Proaktivne preporuke

Zatražili ste personalizirane preporuke za proaktivnu podršku kako biste postigli više. Isporučili smo.

Kao što je prikazano u nastavku, personalizirane preporuke teku iz modula za prediktivne proaktivne preporuke putem digitalnih iskustava središta za usluge izravno vama – klijentu. Interakcije korisnika, reaktivni slučajevi podrške i povratne informacije o potrošnji sadržaja vraćaju se u modul radi poboljšanja preporuka.

Naša vizija proaktivnih preporuka uključuje:

• Posluživanje preporuka na temelju akcija i IP-a specifičnih za korisnički i korisnički sadržaj (otisak licence, slučajevi reaktivne podrške, radionice i procjene)
• Preporuke bi trebale uključivati katalog usluga i MS Learn
• Isporučite personalizirane preporuke relevantne za kontekst u Središtu za usluge
• Preporuke se daju u stvarnom vremenu bez utjecaja na performanse cjelokupnog digitalnog iskustva

Koje se usluge preporučuju?

Prediktivni modul za proaktivne preporuke poslužuje sadržaj iz Microsoftova kataloga usluga i MS Learn. Materijal uključen u katalog može se ručno pretraživati pomoću razine usluge, vrste usluge i filtara proizvoda. Katalog usluga neprestano se razvija kako se stvaraju novi materijali, uređuju postojeći materijali i arhivira zastarjeli materijal od strane tima za sadržaj usluga. Proaktivne preporuke omogućuju vam korištenje preporučene usluge bez potrebe za traženjem materijala i uključuju Microsoftove servise, obrazovanje na zahtjev i procjene na zahtjev koje se nude putem Services Huba.

Gdje se preporuke pojavljuju u Središtu za usluge?

Proaktivne preporuke pojavljuju se u raznim digitalnim iskustvima u Središtu za usluge. Preporuke koje se poslužuju u okviru tih iskustava prilagođene su kontekstu specifičnog digitalnog iskustva i personalizirane za vas.

Na početnoj stranici Središta za usluge preporuke sadržaja za procjenu na zahtjev središta za usluge prilagođene vama mogu se pronaći na pločici Stanje IT-a, dok su preporuke za učenje na zahtjev i radionice dostupne na pločici Učenje.

Prediktivne proaktivne preporuke uključene su u nastavku Značajka pretraživanja kataloga Services Hub Services i prikazane su na dijagramu u nastavku. Preporuke koje se nalaze na stranici Katalog servisa obuhvaćaju sve vrste sadržaja i prilagođene su vama.

Na odredišnoj stranici Učenje prediktivne proaktivne preporuke nalaze se ispod naslova i prikazane su na dijagramu u nastavku. Preporuke koje se nalaze na stranici Učenje obuhvaćaju vrste sadržaja za učenje, uključujući učenje na zahtjev i radionice. Te su preporuke personalizirane za vas.

Na stranici Procjene, prediktivne proaktivne preporuke uključene su ispod sažetka procjene i prikazane su na dijagramu u nastavku. Preporuke koje se nalaze na stranici Procjene usredotočene su na vrste sadržaja ocjenjivanja i personalizirane su za vas.

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

Na stranici s pojedinostima o podršci preporuke Predictive Proactive nalaze se ispod pojedinosti o predmetu i vizualnog prikaza trenda slučaja na stranici. Preporuke su prikazane u vizualnom prikazu u nastavku, a pokreće ih usluga preporuka reaktivne podrške. Ove preporuke uključuju sve vrste sadržaja i personalizirane su za korisnika.

Kako radi mehanizam za preporuke?

Postoji nekoliko različitih aspekata mehanizma za prediktivne proaktivne preporuke. Svaki aspekt igra drugačiju ulogu unutar Services Huba.

