Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
Személyre szabott proaktív támogatási javaslatokat kért, hogy nagyobb hatékonyságot érjen el. Kiszállítottuk.
Ahogy az alább látható, a személyre szabott javaslatok a Prediktív proaktív javaslatmotortól a Services Hub digitális felhasználói felületén keresztül közvetlenül Önhöz – az ügyfélhez – jutnak el. A felhasználói interakciók, a reaktív támogatási esetek és a visszajelzést generáló tartalomfogyasztás vissza lesz osztva a motorba a javaslatok javítása érdekében.
Proaktív javaslatokra vonatkozó elképzelésünk a következőket tartalmazza:
- A felhasználói és ügyféltartalmakra (licencigény, reaktív támogatási esetek, workshopok és értékelések) vonatkozó művelet- és IP-alapú javaslatok kiszolgálása
- A javaslatoknak meg kell adni a szolgáltatási katalógust és az MS Learn-et
- Személyre szabott és kontextusra vonatkozó javaslatok kézbesítése a Services Hubon belül
- A javaslatok valós időben jelennek meg, és nem befolyásolják a teljes digitális élményt
Milyen szolgáltatások ajánlottak?
A prediktív proaktív javaslati motor a Microsoft Services-katalógusból és az MS Learnből származó tartalmakat szolgálja ki. A katalógusban szereplő anyag szolgáltatásszint, szolgáltatástípus és termékszűrők használatával manuálisan kereshető. A szolgáltatáskatalógus folyamatosan fejlődik az új anyagok létrehozásakor, a meglévő anyagok szerkesztésekor, és a szolgáltatások tartalomcsapata archiválja az elavult anyagokat. A proaktív javaslatok lehetővé teszik az ajánlott szolgáltatás használatát anélkül, hogy az anyagot kellene keresnie, és magában foglalja a Microsoft által vezetett szolgáltatásokat, az igény szerinti oktatást és a Services Hubon keresztül kínált igény szerinti értékeléseket.
Hol jelennek meg javaslatok a Services Hubon?
Proaktív javaslatok számos digitális szolgáltatásban megjelennek a Services Hubon. Az ezeken a szolgáltatásokon belül nyújtott javaslatok az adott digitális élmény kontextusához vannak szabva, és személyre szabottak.
A Services Hub kezdőlapján az Igényeire szabott Services Hub-tartalomajánlások az INFORMATIKAI állapot csempén találhatók, míg az igény szerinti tanulásra és workshopra vonatkozó javaslatok a Tanulási csempén találhatók.
A prediktív proaktív javaslatok a Services Hub Services-katalógus keresési funkciójában találhatók, és az alábbi ábrán jelennek meg. A Szolgáltatások katalógusa lapon található javaslatok az összes tartalomtípust lefedik, és személyre szabottak.
A Tanulás kezdőlapján a prediktív proaktív javaslatok a címsor alatt jelennek meg, és az alábbi ábrán jelennek meg. A Képzési lapon található javaslatok a tanulási tartalomtípusokra vonatkoznak, beleértve az igény szerinti tanulást és a workshopokat. Ezek a javaslatok személyre szabottak az Ön számára.
Az Értékelések lapon a prediktív proaktív javaslatok az értékelés összegzése alatt találhatók, és az alábbi ábrán jelennek meg. Az Értékelések lapon található javaslatok az értékelési tartalomtípusokra összpontosítanak, és személyre szabottak.
A támogatási kezdőlapon a prediktív proaktív javaslatok az esettrendi vizualizáció alatt találhatók az oldalon. A javaslatok az alábbi vizualizációban jelennek meg, és a Szabálymotor szolgáltatás működteti. Ezek a javaslatok tartalmazzák az összes tartalomtípust, és személyre szabottak az ügyfél számára.
A Támogatási részletek lapon prediktív proaktív javaslatok találhatók az eset részletei és a kis- és nagybetűk trendi vizualizációja alatt. A javaslatok az alábbi vizualizációban jelennek meg, és a Reaktív támogatási javaslati szolgáltatás működteti. Ezek a javaslatok tartalmazzák az összes tartalomtípust, és személyre szabottak az ügyfél számára.
Hogyan működik a javaslatmotor?
A prediktív proaktív javaslatmotornak számos különböző aspektusa van. A Services Hubon belül minden szempont eltérő szerepet játszik.
A korábban ismertetett ajánlási digitális szolgáltatásokat használó szolgáltatás egy együttműködésen alapuló szűrési módszeren alapul. Ez az együttműködésen alapuló szűrési módszer előrejelzi az egyetlen Services Hub-felhasználó fogyasztási érdekeit azáltal, hogy más Services Hub-felhasználóktól gyűjti be a használati érdekeket. Az együttműködésen alapuló szűrési megközelítés alapvető feltételezése, hogy ha egy személynek ugyanazok az érdekei vannak, mint a második személynek a proaktív tartalmak esetében, az első személy nagyobb valószínűséggel osztozik a második személy fogyasztási érdekein egy új tartalom esetében. Így a prediktív proaktív tartalmakra vonatkozó együttműködési szűrési javaslati rendszer előrejelzéseket készít arról, hogy a felhasználó mely proaktív szolgáltatásokat szeretné használni a meglévő használati előzményei és a hasonló felhasználók (közreműködők) fogyasztási előzményei alapján.
