智能传递入门
除了能够运行逻辑规则以协助工作分类和记录分配之外，您还可以使用 AI 智能地传递项目。 例如，您可以将不满意的客户呈报到特定队列，高级代理可在该队列中与他们互动。 或者，您可能想使用基本交互让系统智能地将技能分配给传入的工作项。
统一传递包括多个选项，使用 AI 和机器学习来增强传递体验：
基于情绪的传递 - 使用机器学习预测客户对新工作项的情绪分数。
基于工作量的传递 - 允许您创建并训练机器学习模型，以确定新工作项所需的工作量。
智能技能查找器 - 允许您创建并训练机器学习模型，以确定新工作项所需的技能。
基于情绪的传递
情绪预测允许组织使用客户的情绪分数作为对工作项进行分类以传递到代理的因素。 此功能允许您编写规则以对工作项进行分类，并将其分配给最有能力处理这些项的代理。
传入工作项时，情绪模型将基于以下七点量表向其分配情绪：
非常积极
积极
略微积极
中立
略微消极
消极
非常消极
情绪模型设置为仅查找和使用客户已发出的消息。 代理发送给客户的消息不计入情绪分数。
在分类规则中使用情绪之前，您需要在系统中将其启用。 您可以在传递部分的客户服务管理中心应用中执行此操作。 找到基于情绪的传递，然后为启用用于传递的情绪预测。
或者，您可以使用试运行选项来测试情绪模型。 此选项可让您测试客户联系支持人员时可能会遇到的真实短语。 这有助于您了解这些短语的情绪预测可能是什么样。 使用试运行选项，您可以查看关键信息，例如七点量表中的情绪类别、从 0 到 100 的情绪分数以及短语中影响情绪分数的关键字。
基于情绪预测创建分类规则
启用情绪预测功能后，您将在工作流的工作分类部分中创建情绪预测。 创建新规则集后，选择机器学习模型，然后将类型设置为情绪预测。
您需要定义最有可能发现客户情绪的输入属性。 例如，对于案例工作流，您可能会选择描述字段，因为其通常包含表示情绪的关键字。 对于消息渠道，您通常会使用对话记录上下文。
下图展示了案例的情绪预测分类规则的示例。
您最多可以定义 10 个属性，并且可以使用这些属性值来构建预测模型。 至少有一个属性（第一个属性）是必需的，不能删除。
输出属性将设置为情绪类别，您可以在创建传递和分配规则时在条件中使用该类别。
工作量估算
组织将信息传递到代理的另一种方法是基于所需的工作量。 在统一传递中，工作量是解决工作项所需的时间长度，或在将工作项移动到组织定义的下一阶段之前花费在工作项上的时间量。 统一传递包括工作量估算模型，您可以使用该模型对工作项进行分类和传递。 利用此功能，您可以确定处理工作项所需的时间量。 基于该估算，该项可以传递给具有带宽对其进行管理的代理。
组织可以使用工作量估算以：
估算代理分析的时间并相应地进行分配。
估算完整案例解决的时间并相应地进行分配。
创建工作量估算模型
您可以针对任何为统一传递启用的记录创建工作量估算模型。 您可以通过选择属性为模型提供上下文以进行训练。 至少有两个属性是必需的，并且您最多可以指定 10 个属性。 指示严重性和优先级的属性很有用。
若要创建工作量估算模型，请转到客户服务管理中心应用。 在传递部分中，选择基于工作量的传递 > 管理。 您需要为模型指定名称。
您将在数据汇总部分定义工作量的计算方式。 您需要定义以下值：
记录类型 - 定义将与模型一起使用的记录类型。 例如，如果您想确定解决特定类型案例所需的工作量，您可以选择问题（案例）。
属性 - 定义将带有与模型相关的数据的属性（字段）。 最初，您需要为分类描述和详细描述字段选择值。 您可以根据需要添加其他属性。 您最多可添加 10 个属性用于训练模型。
实际工作量计算 - 指定计算工作量的方式。 计算方式将基于您正在处理的不同类型的项，但您可以选择以下选项之一来确定处理传入工作项的时间：
单一持续时间字段 - 用于在单一字段中捕获时间的应用场景，例如电话联络、任务和电子邮件等活动记录上的持续时间字段。
计算持续时间 - 在开始和结束时间指示工作量的应用场景中使用，例如在案例上使用创建时间和解决时间字段来确定记录的打开时长。
SLA KPI 实例 - 在您希望能够使用在 Dynamics 365 中定义为工作量定义的服务级别协议 (SLA) 的应用场景中使用。
筛选器（可选）- 允许您筛选要在模型中使用的记录，例如仅限于客户具有服务级别的案例记录。 或者，您可以定义筛选条件以仅选择相关记录。
日期范围（可选）- 允许您将模型中包含的记录限制在特定日期范围内。
下图显示了用于估算案例记录工作量的模型定义的示例。 工作量计算使用案例解决记录上的实际开始日期和实际结束日期选项来确定需要多少工作量。
为模型定义了所需的所有内容后，选择训练 AI 模型。 训练选项卡显示训练状态，训练可能需要几个小时，取决于所使用的条件。 模型训练完成后，页面会出现模型已成功发布的消息。
与情绪模型一样，您可以选择试运行并选择输入值以测试模型。 提供以下详细信息：
工作量值（分钟）- 估算的处理工作项所用的时间（以分钟为单位）。
置信度分数 - 工作量预测的置信度（以百分比显示）。
性能等级
模型的性能等级由 A、B、C、D、E 或 F 表示。这些字母按降序表示模型的质量。
有关详细信息，请参阅预测模型性能。
基于工作量估算模型创建分类规则
工作量估算模型训练完成后，您可以基于模型创建分类规则。 然后，您可以将这些规则与其他规则一起使用，以帮助对工作项进行分类，从而将其传递到将帮助解决问题的合适代理。
与所有其他分类规则一样，您将在与该规则结合使用的工作流上定义分类规则。 在创建工作分类规则集对话框中，选择机器学习模型规则类型，然后选择工作量估算类型。
在选择工作量估算模型中，选择要用于预测的模型，然后选择创建。
在出现的页面上，选择要用于工作量估算的输入属性。 虽然最多可以使用 10 个属性，但分类描述和详细描述字段是必需的。 默认情况下，输出属性为工作量值（分钟）和工作量置信度分数，且无法对其进行编辑。
对于消息渠道，您应设置机器人上下文变量或设置对话前调查，以便您可以使用输入属性。
注意
每个工作流只能有一个工作量估算规则。
智能技能查找器
智能技能查找器允许您创建并训练机器学习模型，以使用 AI 确定新工作项所需的技能。 该 AI 模型将检查数据并开始学习要将哪些技能附加到工作项。 例如，传入的对话可能会引用产品的特定模型编号，例如 Café A-100 机器。 智能技能查找器可以检查过去的对话，以了解到系统应将 Caf A-100 技能附加到对话中，还应附加加热和电气技能，因为当您使用机器时，通常需要这些技能。
重要提示
智能技能查找器与基于技能的传递一起使用。 虽然这不是本课程的重点，但您可以通过转到基于技能的传递了解有关基于技能的传递的更多信息。