Usluga koja pokreće prethodno opisana preporuka digitalnih iskustava temelji se na metodi suradničkog filtriranja. Ova metoda suradničkog filtriranja predviđa interese za potrošnju jednog korisnika Središta za usluge prikupljanjem interesa za potrošnju od drugih korisnika Središta za usluge. Temeljna pretpostavka pristupa suradničkog filtriranja je da ako osoba ima iste interese kao druga osoba za proaktivni sadržaj, veća je vjerojatnost da će prva osoba podijeliti interese druge osobe za novi sadržaj. Stoga naš sustav preporuka za suradničko filtriranje za prediktivni proaktivni sadržaj predviđa koje će se proaktivne usluge svidjeti korisniku koristeći svoju postojeću povijest potrošnje i povijest potrošnje sličnih korisnika (suradnika).

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

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

Ovaj servis za preporuke izvlači te značajke iz teksta koji se koriste za izračunavanje sličnosti s 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 model Knowledge Graph za pronalaženje učenja na zahtjev i radionice za slučajeve reaktivne podrške.

Treća usluga preporuka koristi mehanizam pravila za pružanje proaktivnih preporuka. Specifični proizvodi reaktivne podrške, trendovi slučajeva, podtrendovi i klasifikacije uvida u usluge mapiraju se na određene proaktivne usluge unutar modula pravila. Kada se reaktivni slučajevi korisničke podrške procjenjuju pomoću pravila i pronađe se podudaranje, mapirane proaktivne usluge vraćaju se. Pravila se izrađuju i uređuju pomoću digitalnog iskustva središta pravila u središtu za usluge.

Kako korisnici utječu na to koje će se preporuke prikazati?

Pomoću metode suradničkog filtriranja, metode slučaja reaktivne podrške i modula pravila korisnici mogu utjecati na preporuke koje im se poslužuju unutar središta za usluge.

Suradnički filtar temelji se na proaktivnim uslugama koje se konzumiraju. Ova potrošnja ukazuje na korisničke preferencije. Što se više sadržaja konzumira, to će rezultirajuće preporuke biti raznolikije i preciznije. Uz minimalne proaktivne informacije o potrošnji koje treba koristiti, suradnički filtar ima na raspolaganju manje za osnovne preporuke. Kako potrošnja drugih korisnika Services Huba raste, poboljšat će se i preporuke. Složeni odnosi između korisnika i sadržaja postat će jasniji kako proaktivna potrošnja raste.

Metoda Reaktivnog slučaja podrške temelji se na zahtjevima za podršku koji se šalju Microsoftu. Usluga preporuka mjeri sličnost između pojedinačnih zahtjeva za podršku i proaktivnih ponuda. Kako korisnici šalju nove zahtjeve za podršku, nove će se preporuke davati na temelju informacija koje se nalaze u novim zahtjevima za podršku.

Modul za pravila temelji se na tome kako se reaktivni slučajevi podrške klasificiraju za trendove slučajeva, podtrendove i vrijednosti uvida u uslugu. Budući da su slučajevi reaktivne podrške u trendu ili od strane upravitelja incidenata ili putem automatiziranog procesa vođenog ML-om, u skladu s tim preporučuju se proaktivne usluge. Pravila se mogu stvarati ili uređivati, što će utjecati na proaktivne preporuke koje vraća mehanizam pravila.

Koje se preporuke prikazuju kada korisnici prvi put stupe u interakciju sa središtem za usluge?

Kako se novi korisnici uključe u Services Hub, proaktivna potrošnja bit će minimalna. Da bi se riješio ovaj scenarij, usluga preporuka suradničkog filtra ima malo izravnih informacija na kojima se temelji preporuka. U ovoj situaciji ovim novim korisnicima poslužuje se popularno ocjenjivanje, učenje na zahtjev i sadržaj radionice. Kada se zabilježi dovoljna potrošnja, suradnički filtar dat će personalizirane preporuke temeljene na sadržaju koje su izravnije povezane s preferencijama i potrebama korisnika.

Ovaj se scenarij ne primjenjuje izravno na druge usluge preporuka, uključujući model slučaja reaktivne podrške i modul pravila. Kada se podnesu novi zahtjevi za podršku, preporuke temeljene na slučajevima dat će se izravno na zahtjev za podršku. Mehanizam za pravila vratit će relevantne proaktivne preporuke na temelju informacija o trendovima slučajeva za novog korisnika Services Huba.