Marvis 大型体验模型

了解 Marvis 大型体验模型 （LEM） 如何利用实时遥测和 Shapley 模型，在网络中的用户体验问题影响用户之前进行预测、优化并主动诊断这些问题。

Marvis 大型体验模型 （LEM） 是一款由 AI 驱动的引擎，可以预测糟糕的用户体验，并对其造成网络中协作应用（如 Microsoft Teams 和 Zoom）的根本原因进行排名。通过持续提取实时网络遥测数据并使用基于 Shapley 的数据科学模型处理数据，Marvis LEM 可以主动检测和诊断新出现的问题——通常可以在用户察觉到任何影响之前。

LEM 评估无线网络行为并提供：

• 以客户端体验为中心的预测分析，利用历史和实时数据来预测潜在的用户体验降级情况。

• SHAP（Shapley Additive Explanations）值，用于量化每个特征（例如，信号强度、延迟、干扰）对预测体验的影响。

• 详细的客户端和接入点列表以及 LEM 计算的特征贡献

• 多层次洞察（站点范围、特定接入点和特定客户端）

• 所选持续时间内良好和不良用户分钟数百分比的明细。

  良好的用户分钟数表示用户没有遇到任何中断的时间。不良用户分钟数表示用户遇到音频或视频质量不佳、延迟或中断等问题的持续时间。通过比较这些指标，LEM 使您能够评估整体呼叫质量、识别模式并排除问题。

  

  默认情况下，用户分钟数显示为百分比。单击 # 查看确切的分钟数。

LEM 显示用户体验相关性 — 与 Zoom 或 Microsoft Teams 集成无关。如果您集成了 Zoom 和 Teams，则 LEM 会利用用户在 Zoom 和 Teams 会话中的分钟数来计算体验相关性。如果尚未启用 Zoom 和 Teams 集成，则 LEM 会利用网络上连接的所有客户端的所有用户分钟数来预测用户体验。