Mga Proactive na Rekomendasyon

Humingi ka ng isinapersonal na mga rekomendasyon sa proactive na suporta upang bigyan ka ng kapangyarihan na makamit ang higit pa. Naghatid kami.

Tulad ng ipinapakita sa ibaba, ang mga isinapersonal na rekomendasyon ay dumadaloy mula sa Predictive Proactive recommendation engine sa pamamagitan ng mga digital na karanasan ng Services Hub nang direkta sa iyo—ang customer. Ang mga pakikipag-ugnayan ng gumagamit, mga reaktibong kaso ng suporta, at pagkonsumo ng nilalaman na bumubuo ng feedback ay ibinabalik sa engine upang mapabuti ang iyong mga rekomendasyon.

Ang aming pangitain para sa mga proactive na rekomendasyon ay kinabibilangan ng:

• Maghatid ng mga rekomendasyon na batay sa pagkilos at IP na partikular sa nilalaman ng gumagamit at customer (bakas ng lisensya, mga kaso ng reaktibo na suporta, mga workshop, at mga pagtatasa)
• Ang mga rekomendasyon ay dapat kasama sa Katalogo ng Mga Serbisyo at MS Learn
• Maghatid ng isinapersonal at may kaugnayan sa konteksto ng mga rekomendasyon sa loob ng Services Hub
• Ang mga rekomendasyon ay nai-render sa real-time nang walang epekto sa pagganap sa pangkalahatang digital na karanasan

Anong mga serbisyo ang inirerekomenda?

Ang predictive proactive recommendation engine ay naghahain ng nilalaman mula sa Microsoft Services Catalog at MS Learn. Ang materyal na kasama sa Katalogo ay manu-manong mahahanap gamit ang antas ng serbisyo, uri ng serbisyo, at mga filter ng produkto. Ang Katalogo ng Mga Serbisyo ay patuloy na nagbabago habang nilikha ang bagong materyal, na-edit ang umiiral na materyal, at ang lumang materyal ay na-archive ng koponan ng nilalaman ng Mga Serbisyo. Ang mga proactive na rekomendasyon ay nagbibigay-kapangyarihan sa iyo na ubusin ang inirerekomendang serbisyo nang hindi kinakailangang maghanap para sa materyal at kasama ang mga serbisyong pinamumunuan ng Microsoft, on-demand na edukasyon, at mga on-demand na pagtatasa na inaalok sa pamamagitan ng Services Hub.

Saan lumilitaw ang mga rekomendasyon sa Services Hub?

Lumilitaw ang mga proactive na rekomendasyon sa iba't ibang mga digital na karanasan sa Services Hub. Ang mga rekomendasyon na inihahatid sa loob ng mga karanasang ito ay nababagay para sa konteksto ng partikular na digital na karanasan at isinapersonal para sa iyo.

Sa home page ng Services Hub, ang mga rekomendasyon sa nilalaman ng Services Hub On-Demand Assessment na iniakma para sa iyo ay matatagpuan sa tile ng IT Health habang ang iyong mga rekomendasyon sa pag-aaral-on-demand at workshop ay nakatira sa tile ng Pag-aaral.

Ang mga rekomendasyon ng Predictive Proactive ay kasama sa ibaba ng tampok na paghahanap ng Services Hub Services Catalog at kinakatawan sa diagram sa ibaba. Ang mga rekomendasyon na matatagpuan sa pahina ng Katalogo ng Mga Serbisyo ay sumasaklaw sa lahat ng mga uri ng nilalaman at isinapersonal para sa iyo.

Sa landing page ng Pag-aaral, ang mga rekomendasyon sa Predictive Proactive ay kasama sa ibaba ng heading at kinakatawan sa diagram sa ibaba. Ang mga rekomendasyon na matatagpuan sa pahina ng Pag-aaral ay sumasaklaw sa mga uri ng nilalaman ng pag-aaral kabilang ang pag-aaral on-demand at mga workshop. Ang mga rekomendasyong ito ay isinapersonal para sa iyo.

