Autodesk 使用 AWS 来开发用户社区、提高社区参与度，以及更快获得社区成员的答案

自 2000 年以来，软件提供商 Autodesk 一直为其客户运营着一个名为 Autodesk Forums 的社区论坛，但是，尽管许多客户会在上面检索信息，很少客户会进一步与社区互动。实际上，论坛中参与度较高的都是那些非常精通 Autodesk 产品的用户。该公司希望鼓励客户不仅要吸收社区专业知识，还要能够输出自己的专业知识，从而扩大论坛的覆盖范围。

Autodesk 选择了 Amazon Web Services（AWS）解决方案，来构建并快速部署机器学习模型，并推出了名为 Community Match 新论坛迭代。该模型将论坛成员的专业知识与论坛上的问题相匹配 – 理念是鼓励专攻某一特定主题的社区成员分享他们关于 Autodesk 解决方案的内部知识。以前，客户寻求 Autodesk 的支持只是为了对问题进行故障排查，如今，他们能够利用共享社区中的知识更有效地使用 Autodesk 软件。

Autodesk 开发的软件助力人们“随心创造”。 其解决方案采用 3D 打印、人工智能、生成式设计和机器人等新兴技术，专为架构、工程、建筑、媒体和娱乐以及制造业的构建者而打造。该公司的战略是主要使用 AWS 进行整个开发实践：2017 年，公司将数据科学和机器学习开发实践从本地计算机转移到 AWS，最近创建了机器学习技能模型，以更好地将客户路由到支持座席。Autodesk 的 Data Science 总监 James Bradley 说：“类似于我们对基于技能的路由的看法，我们可以在人们参与之前提前开始以智能方式为客户提供服务，这就是数字体验的一部分。我们可以让自己的支持能力更贴近客户，更早地自动与他们互动。”

Autodesk 最初计划将 Community Match 打造为一个空间，在其中客户可以与 Autodesk 内部专家联系。后来，随着将重点转向培养客户之间共享的专业知识和社区，Autodesk 试图提高客户参与度，助力为更多客户更快提供答案并打造经过优化的用户体验。Bradley 说：“我们曾有机会定位社区中具有特定专业知识的成员，并将他们与有相应问题的社区成员配对。”为提高参与度，初始策略是使用电子邮件通知。但是，这似乎只能吸引那些已经在平台上非常活跃的客户（Autodesk 称其为“专家精英”），他们的产品专业知识助力他们成为实际上的 Autodesk 大使。相反，Autodesk 希望利用这些通知来吸引一批新的客户，这些客户有参与论坛的历史和兴趣，但并不经常参与。

为深入了解客户对电子邮件通知的反应以提高论坛参与度，Autodesk 直接追根溯源，在一次有 1 万多名与会者的 Autodesk 会议上采访了客户。一个主要发现是，一些客户的工作人员实际上会浏览论坛或提出问题，旨在整理内容以便与团队内部分享，但他们自己并不总是分享专业知识。数字支持及体验团队的数据科学家 Yizel Vizcarra 说：“他们中许多人认为自己不如 Autodesk 员工或专家精英知识丰富，因此他们会等待其他人回答提出的问题 – 即使他们自己可能是该领域的主题专家。我们希望在论坛中培养社区意识，鼓励人们在自己的专业知识可以帮助他人时做出回复。”

Autodesk 使用 AWS 无服务器架构在短短 1 周内创建了知识模型的原型。Bradley 说：“整合 AWS 上现有的不同无服务器功能，从而在如此短的时间内根据想法进行创造，这很有趣。”Webhook 从托管 Community Match 的第三方供应商向 AWS 传输实时数据。Vizcarra 说：“它为我们提供了灵活的架构，因为我们可以通过许多不同的方式来传输这些内容，不仅可以通过向 Slack 发送内容来让员工了解情况，还可以满足我们不同的用户群体的需求。”Autodesk 将论坛用户分为几组：高度参与的用户、半参与的用户和旁观者。

