Analisis pasca-panggilan dengan transkripsi waktu nyata

Analisis pasca-panggilan adalah fitur opsional yang tersedia dengan transkripsi Call Analytics waktu nyata. Selain wawasan analitik real-time standar, analitik pasca-panggilan memberi Anda hal-hal berikut:

• Item tindakan: Daftar item tindakan apa pun yang diidentifikasi dalam panggilan

• Interupsi: Mengukur jika dan ketika satu peserta memotong kalimat tengah peserta lainnya

• Masalah: Menyediakan masalah yang diidentifikasi dalam panggilan

• Kenyaringan: Mengukur volume di mana setiap peserta berbicara

• Waktu non-bicara: Mengukur periode waktu yang tidak mengandung ucapan

• Hasil: Memberikan hasil, atau resolusi, yang diidentifikasi dalam panggilan

• Kecepatan bicara: Mengukur kecepatan di mana kedua peserta berbicara

• Waktu bicara: Mengukur jumlah waktu (dalam milidetik) setiap peserta berbicara selama panggilan

Saat diaktifkan, analitik pasca-panggilan dari aliran audio menghasilkan transkrip yang mirip dengan analitik pasca-panggilan dari file audio dan menyimpannya di Amazon S3 bucket yang ditentukan. OutputLocation Selain itu, analitik pasca-panggilan merekam aliran audio Anda dan menyimpannya sebagai file audio (WAVformat) dalam Amazon S3 bucket yang sama. Jika Anda mengaktifkan redaksi, transkrip yang disunting dan file audio yang disunting juga disimpan di bucket yang ditentukan. Amazon S3 Mengaktifkan analitik pasca-panggilan dengan aliran audio Anda menghasilkan antara dua dan empat file, seperti yang dijelaskan di sini:

• Jika redaksi tidak diaktifkan, file output Anda adalah:

  1. Transkrip yang belum disunting

  2. File audio yang belum disunting

• Jika redaksi diaktifkan tanpa opsi (redacted) yang tidak disunting, file keluaran Anda adalah:

  1. Transkrip yang disunting

  2. File audio yang disunting

• Jika redaksi diaktifkan dengan opsi (redacted_and_unredacted) yang tidak disunting, file keluaran Anda adalah:

  1. Transkrip yang disunting

  2. File audio yang disunting

  3. Transkrip yang belum disunting

  4. File audio yang belum disunting

Perhatikan bahwa jika Anda mengaktifkan analitik pasca-panggilan (PostCallAnalyticsSettings) dengan permintaan Anda, dan Anda menggunakan FLAC atau OPUS-OGG media, Anda tidak mendapatkan loudnessScore transkrip Anda dan tidak ada rekaman audio streaming Anda yang dibuat. Transcribe mungkin juga tidak dapat menyediakan analitik pasca-panggilan untuk streaming audio yang berjalan lama yang berlangsung lebih dari 90 menit.

Untuk informasi selengkapnya tentang wawasan yang tersedia dengan analitik pasca-panggilan untuk aliran audio, lihat bagian wawasan analitik pasca-panggilan.

Tip

Jika Anda mengaktifkan analitik pasca-panggilan dengan permintaan Analytics Panggilan real-time, semua REAL-TIME kategori POST_CALL dan kategori Anda diterapkan ke transkripsi analitik pasca-panggilan Anda.

Mengaktifkan analitik pasca-panggilan

Untuk mengaktifkan analitik pasca-panggilan, Anda harus menyertakan PostCallAnalyticsSettingsparameter dalam permintaan Analytics Panggilan real-time Anda. Parameter berikut harus disertakan saat PostCallAnalyticsSettings diaktifkan:

• OutputLocation: Amazon S3 Ember tempat Anda ingin transkrip pasca-panggilan Anda disimpan.

• DataAccessRoleArn: Nama Sumber Daya Amazon (ARN) dari Amazon S3 peran yang memiliki izin untuk mengakses bucket yang ditentukan. Amazon S3 Perhatikan bahwa Anda juga harus menggunakan kebijakan Trust untuk analitik real-time.

Jika Anda menginginkan versi transkrip yang disunting, Anda dapat menyertakan ContentRedactionOutput atau ContentRedactionType dalam permintaan Anda. Untuk informasi selengkapnya tentang parameter ini, lihat StartCallAnalyticsStreamTranscriptiondi Referensi API.

Untuk memulai transkripsi Analytics Panggilan real-time dengan analitik pasca-panggilan diaktifkan, Anda dapat menggunakan AWS Management Console(hanya demo), HTTP/2, atau. WebSockets Sebagai contoh, lihat Memulai transkripsi Analisis Panggilan real-time.

penting

Saat ini, AWS Management Console satu-satunya menawarkan demo untuk Analytics Panggilan real-time dengan contoh audio yang dimuat sebelumnya. Jika Anda ingin menggunakan audio Anda sendiri, Anda harus menggunakan API (HTTP/2, WebSockets, atau SDK).

Contoh keluaran analitik pasca-panggilan

Transkrip pasca-panggilan ditampilkan dalam turn-by-turn format berdasarkan segmen. Mereka termasuk karakteristik panggilan, sentimen, ringkasan panggilan, deteksi masalah, dan (opsional) redaksi PII. Jika salah satu kategori pasca-panggilan Anda cocok dengan konten audio, ini juga ada dalam output Anda.

Untuk meningkatkan akurasi dan lebih lanjut menyesuaikan transkrip Anda dengan kasus penggunaan Anda, seperti menyertakan istilah khusus industri, tambahkan kosakata khusus atau model bahasa khusus ke permintaan Analisis Panggilan Anda. Untuk menutupi, menghapus, atau menandai kata-kata yang tidak Anda inginkan dalam hasil transkripsi Anda, seperti kata-kata kotor, tambahkan pemfilteran kosakata.

Berikut adalah contoh keluaran analitik pasca-panggilan yang dikompilasi:

{
    "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
        }
    },
    ...
}