Sa pahina ng Mga Pagtatasa, ang mga rekomendasyon ng Predictive Proactive ay kasama sa ibaba ng buod ng pagtatasa at kinakatawan sa diagram sa ibaba. Ang mga rekomendasyon na matatagpuan sa pahina ng Mga Pagtatasa ay nakatuon sa mga uri ng nilalaman ng pagtatasa at isinapersonal para sa iyo.

Sa Support Landing Page, matatagpuan ang mga rekomendasyon ng Predictive Proactive sa ibaba ng case trending visualization sa pahina. Ang mga rekomendasyon ay kinakatawan sa visual sa ibaba at pinapatakbo ng serbisyo ng Rules Engine. Kasama sa mga rekomendasyong ito ang lahat ng mga uri ng nilalaman at isinapersonal para sa customer.

Sa Pahina ng Detalye ng Suporta, ang mga rekomendasyon ng Predictive Proactive ay matatagpuan sa ibaba ng mga detalye ng kaso at visual na nagte-trend ng kaso sa pahina. Ang mga rekomendasyon ay kinakatawan sa visual sa ibaba at pinapatakbo ng serbisyo ng rekomendasyon ng Reaktibong Suporta. Kasama sa mga rekomendasyong ito ang lahat ng mga uri ng nilalaman at isinapersonal para sa customer.

Paano gumagana ang engine ng rekomendasyon?

Mayroong ilang mga natatanging aspeto ng Predictive Proactive na engine ng rekomendasyon. Ang bawat aspeto ay gumaganap ng iba't ibang papel sa loob ng Services Hub.

Ang serbisyo na nagpapatakbo ng rekomendasyon ng mga digital na karanasan na inilarawan nang nauna ay batay sa isang collaborative na pamamaraan ng pag-filter. Ang collaborative filtering method na ito ay hinuhulaan ang mga interes sa pagkonsumo ng isang solong gumagamit ng Services Hub sa pamamagitan ng pagkolekta ng mga interes sa pagkonsumo mula sa iba pang mga gumagamit ng Services Hub. Ang pinagbabatayan na palagay ng collaborative filtering approach ay na kung ang isang tao ay may parehong interes bilang isang pangalawang tao para sa proactive na nilalaman, ang unang tao ay mas malamang na ibahagi ang mga interes sa pagkonsumo ng pangalawang tao para sa isang bagong piraso ng nilalaman. Kaya, ang aming collaborative filtering recommendation system para sa predictive proactive content ay gumagawa ng mga hula tungkol sa kung aling mga proactive na serbisyo ang magugustuhan ng isang user gamit ang kanilang umiiral na kasaysayan ng pagkonsumo at ang kasaysayan ng pagkonsumo ng mga katulad na user (collaborators).

Ang pangalawang serbisyo ng rekomendasyon ay ang aming modelo ng Reaktibong Kaso ng Suporta batay sa impormasyon ng reaktibong suporta. Ginagamit ng serbisyong ito ang sumusunod na impormasyon upang makabuo ng inirerekomendang LOD, mga pagtatasa, at mga serbisyo:

• Pamilya ng produkto
• Pamagat ng kaso
• Paglalarawan ng kaso
• Mga tala ng kaso

Ang serbisyong rekomendasyon na ito ay kumukuha ng mga tampok na ito mula sa teksto na ginagamit para sa pag-compute ng pagkakatulad sa mga serbisyo sa loob ng Katalogo ng Mga Serbisyo. Mayroong iba't ibang mga algorithm na ginagamit upang maisakatuparan ang pagsukat ng pagkakatulad na ito kabilang ang modelo ng Light GBM upang makahanap ng mga pagtatasa para sa mga partikular na kaso at isang modelo ng Knowledge Graph upang makahanap ng pag-aaral sa demand at mga workshop para sa mga reaktibong kaso ng suporta.

Ang pangatlong serbisyo ng rekomendasyon ay gumagamit ng isang makina ng panuntunan upang magbigay ng mga proactive na rekomendasyon. Ang mga tiyak na reaktibong produkto ng suporta, mga trend ng kaso, mga sub-trend, at mga pag-uuri ng pananaw sa serbisyo ay naka-map sa mga tukoy na proactive na serbisyo sa loob ng engine ng mga patakaran. Kapag ang mga kaso ng suporta sa reaktibo ng customer ay sinuri gamit ang mga patakaran at natagpuan ang isang tugma, ang mga naka-map na proactive na serbisyo ay ibinabalik. Ang mga panuntunan ay isinulat at na-edit gamit ang digital na karanasan ng Rules Hub sa loob ng Services Hub.

