Analyse nach Anrufen mit Echtzeit-Transkriptionen

Die Analyse nach Anrufen ist ein optionales Feature, die mit Echtzeit-Transkriptionen von Call Analytics verfügbar ist. Zusätzlich zu den standardmäßigen Echtzeit-Analysen bietet Ihnen die Analyse nach Anrufen folgende Informationen:

• Aktionspunkte: Auflistung aller in dem Anruf genannten Maßnahmen

• Unterbrechungen: Misst, ob und wann ein Teilnehmer den anderen Teilnehmer mitten im Satz unterbricht

• Probleme: Enthält die in dem Anruf genannten Probleme

• Lautstärke: Misst die Lautstärke, mit der jeder Teilnehmer spricht

• Nicht-Sprachzeit: Misst Zeiträume, in denen nicht gesprochen wird

• Ergebnisse: Liefert das Ergebnis oder die Lösung, die in dem Anruf genannt wurde

• Sprechgeschwindigkeit: Misst die Geschwindigkeit, mit der beide Teilnehmer sprechen

• Gesprächszeit: Misst die Zeit (in Millisekunden), die jeder Teilnehmer während des Gesprächs gesprochen hat

Wenn diese Option aktiviert ist, erstellt die Analyse nach einem Anruf aus einem Audiostream ein Transkript, das einer Analyse nach einem Anruf aus einer Audiodatei ähnelt, und speichert es in dem unter angegebenen Amazon S3 Bucket. OutputLocation Darüber hinaus zeichnet die Analyse nach dem Anruf Ihren Audiostream auf und speichert ihn als Audiodatei (WAVFormat) im selben Bucket. Amazon S3 Wenn Sie die Schwärzung aktivieren, werden ein geschwärztes Transkript und eine geschwärzte Audiodatei ebenfalls im angegebenen Bucket gespeichert. Amazon S3 Wenn Sie die Analyse nach Anrufen für Ihren Audiostream aktivieren, werden zwischen zwei und vier Dateien erzeugt, wie hier beschrieben:

• Wenn die Schwärzung nicht aktiviert ist, werden Ihre Ausgabedateien geschwärzt:

  1. Ein ungeschwärztes Transkript

  2. Eine ungeschwärzte Audiodatei

• Wenn die Schwärzung ohne die Option ungeschwärzt (redacted) aktiviert ist, sind Ihre Ausgabedateien:

  1. Ein geschwärztes Transkript

  2. Eine geschwärzte Audiodatei

• Wenn die Schwärzung mit der Option ungeschwärzt (redacted_and_unredacted) aktiviert ist, sind Ihre Ausgabedateien:

  1. Ein geschwärztes Transkript

  2. Eine geschwärzte Audiodatei

  3. Ein ungeschwärztes Transkript

  4. Eine ungeschwärzte Audiodatei

Beachten Sie, dass Sie, wenn Sie die Analyse nach Anrufen (PostCallAnalyticsSettings) mit Ihrer Anfrage aktivieren und Sie FLAC oder OPUS-OGG verwenden, erhalten Sie keine loudnessScore in Ihrem Transkript und es werden keine Audioaufnahmen Ihres Streams erstellt. Transcribe ist möglicherweise auch nicht in der Lage, Analysen nach dem Anruf für lang andauernde Audiostreams, die länger als 90 Minuten dauern, bereitzustellen.

Weitere Informationen zu den Erkenntnissen, die mit der Analyse nach Anrufen für Audiostreams verfügbar sind, finden Sie im Abschnitt Erkenntnisse der Analyse nach Anrufen.

Tipp

Wenn Sie die Analyse nach Anrufen mit Ihrer Echtzeit-Call-Analytics-Anfrage aktivieren, werden alle Ihre POST_CALL- und REAL-TIME- Kategorien auf Ihre Analyse nach Anrufen-Transkription angewendet.

Ermöglichen von Analyse nach Anrufen

Um Analyse nach Anrufen zu aktivieren, müssen Sie den Parameter PostCallAnalyticsSettings in Ihre Echtzeit-Call-Analytics-Anfrage aufnehmen. Die folgenden Parameter müssen angegeben werden, wenn PostCallAnalyticsSettings aktiviert ist:

• OutputLocation: Der Amazon S3 Bucket, in dem Ihr Protokoll nach dem Anruf gespeichert werden soll.

• DataAccessRoleArn: Der Amazon-Ressourcenname (ARN) der Amazon S3 -Rolle, die die Berechtigung hat, auf den angegebenen Amazon S3 -Bucket zuzugreifen. Beachten Sie, dass Sie die Vertrauensrichtlinieauch für Echtzeit-Analysen verwenden müssen.

Wenn Sie eine geschwärzte Version Ihres Transkripts wünschen, können Sie ContentRedactionOutput oder ContentRedactionType in Ihre Anfrage aufnehmen. Weitere Informationen zu diesen Parametern finden Sie unter StartCallAnalyticsStreamTranscription in der API-Referenz.

Um eine Call Analytics-Transkription in Echtzeit mit aktivierter Analyse nach dem Anruf zu starten, können Sie AWS Management Console(nur Demo), HTTP/2 oder verwenden. WebSockets Beispiele finden Sie unter Start einer Call Analytics in Echtzeit.

Wichtig

Derzeit bietet The AWS Management Console Only eine Demo für Anrufanalysen in Echtzeit mit vorinstallierten Audiobeispielen. Wenn Sie Ihr eigenes Audio verwenden möchten, müssen Sie die API (HTTP/2 oder ein SDK) verwenden. WebSockets

Beispiel für die Analyse nach Anrufen

Transkripte nach dem Anruf werden segmentweise angezeigt turn-by-turn . Dazu gehören Anrufmerkmale, Stimmung, Anrufzusammenfassung, Erkennung von Problemen und (optional) PII-Schwärzung. Wenn eine Ihrer Analyse nach Anrufen-Kategorien mit dem Audioinhalt übereinstimmt, sind diese auch in Ihrer Ausgabe enthalten.

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 Wortschatzfilterung hinzu.

Hier ist ein Beispiel für eine kompilierte Analyse nach Anrufen:

{
    "JobStatus": "COMPLETED",
    "LanguageCode": "en-US",
    "AccountId": "1234567890",
    "Channel": "VOICE",
    "Participants": [{
        "ParticipantRole": "AGENT"
    }, 
    {
        "ParticipantRole": "CUSTOMER"
    }],
    "SessionId": "12a3b45c-de6f-78g9-0123-45h6ab78c901",
    "ContentMetadata": {
        "Output": "Raw"
    }
    "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?",
        "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.",
        "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.",
        "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.",
        "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
        }
    },
    ...
}