결과 개요

Genesys Predictive Engagement의 AI 기반 결과 스코어링 서비스는 비즈니스에 고유한 기계 학습 모델을 사용하여 비즈니스 결과를 예측하는 방법을 학습합니다.

결과는 당신을 가능하게 하는 사건이다. 에게 비즈니스 목표 달성을 추적합니다. 성과 수 및 관련 값에 대한 집계된 보고를 볼 수 있습니다. Predictive Engagement 결과 채점 기능은 이러한 결과 이벤트를 사용하여 비즈니스 결과를 예측합니다. 고객에게 고유한 기계 학습 모델을 사용합니다. 최대 100개의 결과를 생성하고 조직당 최대 10개의 결과에 대한 결과 점수를 매길 수 있습니다.

결과 점수 예측

각 결과 점수는 방문자가 세션 중 지금까지 수행한 작업 또는 적절한 이벤트(예: 지리적 위치)에 포함된 방문자와 관련된 기타 활동을 기반으로 방문자가 특정 비즈니스 결과를 달성할 가능성을 나타냅니다. .

이 모델은 방문자가 웹 사이트를 탐색할 때 방문자의 점수를 위아래로 업데이트하여 실시간으로 각 결과에 대한 결과 달성에 가까워지고 멀어지는 것을 보여줍니다.

조직의 모델은 귀하에게 고유합니다.

방문자가 에이전트와 통신하는 경우 에이전트는 방문자의 전체 여정 컨텍스트 데이터 세트를 보는 동안 방문자의 결과 점수를 볼 수 있습니다. 또한 결과 점수는 사이트에서 방문자의 참여를 향상시키는 액션 맵을 트리거할 수 있습니다.
참고: 내부 서비스에서 모델의 교육 및 배포를 처리하므로 Genesys Predictive Engagement를 사용하여 고객별 모델을 배포할 수 없습니다. 우리 팀은 고객 사용 사례를 기반으로 새로운 알고리즘을 조사하고 스코어링 서비스에 통합합니다.

Genesys Predictive Engagement가 결과 확률 데이터를 수집하는 방법

Genesys Predictive Engagement는 방문자가 웹 페이지에 도착하고 상호 작용하는 모든 방식을 모니터링합니다. 예를 들어 전자상거래 사이트인 경우 Genesys Predictive Engagement는 방문자가 웹사이트를 탐색하고 체크아웃 페이지로 이동할 때 장바구니에 항목을 넣는 방법을 추적합니다.

참고:
  • 방문자가 특정 확률 점수를 달성하는 방법은 귀하의 비즈니스와 웹사이트에 고유합니다.
  • 결과 점수 및 관련 데이터 과학은 GDPR 준수 방식으로 점수가 매겨집니다. Predictive Engagement의 데이터 과학자는 익명의 GDPR 준수 데이터에 대해 독점적으로 작업합니다.
자세한 내용은 다음을 참조하세요. 당사가 추적하는 데이터 정보 .

모델 학습 시작

각 기계 학습 모델은 예측을 수행하기 전에 학습이 필요합니다.

교육을 시작하려면:

  1. 결과 채점을 활성화하여 결과 생성 . 새 결과를 추가하면 기본적으로 결과 채점이 비활성화되고 모델 교육이 발생하지 않습니다.
  2. 예측을 위해 결과를 사용하려면 새 결과에 대해 결과 채점을 활성화합니다. 최대 10개의 결과에 대해 결과 채점을 활성화할 수 있습니다. 
  3. 방문자가 추적된 웹사이트를 사용하도록 합니다. 사용자 활동을 확인하려면 다음을 사용하십시오. 지금 살아.
이러한 단계를 완료하면 24시간 이내에 모델 훈련이 자동으로 시작됩니다. 자동화된 모델 교육 및 예측은 익명화되지 않고 일반적으로 PII를 포함하는 원래 고객 여정 이벤트에서 수행됩니다. 학습 프로세스가 완료되고 다음 영업일이 시작되기 전에 모델이 작동할 준비가 됩니다.
참고: 처음에는 옆에 확인 표시가 있는 녹색 막대만 표시됩니다. 결과 점수 부분. 이 막대는 결과 조건이 충족되었음을 나타냅니다. 모델이 훈련된 후 결과 점수를 볼 수 있습니다.

지속적인 교육

모델 훈련 프로세스는 완전히 자동화되어 있으므로 모델은 항상 최신 상태로 유지되며 고객 행동이나 웹사이트 변화에 따라 변경됩니다. 교육을 시작, 모니터링 또는 유지 관리하기 위해 데이터 과학자가 필요하지 않습니다. 모델은 지난 7일간의 사용자 데이터를 사용하여 매일 밤 재학습됩니다. 또한 모델은 주기적으로 평가되고 새로운 데이터를 바탕으로 재학습됩니다.  

모델이 재학습되는 동안 결과 점수는 이전에 학습된 모델 버전을 사용하여 예측됩니다. 교육 과정 중에 상담원은 정상적으로 계속 작업할 수 있습니다.

예측 개선

일반적으로 모델을 더 오래 실행하고 더 많은 데이터를 평가할수록 예측이 더 좋아집니다.

모델의 예측을 개선하는 가장 좋은 방법은 달성된 결과의 수를 늘리는 것입니다. 일반적으로 데이터 세트에는 모델이 신뢰할 수 있는 예측을 수행하도록 적절하게 훈련되기 위한 수백 개의 긍정적인 예가 포함되어야 합니다.

다음과 같은 다른 요소가 모델 성능의 정확도에 영향을 미칠 수 있습니다.

  • 기록된 총 방문자 여정 수
  • 데이터에서 결과가 발생하는 빈도
  • 방문객이 만들어내는 이벤트의 풍부함

참고: 당신은 할 수 있습니다 IP 주소 제외 내부적으로 생성된 이벤트가 모델에 영향을 미치지 않도록 방지합니다.