利用上下文感知 AI 客服人员的数据图形

集成过程

数据图充当实时上下文引擎，以捕获上下文、查询数据和丰富简档。

1. Web 连接器 SDK 捕获用户会话，并将IndividualId传递给客服人员。
2. 客服人员使用该IndividualId实时查询数据图形。
3. 数据图向客服人员的上下文变量返回结构化行为简档。

实施示例：Northern Trail Outfitters (NTO)

情况：

在 NTO 的站点上，用户打开聊天，并输入“我需要登山靴迎接即将到来的旅行”。如果没有数据图表，客服人员只能提供登山靴的通用列表。因为 NTO 根据以前的视图、聊天和购物车参与度设置了数据图，所以客服人员知道这个客户最近做了 XYZ。客服人员回复，

Based on your interest in the Women's RidgeWalker Pro and the trail running shoes in your cart, I'd recommend the Women's FrostStep Thermal Boot (SKU: 9988776) for $130. It offers the same protection you were looking for, plus insulation for cold trail conditions.

数据图形结构和输出

查看数据图形的层次结构和为客服人员提供实时上下文的 JSON 输出。

结构：

数据图在Individual实体下分层组织参与数据。

Individual
  ├── CatalogEngagement
  ├── CartEngagement
  └── AgentEngagement

JSON 输出：此负载表示返回给客服人员的数据。

{
  "ssot__Id__c": "abc123",
  "CatalogEngagement__dlm": [
    {
      "catalog_id__c": "PROD001",
      "catalog_interactionName__c": "ViewCatalogObject",
      "eventType__c": "product-view"
    }
  ],
  "AgentEngagement__dlm": [
    {
      "agentEngagement_conversationId__c": "CONV001",
      "eventType__c": "agentEngagement",
      "ssot__ConversationEntry__dlm": [
        {
          "ssot__PayloadText__c": "I'm interested in Sales Cloud pricing"
        }
      ]
    }
  ]
}