Autodesk 使用 AWS 開發使用者社群、提高社群參與度並更快地為社群成員提供答案

自 2000 年以來，軟體供應商 Autodesk 一直為其客戶提供名為 Autodesk Forums 的社群論壇，儘管許多客戶將其用作資源，但鮮少有客戶更進一步與社群互動。事實上，論壇最活躍的使用者是那些最熟悉 Autodesk 產品的使用者。該公司希望透過讓客戶不僅能夠吸收社群中提供的專業知識，還能夠分享自己的專業知識，從而擴大論壇的影響力。

Autodesk 選擇了 Amazon Web Services (AWS) 解決方案，來為稱為 Community Match 的新一代論壇建置和快速部署機器學習模型。該模型會比對論壇成員的專業知識與論壇上張貼的問題，其概念是鼓勵身為特定主題專家的論壇成員分享他們所熟知的 Autodesk 解決方案知識。Autodesk 的客戶以前只有在需要排解問題時才會尋求 Autodesk 支援人員的協助，但現在，他們會利用知識分享論壇內的知識來更有效地使用 Autodesk 軟體。

Autodesk 開發讓人們能夠「創造事物」的軟體。 其解決方案採用 3D 列印、人工智慧、生成式設計和機器人技術等新興技術，專為建築、工程、營造、媒體與娛樂以及製造業的創作者而設計。該公司的策略是在整個開發實務中主要使用 AWS：2017 年，他們將資料科學和機器學習開發實務從內部部署機器轉移到 AWS；最近建立了一個機器學習技能模型，用於更好地將客戶引導給支援客服人員。James Bradley (Autodesk 的 Director of Data Science) 表示：「與我們對以技能為基礎的引導系統的看法類似，我們可以以智慧的方式，在客戶必須參與之前，就透過數位體驗開始為客戶提供服務。」「我們可以讓我們的支援能力更貼近客戶，並更早地自動與他們互動。」

Autodesk 最初希望 Community Match 成為客戶可以與 Autodesk 內部專家交流的空間。後來，為了專注於在客戶之間培養共享的專業知識和社群，Autodesk 尋求提高客戶參與度，以協助更快地為更多客戶提供答案和最佳化使用者體驗。「我們可以將具有特定專業知識的社群成員，與有問題需要解答的社群成員配對，」Bradley 說道。為了增加參與度，最初的策略是使用電子郵件通知。然而，這似乎只吸引了那些本已在該平台上表現活躍的客戶，Autodesk 將這些客戶稱為「專家精英」，他們的產品專業知識使他們成為事實上的 Autodesk 大使。Autodesk 希望利用通知來吸引另外一群客戶，這些客戶曾參與過論壇且對論壇感興趣，但並非定期參與。

為了深入了解客戶對電子郵件通知的反應，以提升論壇參與度，Autodesk 直奔源頭，在一次 1 萬人參與的 Autodesk 大會上採訪了客戶。一個主要發現是，一些客戶的員工實際上會瀏覽論壇或提出問題，以準備與團隊內部分享的內容，但他們並不總是會分享專業知識。「他們中的許多人覺得自己不如 Autodesk 的員工或專家精英了解得那麼多，因此他們會等待其他人回答問題，即便他們可能是相關領域的領域專家，」Digital Help and Experience 團隊的資料科學家 Yizel Vizcarra 說道，「我們希望在論壇中鼓勵一種社群意識，並鼓勵人們在他們的專業知識可以協助另一個人時做出回應。」

Autodesk 使用 AWS 無伺服器架構在短短 1 週內便建立了一個知識模型原型。「透過將 AWS 上存在的不同無伺服器功能整合在一起，在如此短的時間內從一個想法中創造出一些東西，這很有趣，」Bradley 說道，Webhook 將來自託管 Community Match 的第三方供應商的即時資料傳送到 AWS。「它為我們提供了一個靈活的架構，因為我們可以透過多種不同的方式處理內容，不僅可以透過將內容傳送到 Slack 來讓員工參與，還可以滿足我們不同的使用者群體的需求，」Vizcarra 說道。Autodesk 將論壇使用者分為幾個群組：高度參與組、半參與組和觀察者組。

