консумира, толкова по-разнообразни и точни ще бъдат получените препоръки. С минимална проактивна информация за потреблението, толкова по-малко съвместният филтър има на разположение за базови препоръки. С нарастването на потреблението на други потребители в центъра за услуги, препоръките също ще се подобрят. Сложните взаимоотношения между потребителите и съдържанието ще стават по-ясни с нарастването на проактивното потребление.

Методът Reactive Support Case се управлява въз основа на заявките за поддръжка, които се изпращат до Microsoft. Услугата за препоръки измерва сходството между индивидуалните заявки за поддръжка и проактивните предложения. Когато клиентите подават нови заявки за поддръжка, ще се правят нови препоръки въз основа на информацията, съдържаща се в новите заявки за поддръжка.

Механизмът за правила се управлява от начина, по който се класифицират случаите на реактивна поддръжка за тенденции на случаи, подтенденции и стойности на информация за услугите. Тъй като случаите на реактивна подкрепа са тенденция или от мениджърите на инциденти, или чрез автоматизиран процес, управляван от ML, проактивните услуги се препоръчват съответно. Правилата могат да бъдат създадени или редактирани, което ще повлияе на проактивните препоръки, върнати от системата за правила.

Какви препоръки се показват, когато потребителите се ангажират за първи път с центъра за услуги?

Тъй като новите потребители са включени в центъра за услуги, проактивното потребление ще бъде сведено до минимум. За да се справи с този сценарий, услугата за препоръки за съвместни филтри има малко пряка информация, на която да базира препоръката. В тази ситуация популярното оценяване, обучението при поискване и съдържанието на семинара се сервират на тези нови потребители. Когато се регистрира достатъчно потребление, филтърът за сътрудничество ще направи персонализирани препоръки, базирани на съдържание, които са по-пряко свързани с предпочитанията и нуждите на потребителите.

Този сценарий не се прилага директно за други услуги за препоръки, включително модела на случай на реактивна поддръжка и системата за правила. Когато се подават нови искания за поддръжка, ще бъдат направени препоръки въз основа на случайи директно срещу искането за поддръжка. Системата за правила ще върне съответните проактивни препоръки въз основа на информацията за тенденциите в случая за новия клиент на центъра за услуги.