A második ajánlási szolgáltatás a reaktív támogatási információkon alapuló reaktív támogatási esetmodell. Ez a szolgáltatás a következő információkat használja fel az ajánlott LOD-k, értékelések és szolgáltatások létrehozásához:
- Termékcsalád
- Eset címe
- Eset leírása
- Esetjegyzetek
Ez a javaslati szolgáltatás lekéri ezeket a funkciókat a szolgáltatások katalógusában található szolgáltatásokhoz való hasonlóság kiszámításához használt szövegből. Ennek a hasonlóságmérésnek a végrehajtásához különböző algoritmusokat alkalmaznak, beleértve a Light GBM-modellt, hogy felmérje az adott eseteket, és egy Knowledge Graph-modellt, hogy igény szerint tanuljon, és workshopokat tart a reaktív támogatási esetekhez.
A harmadik ajánlási szolgáltatás egy szabálymotor használatával nyújt proaktív javaslatokat. A speciális reaktív támogatási termékek, esettrendek, altrendek és szolgáltatáselemzési besorolások a szabálymotoron belül meghatározott proaktív szolgáltatásokra vannak leképezve. Amikor az ügyfél reaktív támogatási eseteit a szabályok alapján értékelik ki, és egyezést talál, a rendszer visszaadja a leképezett proaktív szolgáltatásokat. A szabályok a Services Hubon belüli Rules Hub digitális felületével jönnek létre és szerkeszthetők.
Hogyan befolyásolják a felhasználók, hogy mely javaslatok jelenjenek meg?
Az együttműködésen alapuló szűrési módszer, a Reaktív támogatási eset metódus és a Szabálymotor segítségével a felhasználók befolyásolhatják a Services Hubon belül kiszolgált javaslatokat.
Az együttműködési szűrő a felhasznált proaktív szolgáltatásokon alapul. Ez a felhasználás a felhasználói beállításokat jelzi. Minél több tartalmat használnak fel, annál változatosabbak és pontosabbak lesznek az eredményül kapott javaslatok. A minimális proaktív fogyasztási információk használata esetén minél kevesebb együttműködési szűrő áll rendelkezésre a javaslatok alapjául. A Services Hub egyéb felhasználói fogyasztásának növekedésével a javaslatok is javulni fognak. A felhasználók és a tartalom közötti összetett kapcsolatok a proaktív felhasználás növekedésével egyértelműbbé válnak.
A Reaktív támogatási eset metódus a Microsoftnak küldött támogatási kérelmeken alapul. Az ajánlási szolgáltatás méri az egyes támogatási kérelmek és a proaktív ajánlatok hasonlóságát. Amikor az ügyfelek új támogatási kéréseket küldenek, az új támogatási kérelmekben található információk alapján új javaslatokra kerül sor.
A szabálymotort az határozza meg, hogy a reaktív támogatási esetek hogyan vannak besorolva az esettrendek, az altrendek és a szolgáltatáselemzési értékek alapján. Mivel a reaktív támogatási eseteket az incidenskezelők vagy az ml-alapú automatizált folyamat irányzatai határozzák meg, a proaktív szolgáltatások ennek megfelelően ajánlottak. Szabályok hozhatók létre vagy szerkeszthetők, amelyek befolyásolják a szabálymotor által visszaadott proaktív javaslatokat.
Milyen javaslatok jelennek meg, amikor a felhasználók először lépnek kapcsolatba a Services Hubbal?
Mivel az új felhasználók bekerülnek a Services Hubba, a proaktív használat minimális lesz. Ennek a forgatókönyvnek a megoldásához az együttműködésen alapuló szűrőajánlási szolgáltatás kevés közvetlen információval rendelkezik a javaslatok alapjául. Ebben az esetben a népszerű értékelés, az igény szerinti tanulás és a műhely tartalmai az új felhasználók számára lesznek kiszolgálva. Ha elegendő fogyasztást rögzít, az együttműködési szűrő személyre szabott tartalomalapú javaslatokat tesz, amelyek közvetlenül kapcsolódnak a felhasználói beállításokhoz és igényekhez.
Ez a forgatókönyv nem vonatkozik közvetlenül más ajánlási szolgáltatásokra, például a reaktív támogatási esetmodellre és a szabálymotorra. Új támogatási kérelmek benyújtásakor a rendszer közvetlenül a támogatási kérelem alapján tesz javaslatot az esetalapú javaslatokra. A Szabálymotor az új Services Hub-ügyfél esettrend-információi alapján adja vissza a releváns proaktív javaslatokat.