隨後，Autodesk 建置並訓練了一個知識模型，託管在全受管的容器協調服務 Amazon Elastic Container Service (Amazon ECS) 上，使用遷移學習技術建立論壇中客戶問題的內嵌項目。然後，使用 Amazon SageMaker 建立了一個近似最近鄰模型，這是一種常見的分類模型，假設資料集中靠近的項目通常是相似的。該知識模型和近似最近鄰模型幫助分析傳入的使用者問題，並確定其他 10 位具有相關專業知識，或過去回答過類似主題問題的使用者。兩個模型和一系列業務規則使用 AWS Lambda (這使得 Autodesk 無需佈建或管理伺服器亦可執行程式碼) 進行打包，並透過 AWS Step Functions 進行排序。針對每個傳入的問題，他們會使用 Amazon Simple Email Service (Amazon SES) 將這些通知 (稱為推薦) 傳送給最多 10 名使用者，並附上參與連結。Autodesk 建立這一整個解決方案，而沒有變更其現有的軟體基礎設施。「我們能夠引入機器學習進行即時監控，而無需與論壇軟體進行大幅的整合，」Digital Help Data Science 團隊首席資料科學家 Alex O’Connor 說道，「事實上，我們這樣做也減輕了伺服器的壓力。」 如果沒有串流，則需要對論壇執行非常大的大量匯出查詢，這會產生巨大的資源成本，還可能會影響使用者的論壇平台體驗。藉助即時 Webhook 方法，可以輕鬆控制資源擴展。

2020 年 7 月推出了新的 Community Match 疊代版本，這一版中針對不定期參與的客戶做了改動。在該版論壇推出後的前 6 週內，Autodesk 使用 Amazon SES 和 Amazon Simple notification Service (Amazon SNS) (一種發佈訂閱簡訊服務，用於在不同類型的產品上建立主題或邏輯群組，並傳送更新通知) 傳送了 8,473 個推薦。Autodesk 發現，機器學習模型在 32% 的時間內實現了高品質配對 (Autodesk 根據開啟率判斷)，而通知的點閱率為 31%。與 Community Match 第一次疊代版本的 12% 的回覆率相比，在新的疊代版本中點閱通知的人 (其中大多數是以前參與度不高的使用者) 裡至少有 16% 參與了回覆。「向使用者傳送強調其專業知識的通知有望鼓勵他們充分參與對話，」Bradley 說道，「事實上，我們已經看到他們發佈的內容有所增加。」 該論壇旨在透過向客戶 (尤其是那些想參與但沒有參與的客戶) 展示分享專業知識可以如何讓他人受益，從而鼓勵客戶參與。已經有客戶提供了在書上找不到的答案或解決方法，這些答案或解決方法不同於 Autodesk 客服人員提供的專家建議，但其有用程度毫不遜色。

Autodesk 還可以利用論壇更好地與客戶互動並提供協助。「我們可以對客戶的行為做出即時反應，並由此產生積極的業務影響，」Bradley 說道，「它為思考我們的業務目標提供了機會：我們可以在此即時簡訊架構的基礎上進行建置，引導客戶行為，幫助客戶減少他們的工作量或提高業務效率。」 例如，該論壇使 Autodesk 能夠靈活地快速回應客戶的需求，而活動經理或電子郵件應用程式則無法做到這一點。例如，在 COVID-19 大流行期間，他們對論壇基礎設施做了一些改動，以監控有關提及冠狀病毒的資訊，從而記錄客戶正在進行的業務調整，並根據這些資料制定明智的回應。「密切注意實際狀況對於支援即時回應非常有用，」O’Connor 說道，「特別是在早期，當情況發展迅速時，對我們了解我們是否滿足客戶的需求非常重要。」

Autodesk 在沒有對現有基礎設施進行大刀闊斧變更的情況下，使用 AWS 服務重建了其 Community Match 論壇，推動更多客戶互動，讓客戶願意分享專業知識，從而讓其他人從中受益。機器學習驅動的論壇不僅使 Autodesk 能夠創造性地為客戶提供答案，還讓其能夠洞察客戶，並獲得一個能夠快速適應客戶需求的靈活解決方案。「我們確實能夠自訂它並快速從中學習，」Bradley 說道，「關鍵在於傾聽客戶的需求並調整我們的回應。」