Analisis Panggilan Waktu Nyata

Real-time Call Analytics memberikan wawasan real-time yang dapat digunakan untuk mengatasi masalah dan mengurangi eskalasi saat terjadi.

Wawasan berikut tersedia dengan Analytics Panggilan real-time:

• Kategori acara yang menggunakan aturan untuk menandai kata kunci dan frasa tertentu; acara kategori dapat digunakan untuk membuat peringatan waktu nyata

• Deteksi masalah mengidentifikasi masalah yang diucapkan dalam setiap segmen audio

• Identifikasi PII (data sensitif) dalam transkrip teks Anda

• Redaksi PII (data sensitif) dari transkrip teks Anda

• Analisis sentimen untuk setiap segmen pidato

Selain real-time Call Analytics, juga Amazon Transcribe dapat melakukan analisis pasca-panggilan di aliran media Anda. Anda dapat menyertakan analitik pasca-panggilan dalam permintaan Analytics Panggilan real-time Anda menggunakan PostCallAnalyticsSettingsparameter.

Wawasan waktu nyata

Bagian ini merinci wawasan yang tersedia untuk transkripsi Analisis Panggilan waktu nyata.

Kategori acara

Dengan menggunakan acara kategori, Anda dapat mencocokkan transkripsi berdasarkan kata kunci atau frasa yang tepat. Misalnya, jika Anda menyetel filter untuk frasa “Saya ingin berbicara dengan manajer”, Amazon Transcribe filter untuk frasa yang tepat itu.

Berikut adalah contoh output.

Untuk informasi selengkapnya tentang membuat kategori Analisis Panggilan real-time, lihatMembuat kategori untuk transkripsi waktu nyata.

Tip

Acara kategori memungkinkan Anda mengatur peringatan waktu nyata; lihat Membuat peringatan waktu nyata untuk kecocokan kategori untuk informasi selengkapnya.

Deteksi masalah

Deteksi masalah memberikan ringkasan singkat dari masalah yang terdeteksi dalam setiap segmen audio. Dengan menggunakan fitur deteksi masalah, Anda dapat:

• Mengurangi kebutuhan akan pencatatan manual selama dan setelah panggilan

• Meningkatkan efisiensi agen, memungkinkan mereka untuk merespon lebih cepat kepada pelanggan

catatan

Deteksi masalah didukung dengan dialek bahasa Inggris ini: Australian (en-AU), British (en-GB), dan US (en-US).

Fitur deteksi masalah bekerja di semua industri dan sektor bisnis, dan berbasis konteks. Ini berfungsi out-of-the-box dan karenanya tidak mendukung penyesuaian, seperti pelatihan model atau kategori khusus.

Deteksi masalah dengan Analytics Panggilan real-time dilakukan pada setiap segmen audio lengkap.

Berikut adalah contoh output.

Identifikasi PII (data sensitif)

Label identifikasi data sensitif informasi identitas pribadi (PII) dalam transkrip teks. Parameter ini berguna untuk melindungi informasi pelanggan.

catatan

Identifikasi PII real-time didukung dengan dialek bahasa Inggris ini: Australia (en-AU), Inggris (en-GB), AS (en-US) dan dengan dialek bahasa Spanyol (). es-US

Identifikasi PII dengan Analytics Panggilan real-time dilakukan pada setiap segmen audio lengkap.

Untuk melihat daftar PII yang diidentifikasi menggunakan fitur ini, atau untuk mempelajari lebih lanjut tentang identifikasi PII dengan Amazon Transcribe, lihat. Menyunting atau mengidentifikasi informasi identitas pribadi

Berikut adalah contoh keluaran.

Redaksi PII (data sensitif)

Redaksi data sensitif menggantikan informasi identitas pribadi (PII) dalam transkrip teks Anda dengan jenis PII (misalnya,). [NAME] Parameter ini berguna untuk melindungi informasi pelanggan.

catatan

Redaksi PII real-time didukung dengan dialek bahasa Inggris ini: Australia (en-AU), Inggris (), AS (en-GBen-US) dan dengan dialek bahasa Spanyol (). es-US

Redaksi PII dengan Analytics Panggilan real-time dilakukan pada setiap segmen audio lengkap.

Untuk melihat daftar PII yang disunting menggunakan fitur ini, atau untuk mempelajari lebih lanjut tentang redaksi dengan Amazon Transcribe, lihat. Menyunting atau mengidentifikasi informasi identitas pribadi

Berikut adalah contoh keluaran.

Analisis sentimen

Analisis sentimen memperkirakan bagaimana perasaan pelanggan dan agen selama panggilan berlangsung. Metrik ini disediakan untuk setiap segmen pidato dan direpresentasikan sebagai nilai kualitatif (positive,, neutralmixed, ataunegative).

Dengan menggunakan parameter ini, Anda dapat mengevaluasi sentimen keseluruhan secara kualitatif untuk setiap peserta panggilan dan sentimen untuk setiap peserta selama setiap segmen pidato. Metrik ini dapat membantu mengidentifikasi apakah agen Anda dapat menyenangkan pelanggan yang kesal pada saat panggilan berakhir.

Analisis sentimen dengan Analytics Panggilan real-time dilakukan pada setiap segmen audio lengkap.

Analisis sentimen berfungsi out-of-the-box dan karenanya tidak mendukung penyesuaian, seperti pelatihan model atau kategori khusus.

Berikut adalah contoh output.