Recomendaciones proactivas

Has solicitado recomendaciones de soporte técnico proactivo personalizadas para poder lograr más. Hemos cumplido.

Como se muestra a continuación, las recomendaciones personalizadas fluyen desde el motor de recomendaciones proactivas predictivas a través de las experiencias digitales de Services Hub y directamente hasta ti: el cliente. Las interacciones de los usuarios, los casos de soporte reactivo y el consumo de contenidos que genera comentarios se vuelven a introducir al motor para mejorar tus recomendaciones.

Nuestra visión para las recomendaciones proactivas incluye:

• Servir recomendaciones basadas en acciones y en IP específicas para el contenido del usuario y del cliente (superficie de la licencia, casos de soporte reactivo, talleres y evaluaciones)
• Las recomendaciones deben incluir el catálogo de servicios y MS Learn
• Proporcionar recomendaciones personalizadas y relevantes al contexto en Services Hub
• Las recomendaciones se representan en tiempo real sin ningún impacto en el rendimiento de la experiencia digital general

¿Qué servicios se recomiendan?

El motor de recomendaciones proactivas predictivas sirve el contenido del catálogo de servicios de Microsoft y MS Learn. El material incluido en el catálogo se puede buscar manualmente mediante filtros de nivel de servicio, de tipo de servicio y de producto. El catálogo de servicios evoluciona constantemente a medida que se crea material nuevo, se edita el material existente y el equipo de contenidos de servicios archiva el material obsoleto. Las recomendaciones proactivas te permiten consumir el servicio recomendado sin tener que buscar el material e incluyen los servicios dirigidos de Microsoft, la educación a petición y las evaluaciones a petición ofrecidas a través de Services Hub.

¿Dónde aparecen las recomendaciones en Services Hub?

Las recomendaciones proactivas aparecen dentro de diversas experiencias digitales en Services Hub. Las recomendaciones que se proporcionan dentro de estas experiencias se adaptan al contexto de la experiencia digital específica y se personalizan para ti.

En la página principal de Services Hub, las recomendaciones de contenido de la evaluación a petición de Services Hub a tu medida se encuentran en el mosaico de mantenimiento de TI, mientras que tus recomendaciones de aprendizaje a petición y talleres se encuentran en el mosaico Learning.

Las recomendaciones proactivas predictivas se incluyen bajo la función de búsqueda del catálogo de servicios de Services Hub y se representan en el siguiente diagrama. Las recomendaciones que se encuentran en la página Catálogo de servicios cubren todos los tipos de contenido y están personalizadas para ti.

En la página de aterrizaje Learning, las recomendaciones proactivas predictivas están incluidas debajo del título y están representadas en el siguiente diagrama. Las recomendaciones que se encuentran en la página Learning incluyen tipos de contenido de aprendizaje como aprendizaje a petición y talleres. Estas recomendaciones están personalizadas para ti.

En la página Evaluaciones, las recomendaciones proactivas predictivas están incluidas debajo del resumen de la evaluación y se representan en el siguiente diagrama. Las recomendaciones que se encuentran en la página Evaluaciones se centran en los tipos de contenido de evaluación y están personalizadas para ti.

En la página de aterrizaje de soporte técnico, las recomendaciones proactivas predictivas se encuentran debajo de la visualización de tendencias de casos de la página. Las recomendaciones se representan en el objeto visual siguiente y funcionan con el servicio del motor de reglas. Estas recomendaciones incluyen todos los tipos de contenido y son personalizadas para el cliente.

En la página Detalles de soporte técnico, las recomendaciones proactivas predictivas se encuentran debajo de los detalles del caso y el objeto visual de tendencias de casos de la página. Las recomendaciones se representan en el objeto visual siguiente y funcionan con el servicio de recomendación de soporte técnico reactivo. Estas recomendaciones incluyen todos los tipos de contenido y son personalizadas para el cliente.

¿Cómo funciona el motor de recomendaciones?

Hay varios aspectos distintos del motor de recomendaciones proactivas predictivas. Cada aspecto juega un rol diferente en Services Hub.

