Wissensartikel und Katalogelemente für Mitarbeiter entdecken

  • Freigeben Version: Washingtondc
  • Aktualisiert 1. Februar 2024
  • 1 Minute Lesedauer

    • Erkennen Sie alle Benutzer, die ein ähnliches Profil wie der Mitarbeiter haben, der sich bei Employee Service Centerangemeldet hat. Identifizieren Sie die am häufigsten angezeigten Wissensartikel und die am häufigsten übermittelten Katalogelemente von diesen Benutzern. Zeigen Sie dem Mitarbeiter die drei wichtigsten Wissensartikel und die drei wichtigsten Katalogelemente an.

    Die drei wichtigsten Wissensartikel und die drei wichtigsten Katalogelemente

    Wenn die Lösungsdefinition „Benutzerprofilbasierte Empfehlung“ (ml_sn_sn_hr_core_global_user_profile_based_recommendation) konfiguriert und das Vorhersagemodell trainiert ist, werden die drei wichtigsten Wissensartikel und die drei wichtigsten Katalogelemente einem Mitarbeiter in Employee Service Center und auf der HR-Ticketseite angezeigt.

    Die am häufigsten angezeigten Wissensartikel und am häufigsten übermittelten Katalogelemente, wie für einen Mitarbeiter angezeigt.

    Automatisches Training des Vorhersagemodells

    Standardmäßig ist die Lösungsdefinition der benutzerprofilbasierten Empfehlung konfiguriert, und das Vorhersagemodell wird automatisch trainiert, wenn alle folgenden Bedingungen erfüllt sind:
    • Das Plugin „Human Resources Scoped App: Core“ (com.sn_hr_core) ist installiert.
    • Das Predictive Intelligence-Plugin (com.glide.platform_ml) ist installiert.
    • Die Systemeigenschaft glide.platform_ml.auto_training.enabled ist auf „true“ festgelegt.
    Sie können das Vorhersagemodell manuell trainieren, wenn es nicht standardmäßig automatisch trainiert wird. Nachdem Sie das Vorhersagemodell manuell trainiert haben, navigieren Sie zum Modul HR-KI-Konfiguration, öffnen Sie den Datensatz der Gruppe für ähnliche Anwender, und ordnen Sie die konfigurierte Lösungsdefinition zu.

    Widget-Optionen konfigurieren

    Sie können auch die folgenden Widget-Optionen konfigurieren:
    • User prediction count (Benutzervorhersage – Anzahl): Anzahl ähnlicher Benutzer, die vom Vorhersagemodell erkannt wurden. Standardmäßig werden die 25 ähnlichsten Benutzer für den Benutzer erkannt.
    • Recent activity cut off days (Zeitraum in Tagen für letzte Aktivität): Anzahl der Tage, die vom Vorhersagemodell für die Abfrage der Artikel und Katalogelemente berücksichtigt werden. Standardmäßig wird die Aktivität der letzten 30 Tage in der Tabelle „Wissensnutzung“, der Tabelle „Angeforderte Elemente“ und der Tabelle „Von Elementen erstellte Datensätze“ überprüft.
    Um die Widget-Optionen zu konfigurieren, navigieren Sie zum Modul Service Portal-Konfiguration, wählen den Widget-Editor aus, suchen nach Für Sie relevant und klicken auf Optionsschema bearbeiten.