成果の概要

Genesys Predictive EngagementのAIを活用した成果スコアリングサービスは、お客様のビジネスに特化した機械学習モデルを用いて、お客様のビジネス成果を予測するよう学習します。

成果とは、あなたがビジネス目標の達成状況を追跡します。 達成数とそれに関連する値に関する集計レポートを表示できます。 予測エンゲージメントの結果スコアリング機能は、これらの結果イベントを使用してビジネスの結果を予測します。顧客に固有の機械学習モデルを使用します。 あなた最大 100 個の結果を作成し、組織ごとに最大 10 個の結果に対して結果スコアリングを有効にすることができます。

アウトカムスコアの予測

各成果スコアは、セッション中に訪問者がこれまでに行った行動や、適切なイベントに含まれる訪問者に関連する他の活動(例えば、ジオロケーション)に基づき、訪問者が特定のビジネス成果を達成する可能性を表しています。

このモデルは、訪問者がウェブサイトを閲覧するにつれてスコアを上下に更新し、各結果の達成に近づいているか、または遠ざかっているかをリアルタイムで表示します。

定義した最大 10 個の結果について、Web サイト上の他の訪問者の行動と比較して訪問者の行動を評価し、訪問者の結果スコアを決定する機械学習モデルがあります。 あなたの組織のモデルはあなた独自のものです。

訪問者がエージェントと通信した場合、エージェントは訪問者のジャーニーコンテキストデータ一式を見ながら、訪問者のアウトカムスコアを見ることができます。 また、結果スコアは、サイト訪問者のエンゲージメントを高めるアクションマップのトリガーとなります。
注意: モデルのトレーニングやデプロイは社内サービスで行うため、Genesys Predictive Engagementでお客様固有のモデルをデプロイすることはできません。 私たちのチームは、お客様のユースケースに基づき、新しいアルゴリズムを調査し、スコアリングサービスに統合しています。

Genesys Predictive Engagementによる成果確率のデータ収集方法

Genesys Predictive Engagementは、訪問者がWebページにたどり着き、どのようにインタラクションを行うかをすべて監視しています。 例えば、Eコマースサイトの場合、Genesys Predictive Engagementは、訪問者がどのようにウェブサイトをナビゲートし、チェックアウトページに進んでショッピングカートに商品を入れるかを追跡します。

 メモ:  
  • 訪問者がどのように一定の確率のスコアを獲得するかは、あなたのビジネスやウェブサイトに固有のものです。
  • アウトカムスコアと関連するデータサイエンスは、GDPRに準拠した方法で採点されます。 Predictive Engagementのデータサイエンティストは、匿名化されたGDPR準拠のデータのみを対象としています。
詳細については、を参照してください。当社が追跡するデータについて

モデルのトレーニングを開始

機械学習の各モデルが予測を行うには、学習が必要です。

トレーニングを開始するには

  1. 結果スコアリングを有効にして結果を作成する。 新しい結果を追加すると、結果のスコアリングはデフォルトで無効になり、モデルのトレーニングは行われません。
  2. 結果を予測に使用する場合は、新しい結果に対して結果スコアリングを有効にします。 最大 10 個の結果に対して結果スコアリングを有効にすることができます。 
  3. 訪問者に追跡型ウェブサイトを利用してもらう。 ユーザーの活動を確認するには、 Live Now をご利用ください。
これらの手順を完了すると、モデルのトレーニングが 24 時間以内に自動的に開始されます。 自動化されたモデルのトレーニングと予測は、匿名化されておらず、一般的に個人情報を含むオリジナルのカスタマージャーニーイベントに対して実行されます。トレーニング プロセスが完了し、モデルは次の営業日の開始前に動作できるようになります。
 メモ:   最初は、 Outcome Scores のセクションに、横にチェックの入った緑のバーが表示されるだけです。 このバーは、成果条件が満たされたことを示す。 モデルがトレーニングされた後、結果のスコアを確認できます。

継続的なトレーニング

モデルのトレーニング プロセスは完全に自動化されているため、モデルは常に最新の状態に保たれ、顧客の行動や Web サイトの変化に応じて変化します。 トレーニングの開始、監視、維持にデータサイエンティストは必要ありません。 モデルは、過去 7 日間のユーザー データを使用して毎晩再トレーニングされます。 また、モデルは定期的に評価され、最新のデータで再トレーニングされます。  

モデルの再トレーニング中は、以前にトレーニングされたモデルを用いて結果のスコアを予測する。 トレーニングの間、エージェントは通常通り仕事を続けることができます。

予測精度の向上

一般に、モデルの実行時間が長く、評価するデータが多いほど、予測精度は高くなります。

モデルの予測精度を向上させる最善の方法は、達成された結果の数を増やすことです。 一般に、信頼性の高い予測を行うためにモデルを十分に学習させるには、データセットに数百の正の例が含まれている必要があります。

その他の要因も、モデルの性能の精度に影響を与える可能性があります。

  • 訪問者移動の記録総数
  • データ中のある結果が発生する頻度
  • 訪問者が生み出すイベントの豊かさ

 メモ:   あなたはできるIPアドレスを除外する内部で生成されたイベントがモデルに影響を与えるのを防ぎます。