El servicio de puntuación de resultados basado en IA de Genesys Predictive Engagement aprende a predecir los resultados de su negocio utilizando modelos de aprendizaje automático exclusivos para su empresa.

Los resultados son eventos que le permiten a hacer un seguimiento de los logros de un objetivo empresarial. Puede ver los informes agregados sobre el número de logros y su valor asociado. La capacidad de puntuación de resultados de Predictive Engagement utiliza estos eventos de resultados para predecir los resultados de su negocios utilizando modelos de aprendizaje automático exclusivos para sus clientes. Usted puede crear hasta 100 resultados y habilitar la puntuación de resultados en hasta 10 resultados por organización.

Predicción de resultados

La puntuación de cada resultado representa la probabilidad de que el visitante logre el resultado comercial concreto, basándose en las acciones que el visitante ha realizado hasta el momento durante la sesión o en otras actividades relacionadas con el visitante que se incluyen en los eventos correspondientes (por ejemplo, la geolocalización).

El modelo actualiza la puntuación de un visitante tanto hacia arriba como hacia abajo a medida que navega por su sitio web, mostrando cómo se acerca y se aleja de la consecución de resultados para cada resultado en tiempo real.

Si un visitante se comunica con un agente, éste puede ver las puntuaciones de los resultados del visitante mientras ve el conjunto completo de datos del contexto del viaje del visitante. Además, las puntuaciones de los resultados pueden desencadenar mapas de acción que mejoren el compromiso del visitante en su sitio.
Nota: Dado que nuestro servicio interno se encarga de la formación y el despliegue de modelos, no es posible desplegar modelos específicos de clientes con Genesys Predictive Engagement. Nuestro equipo investiga e integra nuevos algoritmos en el servicio de puntuación basándose en los casos de uso de los clientes.

Cómo recopila Genesys Predictive Engagement los datos de probabilidad de resultados

Genesys Predictive Engagement supervisa todas las formas en que los visitantes llegan a sus páginas web e interactúan con ellas. Por ejemplo, si tiene un sitio de comercio electrónico, Genesys Predictive Engagement rastrea cómo los visitantes navegan por su sitio web y colocan artículos en su cesta de la compra a medida que avanzan hacia la página de pago.

Nota:
  • La forma en que un visitante alcanza una determinada puntuación de probabilidad es exclusiva de su empresa y su sitio web.
  • Las puntuaciones de resultados y la ciencia de datos asociada se puntúan de una manera que cumple con el GDPR. Los científicos de datos de Predictive Engagement trabajan exclusivamente con datos anonimizados que cumplen con la GDPR.
For more information, see About the data we track.

Empiece a entrenar sus modelos

Cada uno de sus modelos de aprendizaje automático requiere formación antes de poder realizar predicciones.

Para iniciar la formación:

  1. Crear un resultado con puntuación de resultados habilitada. Cuando se añade un nuevo resultado, la puntuación del resultado se desactiva por defecto y no se producirá ningún entrenamiento del modelo.
  2. Si desea utilizar el resultado para realizar predicciones, active la puntuación de resultados en el nuevo resultado. Puede activar la puntuación de resultados para un máximo de 10 resultados. 
  3. Haga que los visitantes utilicen su sitio web rastreado. Para verificar la actividad del usuario, utilice Live Now.
Una vez completados estos pasos, el entrenamiento del modelo comienza automáticamente en 24 horas. La formación y las predicciones automatizadas del modelo se realizan a partir de los eventos originales del recorrido del cliente, que no están anonimizados y suelen contener información de identificación personal. El proceso de formación finaliza y el modelo está listo para trabajar antes del inicio del siguiente día laborable.
Nota: Inicialmente, sólo verá una barra verde con una marca al lado en la sección Outcome Scores . Esta barra indica que se ha cumplido la condición de resultado.

Formación continua

El proceso de formación de modelos está totalmente automatizado, por lo que los modelos están siempre actualizados y cambian a medida que cambia el comportamiento de los clientes o el sitio web. No necesita un científico de datos para iniciar, supervisar o mantener la formación. El modelo se vuelve a entrenar cada noche utilizando los datos de los últimos siete días de los usuarios. Además, el modelo se evalúa periódicamente y se vuelve a entrenar con datos nuevos.  

Mientras el modelo se somete a reentrenamiento, las puntuaciones de los resultados se predicen utilizando la versión previamente entrenada del modelo. Durante el proceso de formación, los agentes pueden seguir trabajando con normalidad.

Mejorar las predicciones

En general, cuanto más tiempo funcionen los modelos y más datos evalúen, mejores serán sus predicciones.

La mejor manera de mejorar las predicciones de un modelo es aumentar el número de resultados obtenidos. En general, el conjunto de datos debe contener varios cientos de ejemplos positivos para que el modelo esté adecuadamente entrenado para realizar predicciones fiables.

Hay otros factores que pueden afectar a la precisión del rendimiento de tu modelo, como:

  • Número total de desplazamientos de visitantes registrados
  • Frecuencia con la que se produce un resultado en los datos
  • Riqueza de acontecimientos que produce el visitante

Nota: You can exclude IP addresses to prevent events generated internally from influencing your models.