Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Ausgabe für Analyse nach Anrufen
Analysetranskripte nach dem Anruf werden segmentweise angezeigt turn-by-turn . Dazu gehören Anrufkategorisierung, Anrufmerkmale (Lautstärkewerte, Unterbrechungen, Nicht-Gesprächszeit, Gesprächsgeschwindigkeit), Anrufzusammenfassung (Probleme, Ergebnisse und Aktionselemente), Schwärzung und Stimmung. Zusätzlich wird am Ende des Transkripts eine Zusammenfassung der Gesprächsmerkmale bereitgestellt.
Um die Genauigkeit zu erhöhen und Ihre Transkripte weiter an Ihren Anwendungsfall anzupassen, z. B. durch Einbeziehung branchenspezifischer Begriffe, fügen Sie Ihrer Call-Analytics-Anfrage benutzerdefinierte Vokabulare oder benutzerdefinierte Sprachmodelle hinzu. Um Wörter zu maskieren, zu entfernen oder zu markieren, die Sie in Ihren Transkriptionsergebnissen nicht möchten, z. B. Obszönitäten, fügen Sie eine Wortschatzfilterung hinzu. Wenn Sie sich nicht sicher sind, welcher Sprachcode an die Mediendatei übergeben werden soll, können Sie die Batch-Sprachenidentifizierung aktivieren, um die Sprache in Ihrer Mediendatei automatisch zu identifizieren.
Die folgenden Abschnitte zeigen Beispiele für die JSON-Ausgabe auf Einblicksebene. Kompilierte Ausgaben finden Sie unter Kompilierte Analyse nach Anrufen-Ausgaben.
Anrufkategorisierung
So sieht eine Kategorieübereinstimmung in Ihrer Transkriptionsausgabe aus. Dieses Beispiel zeigt, dass das Audio vom Zeitstempel von 40040 Millisekunden bis zum Zeitstempel von 42460 Millisekunden mit der Kategorie „positive Auflösung“ übereinstimmt. In diesem Fall erforderte die benutzerdefinierte Kategorie „positive Auflösung“ eine positive Stimmung in den letzten Sekunden der Rede.
"Categories": { "MatchedDetails": { "positive-resolution": { "PointsOfInterest": [ { "BeginOffsetMillis":40040, "EndOffsetMillis":42460} ] } }, "MatchedCategories": [ "positive-resolution" ] },
Anrufmerkmale
So sehen die Anrufmerkmale in Ihrer Transkriptionsausgabe aus. Beachten Sie, dass für jeden Gesprächsschritt die Lautstärkewerte angegeben werden, während alle anderen Merkmale am Ende des Transkripts angegeben werden.
"LoudnessScores": [87.54,88.74,90.16,86.36,85.56,85.52,81.79,87.74,89.82],..."ConversationCharacteristics": { "NonTalkTime": { "Instances": [], "TotalTimeMillis":0}, "Interruptions": { "TotalCount":2, "TotalTimeMillis":10700, "InterruptionsByInterrupter": { "AGENT": [ { "BeginOffsetMillis":26040, "DurationMillis":5510, "EndOffsetMillis":31550} ], "CUSTOMER": [ { "BeginOffsetMillis":770, "DurationMillis":5190, "EndOffsetMillis":5960} ] } }, "TotalConversationDurationMillis":42460,..."TalkSpeed": { "DetailsByParticipant": { "AGENT": { "AverageWordsPerMinute":150}, "CUSTOMER": { "AverageWordsPerMinute":167} } }, "TalkTime": { "DetailsByParticipant": { "AGENT": { "TotalTimeMillis":32750}, "CUSTOMER": { "TotalTimeMillis":18010} }, "TotalTimeMillis":50760} },
Probleme, Maßnahmen und nächste Schritte
-
Im folgenden Beispiel werden Probleme identifiziert, die bei Zeichen 7 beginnen und bei Zeichen 51 enden, was sich auf diesen Abschnitt des Textes bezieht: „Ich möchte mein Rezeptabonnement kündigen“.
"Content": "Well, I would like to cancel my recipe subscription.", "IssuesDetected": [ { "CharacterOffsets": { "Begin":7, "End":51} } ], -
Im folgenden Beispiel werden die Ergebnisse als beginnend bei Zeichen 12 und endend bei Zeichen 78 identifiziert, was sich auf diesen Abschnitt des Textes bezieht: „Ich habe alle Änderungen an Ihrem Konto vorgenommen und jetzt wird dieser Rabatt angewendet“.
"Content": "Wonderful. I made all changes to your account and now this discount is applied, please check.", "OutcomesDetected": [ { "CharacterOffsets": { "Begin":12, "End":78} } ], -
Im folgenden Beispiel werden Aktionspunkte als beginnend mit Zeichen 0 und endend mit Zeichen 103 identifiziert, was sich auf diesen Abschnitt des Textes bezieht: „Ich werde Ihnen heute eine E-Mail mit allen Details senden und Sie nächste Woche zur Nachverfolgung zurückrufen“.
