Le service d'évaluation des résultats alimenté par l'IA de Genesys Predictive Engagement apprend à prédire les résultats de votre entreprise à l'aide de modèles d'apprentissage automatique qui lui sont propres.

Les résultats sont des événements qui vous permettent to de suivre les réalisations d'un objectif commercial. Vous pouvez consulter les rapports agrégés sur le nombre de réalisations et leur valeur associée. La capacité de notation des résultats de l'engagement prédictif utilise ces événements pour prédire les résultats de votre entreprises à l'aide de modèles d'apprentissage automatique qui sont propres à vos clients. Vous pouvez créer jusqu'à 100 résultats et activer la notation des résultats pour un maximum de 10 résultats par organisation.

Prévision des résultats

Chaque score de résultat représente la probabilité que le visiteur atteigne le résultat commercial particulier, sur la base des actions que le visiteur a effectuées jusqu'à présent au cours de la session ou d'autres activités liées au visiteur qui sont incluses dans les événements appropriés (par exemple, la géolocalisation).

Le modèle met à jour le score d'un visiteur à la hausse et à la baisse au fur et à mesure qu'il navigue sur votre site web, en montrant qu'il se rapproche ou s'éloigne de l'atteinte des résultats pour chaque résultat en temps réel.

Les modèles de votre organisation sont uniques.

Si un visiteur communique avec un agent, ce dernier peut voir les résultats du visiteur tout en consultant l'ensemble des données contextuelles du parcours du visiteur. De plus, les scores des résultats peuvent déclencher des plans d'action qui renforcent l'engagement d'un visiteur sur votre site.
Remarque : Comme notre service interne se charge de la formation et du déploiement des modèles, il n'est pas possible de déployer des modèles spécifiques au client avec Genesys Predictive Engagement. Notre équipe étudie et intègre de nouveaux algorithmes dans le service de notation en fonction des cas d'utilisation des clients.

Comment Genesys Predictive Engagement recueille les données relatives à la probabilité des résultats.

Genesys Predictive Engagement surveille toutes les façons dont les visiteurs arrivent sur vos pages Web et interagissent avec elles. Par exemple, si vous êtes un site de commerce électronique, Genesys Predictive Engagement suit la façon dont les visiteurs naviguent sur votre site et placent des articles dans leur panier lorsqu'ils passent à la page de paiement.

Remarque : 
  • La façon dont un visiteur atteint un certain score de probabilité est propre à votre entreprise et à votre site web.
  • Les scores des résultats et la science des données associée sont notés d'une manière conforme au GDPR. Les data scientists de Predictive Engagement travaillent exclusivement sur des données anonymisées conformes au GDPR.
Pour plus d'informations, voir A propos des données que nous suivons.

Commencez à former vos modèles

Chacun de vos modèles d'apprentissage automatique nécessite une formation avant de pouvoir faire des prédictions.

Pour commencer la formation :

  1. Créer un résultat avec l'option de notation des résultats activée. Lorsque vous ajoutez une nouvelle issue, la notation de l'issue est désactivée par défaut et aucune formation de modèle n'a lieu.
  2. Si vous souhaitez utiliser le résultat pour faire des prédictions, activez la notation des résultats pour le nouveau résultat. Vous pouvez activer la notation des résultats pour un maximum de 10 résultats. 
  3. Faites en sorte que les visiteurs utilisent votre site web suivi. Pour vérifier l'activité des utilisateurs, utilisez Live Now.
Une fois ces étapes terminées, la formation au modèle commence automatiquement dans les 24 heures. La formation et les prédictions du modèle automatisé sont effectuées sur les événements originaux du parcours du client, qui ne sont pas anonymisés et contiennent généralement des IPI. Le processus de formation s'achève et le modèle est prêt à fonctionner avant le début du jour ouvrable suivant.
Remarque :  Au départ, vous ne voyez qu'une barre verte avec une coche à côté dans la section Outcome Scores . Cette barre indique que la condition de résultat a été remplie. Vous pouvez voir les résultats obtenus après l'apprentissage de votre modèle.

Formation continue

Le processus d'apprentissage des modèles est entièrement automatisé, de sorte que vos modèles sont toujours à jour et évoluent en fonction du comportement de vos clients ou de votre site web. Vous n'avez pas besoin d'un scientifique des données pour lancer, suivre ou maintenir la formation. Votre modèle est ré-entraîné chaque nuit en utilisant les sept derniers jours de vos données d'utilisateur. En outre, votre modèle est évalué périodiquement et réentraîné sur des données fraîches.  

Pendant que le modèle subit un réentraînement, les résultats sont prédits à l'aide de la version précédente du modèle. Pendant le processus de formation, les agents peuvent continuer à travailler normalement.

Améliorer les prédictions

En général, plus vos modèles fonctionnent longtemps et plus ils évaluent de données, meilleures sont leurs prédictions.

La meilleure façon d'améliorer les prédictions d'un modèle est d'augmenter le nombre de résultats obtenus. En général, votre ensemble de données doit contenir plusieurs centaines d'exemples positifs pour que votre modèle soit suffisamment entraîné pour faire des prédictions fiables.

D'autres facteurs peuvent affecter la précision des performances de votre modèle, notamment :

  • Nombre total de déplacements de visiteurs enregistrés
  • Fréquence d'apparition d'un résultat dans les données
  • Richesse des événements produits par le visiteur

Remarque :  Vous pouvez exclure des adresses IP pour éviter que des événements générés en interne n'influencent vos modèles.