Optimierung des Kundenerlebnisses durch Intent bei Red Hat

Präsentiert auf der virtuellen Activate 2020. Die Self-Solve-Erfahrung ist nicht optional, sondern der neue Standard. Kunden abonnieren Red Hat -Produkte mit unterschiedlichem Grad an betrieblicher Komplexität. Der Schlüssel zur Kundenerneuerung liegt darin, den Kunden die richtigen Ressourcen zur Verfügung zu stellen, z. B. eine Wissensdatenbank, Tools und Support für die Fehlerbehebung. Self-Solve-Optionen sparen Zeit und verringern die Frustration der Kunden. Die Automatisierung von Top-Problemen, die proaktive Erfassung von Diagnosen und die Weiterleitung von Support-Anfragen sind Möglichkeiten, die Effizienz der Arbeitsabläufe der Support-Mitarbeiter zu verbessern, die mit dem erhöhten Arbeitsaufkommen konfrontiert sind.

In dieser Sitzung werden wir die Herausforderungen und Techniken vorstellen, die zur Verbesserung der Auffindbarkeit in der Self-Solve-Erfahrung und der Muster zur Verbesserung der Workflow-Effizienz eingesetzt werden. Wir werden auch auf die Notwendigkeit eingehen, aus den Suchbegriffen auf die Kundenabsicht zu schließen. Wir werden eine Methode zur Unterscheidung der Suchintentionen mit Hilfe von maschinellem Lernen und die damit verbundenen Schritte wie Problemstellung, Datenerfassung, Modellerstellung und End-to-End-Integration vorstellen.

Referenten:
Manikandan Sivanesan, Principal Software Engineer, Red Hat Inc. (Tochtergesellschaft von IBM)
Jaydeep Rane, Senior Data Scientist, Red Hat Inc. (Tochtergesellschaft von IBM)

Zielgruppe:
Anfänger bis fortgeschrittene Data Scientists mit Interesse an der Erstellung von Textklassifizierungsmodellen unter Verwendung von Natural LAnguage Processing. Erfahrung im Programmieren in Python ist eine Voraussetzung.

Teilnehmer nehmen mit:
Lernen Sie, wie Sie diese Muster nutzen können, um die Self-Solve-Erfahrung ihrer Website zu fördern, und nehmen Sie die wichtigsten Lektionen für den Aufbau und die Bereitstellung eines durchgängigen Systems für maschinelles Lernen in der Produktion mit.

Erfahren Sie mehr darüber, wie Red Hat Fusion verwendet.