"Content": "I will send an email with all the details to you today, and I will call you back next week to follow up. Have a wonderful evening.", "ActionItemsDetected": [ { "CharacterOffsets": { "Begin":0, "End":103} } ],
Generative Anrufzusammenfassung
So sieht die generative Anrufzusammenfassung in Ihrer Transkriptionsausgabe aus:
"ContactSummary": { "AutoGenerated": { "OverallSummary": { "Content": "A customer wanted to check to see if we had a bag allowance. We told them that we didn't have it, but we could add the bag from Canada to Calgary and then do the one coming back as well." } } }
In den folgenden Fällen wird der Analyseauftrag ohne Generierung einer Zusammenfassung abgeschlossen:
-
Ungenügender Gesprächsinhalt: Die Konversation muss mindestens eine Runde sowohl vom Agenten als auch vom Kunden beinhalten. Wenn der Konversationsinhalt nicht ausreicht, gibt der Service den Fehlercode INSUFFICIENT_CONVERSATION_CONTENT zurück.
-
Sicherheitsleitplanken: Die Konversation muss den vorhandenen Sicherheitsvorkehrungen entsprechen, um sicherzustellen, dass eine angemessene Zusammenfassung generiert wird. Wenn diese Leitplanken nicht eingehalten werden, gibt der Service den Fehlercode FAILED_SAFETY_GUIDELINES zurück.
Der Fehlercode befindet sich im Abschnitt innerhalb der Ausgabe. Skipped AnalyticsJobDetails Möglicherweise finden Sie den Fehlergrund auch CallAnalyticsJobDetails in der GetCallAnalyticsJobAPI-Antwort.
Beispiel für eine Fehlerausgabe
{ "JobStatus": "COMPLETED", "AnalyticsJobDetails": { "Skipped": [ { "Feature": "GENERATIVE_SUMMARIZATION", "ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT", "Message": "The conversation needs to have at least one turn from both the participants to generate summary" } ] }, "LanguageCode": "en-US", "AccountId": "***************", "JobName": "Test2-copy",...}
Stimmungsanalyse
So sieht die Stimmungsanalyse in Ihrer Transkriptionsausgabe aus.
-
Qualitative turn-by-turn Stimmungswerte:
"Content": "That's very sad to hear. Can I offer you a 50% discount to have you stay with us?",..."BeginOffsetMillis":12180, "EndOffsetMillis":16960, "Sentiment": "NEGATIVE", "ParticipantRole": "AGENT"..."Content": "That is a very generous offer. And I accept.",..."BeginOffsetMillis":17140, "EndOffsetMillis":19860, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" -
Quantitative Stimmungswerte für den gesamten Anruf:
"Sentiment": { "OverallSentiment": { "AGENT":2.5, "CUSTOMER":2.1}, -
Quantitative Stimmungswerte pro Teilnehmer und pro Anrufviertel:
"SentimentByPeriod": { "QUARTER": { "AGENT": [ { "Score":0.0, "BeginOffsetMillis":0, "EndOffsetMillis":9862}, { "Score":-5.0, "BeginOffsetMillis":9862, "EndOffsetMillis":19725}, { "Score":5.0, "BeginOffsetMillis":19725, "EndOffsetMillis":29587}, { "Score":5.0, "BeginOffsetMillis":29587, "EndOffsetMillis":39450} ], "CUSTOMER": [ { "Score":-2.5, "BeginOffsetMillis":0, "EndOffsetMillis":10615}, { "Score":5.0, "BeginOffsetMillis":10615, "EndOffsetMillis":21230}, { "Score":2.5, "BeginOffsetMillis":21230, "EndOffsetMillis":31845}, { "Score":5.0, "BeginOffsetMillis":31845, "EndOffsetMillis":42460} ] } }
PII-Schwärzung
So sieht die PII-Schwärzung in Ihrer Transkriptionsausgabe aus.
"Content": "[PII], my name is [PII], how can I help?", "Redaction": [{ "Confidence": "0.9998", "Type": "NAME", "Category": "PII" }]
Weitere Informationen finden Sie unter Schwärzen von PII in Ihrem Batch-Job.
Sprachidentifizierung
So sieht die Sprachidentifizierung in Ihrer Transkriptionsausgabe aus, wenn das Feature aktiviert ist.
"LanguageIdentification": [{ "Code": "en-US", "Score": "0.8299" }, { "Code": "en-NZ", "Score": "0.0728" }, { "Code": "zh-TW", "Score": "0.0695" }, { "Code": "th-TH", "Score": "0.0156" }, { "Code": "en-ZA", "Score": "0.0121" }]
Im obigen Ausgabebeispiel füllt die Sprachidentifizierung die Sprachcodes mit Konfidenzwerten. Das Ergebnis mit dem höchsten Konfidenzwert wird als Sprachcode für die Transkription ausgewählt. Weitere Informationen finden Sie unter Identifizierung der vorherrschenden Sprachen in Ihren Medien.