Paano naiimpluwensyahan ng mga gumagamit kung aling mga rekomendasyon ang inilalahad?

Gamit ang collaborative filtering method, ang Reactive Support Case method, at Rules Engine, maaaring maimpluwensyahan ng mga user ang mga rekomendasyon na pinaglilingkuran sa kanila sa loob ng Services Hub.

Ang collaborative filter ay hinihimok batay sa mga proactive na serbisyo na natupok. Ang pagkonsumo na ito ay nagpapahiwatig ng mga kagustuhan ng gumagamit. Ang mas maraming nilalaman ay natupok, mas magkakaiba at tumpak ang mga nagresultang rekomendasyon. Sa minimal na proactive na impormasyon sa pagkonsumo na gagamitin, mas kaunti ang magagamit ng collaborative filter para ibase ang mga rekomendasyon. Habang lumalaki ang pagkonsumo ng gumagamit ng iba pang mga Services Hub, ang mga rekomendasyon ay mapabuti din. Ang mga kumplikadong relasyon sa pagitan ng mga gumagamit at nilalaman ay magiging mas malinaw habang lumalaki ang proactive na pagkonsumo.

Ang pamamaraan ng Reaktibong Kaso ng Suporta ay hinihimok batay sa mga kahilingan sa suporta na isinumite sa Microsoft. Sinusukat ng serbisyo ng rekomendasyon ang pagkakatulad sa pagitan ng mga indibidwal na kahilingan sa suporta at mga proactive na handog. Habang nagsusumite ang mga customer ng mga bagong kahilingan sa suporta, ang mga bagong rekomendasyon ay gagawin batay sa impormasyong naninirahan sa mga bagong kahilingan sa suporta.

Ang Rules Engine ay hinihimok ng kung paano inuri ang mga reaktibong kaso ng suporta para sa mga trend ng kaso, sub-trend, at mga halaga ng pananaw sa serbisyo. Dahil ang mga reaktibong kaso ng suporta ay na-trend alinman sa mga tagapamahala ng insidente o sa pamamagitan ng ML driven automated na proseso, inirerekumenda ang mga proactive na serbisyo nang naaayon. Ang mga patakaran ay maaaring isulat o i-edit na makakaimpluwensya sa mga proactive na rekomendasyon na ibinalik ng Mga Panuntunan Engine.

Anong mga rekomendasyon ang ipinapakita kapag unang nakikipag-ugnayan ang mga user sa Services Hub?

Habang ang mga bagong gumagamit ay naka-onboard sa Services Hub, ang proactive na pagkonsumo ay magiging minimum. Upang matugunan ang sitwasyong ito, ang serbisyo ng rekomendasyon ng collaborative filter ay may kaunting direktang impormasyon upang ibatay ang rekomendasyon. Sa sitwasyong ito, ang popular na pagtatasa, pag-aaral on demand, at nilalaman ng workshop ay inihahatid hanggang sa mga bagong gumagamit. Kapag naitala ang sapat na pagkonsumo, ang collaborative filter ay gagawa ng isinapersonal na mga rekomendasyon na nakabatay sa nilalaman na mas direktang nauugnay sa mga kagustuhan at pangangailangan ng gumagamit.

Ang sitwasyong ito ay hindi direktang nalalapat sa iba pang mga serbisyo ng rekomendasyon kabilang ang modelo ng Reaktibong Kaso ng Suporta at ang Mga Panuntunan Engine. Kapag ang mga bagong kahilingan sa suporta ay isinumite, ang mga rekomendasyon na nakabatay sa kaso ay gagawin nang direkta laban sa kahilingan ng suporta. Ang Rules Engine ay magbabalik ng mga kaugnay na proactive na rekomendasyon batay sa impormasyon sa pagte-trend ng kaso para sa bagong customer ng Services Hub.