El servicio que impulsa las experiencias digitales de recomendación descritas anteriormente se basa en un método de filtrado de colaboración. Este método de filtrado de colaboración predice los intereses de consumo de un único usuario del Services Hub mediante la recopilación de intereses de otros usuarios del Services Hub. La hipótesis subyacente del enfoque de filtrado de colaboración es que si una persona tiene los mismos intereses que una segunda persona en lo que respecta al contenido proactivo, es más probable que la primera persona comparta los intereses de consumo de la segunda persona en lo que respecta a un nuevo contenido. Por lo tanto, nuestro sistema de recomendación de filtrado de colaboración para el contenido proactivo predictivo hace predicciones sobre qué servicios proactivos le gustarán usando su historial de consumo existente y el historial de consumo de usuarios similares (colaboradores).

El segundo servicio de recomendación es nuestro modelo de casos de soporte técnico reactivo basado en la información de soporte técnico reactivo. Este servicio aprovecha la siguiente información para generar aprendizaje a petición, evaluaciones y servicios recomendados:

• Familia de productos
• Título de caso
• Descripción de caso
• Notas del caso

Este servicio de recomendación extrae estas características del texto y las usa para calcular la similitud con los servicios del catálogo de servicios. Existen varios algoritmos que se emplean para realizar esta medición de la similitud, como el modelo Light GBM, a fin de buscar evaluaciones para casos específicos y un modelo de grafo de conocimiento para buscar aprendizaje a petición y talleres para casos de soporte reactivo.

El tercer servicio de recomendación usa un motor de reglas para proporcionar recomendaciones proactivas. Los productos de soporte técnico reactivo específicos, las tendencias de casos, las sub-tendencias y las clasificaciones de información de servicio se asignan a servicios proactivos específicos dentro del motor de reglas. Cuando los casos de soporte técnico reactivo del cliente se evalúan mediante las reglas y se encuentra una coincidencia, se devuelven los servicios proactivos asignados. Las reglas se crean y editan mediante la experiencia digital del Rules Hub en Services Hub.

¿Cómo influyen los usuarios en las recomendaciones que se presentan?

En el método de filtrado de colaboración, el de casos de soporte técnico reactivo y el motor de reglas, los usuarios pueden influir en las recomendaciones que reciben dentro de Services Hub.

El filtro de colaboración se controla en función de los servicios proactivos consumidos. Este consumo indica las preferencias del usuario. Cuanto más contenido se consume, más diversas y precisas serán las recomendaciones resultantes. Cuanto menos información proactiva sobre el consumo haya disponible para usar, menos tendrá el filtro de colaboración en lo que basar las recomendaciones. A medida que crezca el consumo de otros usuarios de Services Hub, las recomendaciones también mejorarán. Las relaciones complejas entre los usuarios y el contenido se harán más claras a medida que el consumo proactivo crezca.

El método de casos de soporte técnico reactivos se controla en función de las solicitudes de soporte técnico que se envían a Microsoft. El servicio de recomendación mide la similitud entre las solicitudes de soporte técnico individuales y las ofertas proactivas. A medida que los clientes envían nuevas solicitudes de soporte técnico, se realizarán nuevas recomendaciones basadas en la información incluida en las nuevas solicitudes de soporte técnico.

El motor de reglas se basa en la forma en que se clasifican los casos de soporte técnico reactivo para las tendencias de casos, las sub-tendencias y los valores de información de servicio. Como los casos de soporte técnico reactivo se convierten en tendencia por los administradores de incidentes o a través del proceso automatizado impulsado por ML, se recomiendan servicios proactivos en consecuencia. Las reglas se pueden crear o editar, lo que influirá en las recomendaciones proactivas devueltas por el motor de reglas.

¿Qué recomendaciones se muestran cuando los usuarios interactúan por primera vez con Services Hub?

Cuando los nuevos usuarios se incorporen a Services Hub, el consumo proactivo será mínimo. Para abordar este escenario, el servicio de recomendaciones de filtro de colaboración tiene poca información directa sobre la que basar la recomendación. En esta situación, la evaluación popular, el aprendizaje a petición y el contenido de los talleres se sirven a estos nuevos usuarios. Cuando se registre un consumo suficiente, el filtro de colaboración hará recomendaciones personalizadas basadas en contenido que estén más directamente relacionadas con las preferencias y necesidades de los usuarios.

Este escenario no se aplica directamente a otros servicios de recomendaciones, incluido el modelo de caso de soporte técnico reactivo y el motor de reglas. Cuando se envíen nuevas solicitudes de soporte técnico, las recomendaciones basadas en casos se realizarán directamente en relación con la solicitud de soporte técnico. El motor de reglas devolverá las recomendaciones proactivas relevantes basadas en la información de tendencias de casos para el nuevo cliente de Services Hub.