Kompilierte Analyse nach Anrufen-Ausgaben
Der Kürze halber werden einige Inhalte in der folgenden Transkriptionsausgabe durch Ellipsen ersetzt.
Dieses Beispiel beinhaltet die optionale Funktion Generative Anrufzusammenfassung.
{ "JobStatus": "COMPLETED", "LanguageCode": "en-US", "Transcript": [ { "LoudnessScores": [ 78.63, 78.37, 77.98, 74.18 ], "Content": "[PII], my name is [PII], how can I help?",..."Content": "Well, I would like to cancel my recipe subscription.", "IssuesDetected": [ { "CharacterOffsets": { "Begin": 7, "End": 51 } } ],..."Content": "That's very sad to hear. Can I offer you a 50% discount to have you stay with us?", "Items": [...], "Id": "649afe93-1e59-4ae9-a3ba-a0a613868f5d", "BeginOffsetMillis": 12180, "EndOffsetMillis": 16960, "Sentiment": "NEGATIVE", "ParticipantRole": "AGENT" }, { "LoudnessScores": [ 80.22, 79.48, 82.81 ], "Content": "That is a very generous offer. And I accept.", "Items": [...], "Id": "f9266cba-34df-4ca8-9cea-4f62a52a7981", "BeginOffsetMillis": 17140, "EndOffsetMillis": 19860, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" }, {..."Content": "Wonderful. I made all changes to your account and now this discount is applied, please check.", "OutcomesDetected": [ { "CharacterOffsets": { "Begin": 12, "End": 78 } } ],..."Content": "I will send an email with all the details to you today, and I will call you back next week to follow up. Have a wonderful evening.", "Items": [...], "Id": "78cd0923-cafd-44a5-a66e-09515796572f", "BeginOffsetMillis": 31800, "EndOffsetMillis": 39450, "Sentiment": "POSITIVE", "ParticipantRole": "AGENT" }, { "LoudnessScores": [ 78.54, 68.76, 67.76 ], "Content": "Thank you very much, sir. Goodbye.", "Items": [...], "Id": "5c5e6be0-8349-4767-8447-986f995af7c3", "BeginOffsetMillis": 40040, "EndOffsetMillis": 42460, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" } ],..."Categories": { "MatchedDetails": { "positive-resolution": { "PointsOfInterest": [ { "BeginOffsetMillis": 40040, "EndOffsetMillis": 42460 } ] } }, "MatchedCategories": [ "positive-resolution" ] },..."ConversationCharacteristics": { "NonTalkTime": { "Instances": [], "TotalTimeMillis": 0 }, "Interruptions": { "TotalCount": 2, "TotalTimeMillis": 10700, "InterruptionsByInterrupter": { "AGENT": [ { "BeginOffsetMillis": 26040, "DurationMillis": 5510, "EndOffsetMillis": 31550 } ], "CUSTOMER": [ { "BeginOffsetMillis": 770, "DurationMillis": 5190, "EndOffsetMillis": 5960 } ] } }, "TotalConversationDurationMillis": 42460, "Sentiment": { "OverallSentiment": { "AGENT": 2.5, "CUSTOMER": 2.1 }, "SentimentByPeriod": { "QUARTER": { "AGENT": [ { "Score": 0.0, "BeginOffsetMillis": 0, "EndOffsetMillis": 9862 }, { "Score": -5.0, "BeginOffsetMillis": 9862, "EndOffsetMillis": 19725 }, { "Score": 5.0, "BeginOffsetMillis": 19725, "EndOffsetMillis": 29587 }, { "Score": 5.0, "BeginOffsetMillis": 29587, "EndOffsetMillis": 39450 } ], "CUSTOMER": [ { "Score": -2.5, "BeginOffsetMillis": 0, "EndOffsetMillis": 10615 }, { "Score": 5.0, "BeginOffsetMillis": 10615, "EndOffsetMillis": 21230 }, { "Score": 2.5, "BeginOffsetMillis": 21230, "EndOffsetMillis": 31845 }, { "Score": 5.0, "BeginOffsetMillis": 31845, "EndOffsetMillis": 42460 } ] } } }, "TalkSpeed": { "DetailsByParticipant": { "AGENT": { "AverageWordsPerMinute": 150 }, "CUSTOMER": { "AverageWordsPerMinute": 167 } } }, "TalkTime": { "DetailsByParticipant": { "AGENT": { "TotalTimeMillis": 32750 }, "CUSTOMER": { "TotalTimeMillis": 18010 } }, "TotalTimeMillis": 50760 }, "ContactSummary": { // Optional feature - Generative call summarization "AutoGenerated": { "OverallSummary": { "Content": "The customer initially wanted to cancel but the agent convinced them to stay by offering a 50% discount, which the customer accepted after reconsidering cancelling given the significant savings. The agent ensured the discount was applied and said they would follow up to ensure the customer remained happy with the revised subscription." } } } }, "AnalyticsJobDetails": { "Skipped": [] },...}