然后，Autodesk 构建并训练一个知识模型，托管于 Amazon Elastic Container Service（Amazon ECS）。Amazon ECS 是一种完全托管式容器编排服务，使用迁移学习技术为论坛中的客户问题创建嵌入。然后，它使用 Amazon SageMaker 构建近似最近邻模型，即假设数据集中相近的项目通常相似的通用分类模型。知识模型和近似最近邻模型有助于分析收到的用户问题，并确定其他 10 位具有相关专业知识或过去曾就类似主题回答过问题的用户。这些模型和一系列业务规则使用 AWS Lambda 打包，支持 Autodesk 无需预置或管理服务器即可运行代码，并按 AWS Step Functions 进行排序。这些通知被称为推荐，使用 Amazon Simple Email Service（Amazon Simple Email Service）根据每个收到的问题最多发给 10 位用户，并附有参与链接。Autodesk 在不更改其现有软件基础设施的情况下构建了整个解决方案。数字支持数据科学团队的首席数据科学家 Alex O’Connor 说：“我们能够引入机器学习进行实时监控，而无需与论坛软件进行广泛集成。实际上，通过这样做，我们缓解了服务器的压力。” 如果没有流式传输，就必须对论坛执行庞大的批量导出查询，这样会导致高昂的资源成本，可能影响用户的论坛平台体验。借助实时 Webhook 方法，资源扩展易于控制。

新的 Community Match 迭代于 2020 年 7 月推出，面向不经常参与的客户。在论坛启动的前 6 周内，Autodesk 使用 Amazon SES 和 Amazon Simple Notification Service（Amazon SNS）发送了 8473 条建议。Amazon SNS 是一种发布-订阅（发布/订阅）消息收发服务，用于针对不同类型的产品创建主题或逻辑组并提供更新通知。Autodesk 发现，根据打开率来判断，机器学习模型在 32％ 的时间内可以进行高质量的匹配，并且通知的点击率为 31％。在 Community Match 的第一次迭代中，回复率为 12％，而在新的迭代中，点击通知的用户中至少 16％ 的人（大部分之前不是高度参与的用户）之后进行了回复。Bradley 说：“他们收到强调自己专业知识的通知，有望受到鼓舞，从而充分参与对话。事实上，他们发帖的次数比以前多了。” 该论坛旨在向客户（尤其是那些没有参与的客户）展示分享专业知识如何使他人受益，从而调动他们的积极性。相较于 Autodesk 座席将提供的专家建议，客户能提供不同但同样有益的书外答案或变通办法。

Autodesk 还可以使用该论坛来更好地与客户互动并提供帮助。Bradley 说：“通过这种方法，我们可以实时对客户的行为做出反应，从而产生积极的业务影响。它为我们思考业务目标开辟了机会：我们可以在这个实时消息框架的基础上推动客户行为，从而减少他们的工作量或提高业务效率。” 例如，该论坛让 Autodesk 能够以活动经理或电子邮件应用程序无法实现的方式，灵活地快速响应客户的需求。例如，在新冠肺炎疫情期间，它重新利用论坛基础设施的某些部分，监控关于冠状病毒的提及情况，以记录客户正在做出的业务调整，并根据这些数据制定明智的应对措施。O’Connor 说：“密切关注实地情况对于支持实时响应非常有用。尤其是在早期，当形势发展得如此迅速时，了解我们是否以同样的速度满足客户的需求，这点对我们非常重要。”

在没有深入更改现有基础设施的情况下，Autodesk 使用 AWS 服务重建 Community Match 论坛以提高客户参与度，助力客户分享能让他人从中受益的专业知识。机器学习驱动型论坛不仅支持 Autodesk 创造性地为客户提供答案，还为公司提供宝贵的客户洞察和灵活解决方案，以便快速适应客户需求。Bradley 说：“我们确实有能力对其进行自定义，并很快从中学习。这涉及倾听我们如何提供帮助并调整我们的应对措施。