Proaktivne preporuke

Tražili ste personalizirane preporuke za proaktivnu podršku kako biste se osnažili da postignete više. Isporučili smo.

Kao što je prikazano u nastavku, personalizirane preporuke teku iz Predictive Proactive recommendation engine-a kroz Services Hub digitalna iskustva direktno vama - korisniku. Korisničke interakcije, reaktivni slučajevi podrške i generiranje povratnih informacija o potrošnji sadržaja vraćaju se u motor kako bi se poboljšale vaše preporuke.

Naša vizija proaktivnih preporuka uključuje:

• Posluživanje akcija i IP zasnovanih preporuka specifičnih za korisnički i korisnički sadržaj (otisak licence, reaktivni slučajevi podrške, radionice i procjene)
• Preporuke bi trebale uključivati Katalog usluga i MS Learn
• Isporučite personalizovane i kontekstno relevantne preporuke unutar Services Hub-a
• Preporuke se daju u realnom vremenu bez uticaja na performanse na cjelokupno digitalno iskustvo

Koje usluge se preporučuju?

Prediktivni proaktivni mehanizam za preporuke servira sadržaj iz Microsoft Services Catalog i MS Learn. Materijal uključen u katalog se može ručno pretraživati pomoću nivoa usluge, vrste usluge i filtera proizvoda. Katalog usluga se konstantno razvija kako se novi materijal stvara, postojeći materijal se uređuje, a ustajali materijal se arhivira od strane tima za sadržaj usluga. Proaktivne preporuke vam omogućavaju da konzumirate preporučenu uslugu bez potrebe za traženjem materijala i uključuje Microsoftove vođene usluge, edukaciju na zahtjev i procjene na zahtjev koje se nude putem Services Hub-a.

Gdje se preporuke pojavljuju na Services Hub-u?

Proaktivne preporuke se pojavljuju u raznim digitalnim iskustvima na Services Hub-u. Preporuke koje se poslužuju u okviru ovih iskustava su prilagođene kontekstu specifičnog digitalnog iskustva i personalizirane za vas.

Na početnoj stranici Services Hub-a, preporuke sadržaja Services Hub On-Demand Assessment prilagođene za vas mogu se naći u pločici IT Health dok vaše preporuke za učenje na zahtjev i radionice žive u pločici Učenje.

Prediktivne proaktivne preporuke su uključene ispod funkcije pretraživanja kataloga Services Hub Services i predstavljene su na dijagramu ispod. Preporuke koje se nalaze na stranici Katalog usluga pokrivaju sve vrste sadržaja i personalizirane su za vas.

Na odredišnoj stranici za učenje, prediktivne proaktivne preporuke su uključene ispod naslova i predstavljene su na dijagramu ispod. Preporuke koje se nalaze na stranici Učenje pokrivaju vrste sadržaja za učenje, uključujući učenje na zahtjev i radionice. Ove preporuke su personalizirane za vas.

Na stranici Procjene, prediktivne proaktivne preporuke su uključene ispod sažetka procjene i predstavljene su na dijagramu ispod. Preporuke koje se nalaze na stranici Procjene fokusirane su na tipove sadržaja procjene i personalizirane su za vas.

Na odredišnoj stranici podrške, prediktivne proaktivne preporuke se nalaze ispod vizualizacije trenda slučaja na stranici. Preporuke su predstavljene u vizualu ispod i pokreće ih usluga Rules Engine. Ove preporuke uključuju sve vrste sadržaja i personalizirane su za kupca.

Na stranici s detaljima o podršci, prediktivne proaktivne preporuke nalaze se ispod detalja slučaja i vizualnog prikaza trenda slučaja na stranici. Preporuke su predstavljene u vizualu ispod i pokreće ih usluga preporuka reaktivne podrške. Ove preporuke uključuju sve vrste sadržaja i personalizirane su za kupca.

Kako radi motor za preporuke?

Postoji nekoliko različitih aspekata Predictive Proactive recommendation engine. Svaki aspekt igra različitu ulogu unutar Services Hub-a.

Usluga koja pokreće preporuku digitalnih iskustava opisanih ranije je zasnovana na metodi kolaborativnog filtriranja. Ova metoda kolaborativnog filtriranja predviđa interese potrošnje jednog korisnika Services Hub-a prikupljanjem interesa za potrošnju od drugih korisnika Services Hub-a. Osnovna pretpostavka kolaborativnog pristupa filtriranja je da ako osoba ima iste interese kao i druga osoba za proaktivni sadržaj, prva osoba je vjerovatnije da će dijeliti interese druge osobe za novi dio sadržaja. Dakle, naš sistem preporuka za kolaborativno filtriranje za prediktivni proaktivni sadržaj predviđa koje će proaktivne usluge korisnik voljeti koristeći svoju postojeću historiju potrošnje i historiju potrošnje sličnih korisnika (saradnika).

Druga usluga preporuke je naš model slučaja reaktivne podrške zasnovan na informacijama o reaktivnoj podršci. Ova usluga koristi sljedeće informacije za generiranje preporučenog LOD-a, procjena i usluga:

• Porodica proizvoda
• Naslov predmeta
• Opis slučaja
• Napomene o slučaju

Ovaj servis za preporuke izvlači ove mogućnosti iz teksta koji se koriste za izračunavanje sličnosti sa uslugama unutar kataloga usluga. Postoje različiti algoritmi koji se koriste za postizanje ovog mjerenja sličnosti, uključujući Light GBM model za pronalaženje procjena za specifične slučajeve i Knowledge Graph model za pronalaženje učenja na zahtjev i radionice za reaktivne slučajeve podrške.

Treća usluga preporuka koristi mehanizam pravila za pružanje proaktivnih preporuka. Specifični proizvodi reaktivne podrške, trendovi slučajeva, pod-trendovi i klasifikacije uvida u usluge su mapirani na specifične proaktivne usluge unutar mehanizma pravila. Kada se slučajevi reaktivne podrške korisnika procjenjuju pomoću pravila i pronađe se podudaranje, mapirane proaktivne usluge se vraćaju. Pravila se kreiraju i uređuju pomoću digitalnog iskustva Rules Hub-a unutar Services Hub-a.

Kako korisnici utiču na to koje su preporuke predstavljene?

Sa kolaborativnom metodom filtriranja, metodom Reactive Support Case i Rules Engine-om, korisnici mogu uticati na preporuke koje im se serviraju unutar Services Hub-a.

Kolaborativni filter je vođen na osnovu proaktivnih usluga koje se konzumiraju. Ova potrošnja ukazuje na korisničke preferencije. Što se više sadržaja konzumira, to će rezultirajuće preporuke biti raznovrsnije i preciznije. Sa minimalnim proaktivnim informacijama o potrošnji za korištenje, manje kolaborativni filter ima na raspolaganju za bazne preporuke. Kako potrošnja drugih korisnika Services Hub-a raste, preporuke će se također poboljšati. Složeni odnosi između korisnika i sadržaja postat će jasniji kako proaktivna potrošnja raste.

Metoda Reactive Support Case je vođena na osnovu zahtjeva za podršku koji su podneseni Microsoftu. Usluga preporuka mjeri sličnost između pojedinačnih zahtjeva za podršku i proaktivnih ponuda. Kako korisnici podnose nove zahtjeve za podršku, nove preporuke će biti napravljene na osnovu informacija koje se nalaze u novim zahtjevima za podršku.

Rules Engine je vođen načinom na koji su reaktivni slučajevi podrške klasificirani za trendove slučajeva, pod-trendove i vrijednosti uvida u usluge. Kako su slučajevi reaktivne podrške u trendu ili od strane menadžera incidenata ili kroz automatizovani proces vođen ML-om, proaktivne usluge se preporučuju u skladu s tim. Pravila mogu biti autor ili uređivanje što će uticati na proaktivne preporuke koje vraća Rules Engine.

Koje preporuke se prikazuju kada se korisnici prvi put uključe u Services Hub?

Kako su novi korisnici uključeni u Services Hub, proaktivna potrošnja će biti na minimumu. Da bi se riješio ovaj scenarij, usluga preporuka kolaborativnih filtera ima malo direktnih informacija na kojima se zasniva preporuka. U ovoj situaciji, popularna procjena, učenje na zahtjev i sadržaj radionice se servira ovim novim korisnicima. Kada se zabilježi dovoljna potrošnja, kolaborativni filter će napraviti personalizirane preporuke zasnovane na sadržaju koje su direktnije povezane sa korisničkim preferencijama i potrebama.

Ovaj scenarij se ne odnosi direktno na druge usluge preporuka, uključujući model slučaja reaktivne podrške i mehanizam pravila. Kada se podnesu novi zahtjevi za podršku, preporuke zasnovane na slučajevima će biti napravljene direktno protiv zahtjeva za podršku. Rules Engine će vratiti relevantne proaktivne preporuke na osnovu informacija o trendu slučaja za novog korisnika Services Hub-a.