翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
パフォーマンス効率
パフォーマンス効率とは、コンピューティングリソースを効率的に使用してシステム要件を満たし、需要の変化や技術の進歩に合わせてこの効率性を維持する能力などのことを言います。このセクションでは、Amazon Connect ワークロードのパフォーマンス効率に関する設計原則、ベストプラクティス、および、よくある質問などを概説します。実装に関する規範的なガイダンスは、ホワイトペーパー、パフォーマンス効率の柱
アーキテクチャの設計
コンタクトセンターが提供するエクスペリエンスを設計する際には、次の 2 つの基本的なアーキテクチャ設計原則を考慮する必要があります。
-
還元主義とは哲学的理念の 1 つで、システムを究極的なコンポーネントの部分で分析することによって、より深いレベルでそれを解明しようとするものです。
-
対照的に、全体論では、全体像を 1 つとして捉えることによって、各コンポーネントを分析するよりも、状況をより深く完全に把握することを目指します。
リダクションアプローチでは、個々のコンポーネント (IVR、ACD、音声認識) に重点を置き、多くの場合、個別に評価すると、ユースケースのパフォーマンス要件を満たす可能性のあるカスタマーエクスペリエンスがばらばらになります。ただし、 を評価すると end-to-end、開発作業を運用のサイロ化させながら、問い合わせのエクスペリエンスの質が低下する可能性があります。このアプローチは、回帰テストを複雑にし、市場投入までの時間を長くし、さらにコンタクトセンターの成功に不可欠な分野横断的な運用リソースの開発を制限します。
次に、コンタクトセンターを全体論的に見た場合の図を示します。
全体論的なアプローチでは、顧客にとってより完全でまとまりのあるエクスペリエンスを創り出すことに焦点を当てており、あるエクスペリエンスの一部が、どのテクノロジにより提供されたのかは、さほど重要ではありません。
顧客と彼らが望むものをベースに、取るべき努力を定義し進むべき方向を把握します。問い合わせに提供するために作成するエクスペリエンスは、静的であったり完了形のものではなく、顧客からのフィードバックに基づいて行う継続的なま反復処理の、その出発点として機能するものです。この反復処理を促進するには、顧客が問い合わせの過程で行ったやり取りや、その中での移動に関する運用データ、およびその際に調整したデータなどを、定期的に収集しレビューします。目標とするべきなのは、自社が顧客から受ける問い合わせに提供するための、ダイナミックでパーソナライズされたエクスペリエンスでなければなりません。これは、問い合わせ対応のための動的でデータ駆動型の設計とルーティングによって実現できます。それにより、問い合わせ案件とその個々のニーズに合ったエクスペリエンスを実現します。
フローの構築は、デフォルトのエクスペリエンスを使用して開始できます。その後、1 つのフローを 2 つにリファクタリングすることで、将来のセグメント化を可能にします。
次の段階では、ルーティングを計画して構築する必要がある他のエクスペリエンスを割り出し、必要に応じてそれぞれのフローを特定します。例えば、支払い期限後の問い合わせや、同じ目的で複数回連絡を試みている問い合わせに対して、異なるプロンプトを再生できます。このアプローチでは、問い合わせやその理由に関連した、パーソナライズされ動的なエクスペリエンスを目指します。問い合わせのエクスペリエンスの質を向上させ、処理時間を短縮することに加えて、よりインテリジェントで柔軟なエクスペリエンスを提供することで、顧客によるセルフサービスでの解決を促します。次の段階は、下の図のようになります。
フロー設計
フローにより、最初から最後までのコンタクトセンターでのカスタマーエクスペリエンスが定義されます。フローの構成は、パフォーマンス、運用効率、およびメンテナンスの容易さに直接影響を与える可能性があります。
多くの大企業では、複数の電話番号、ビジネスユニット、プロンプト、キュー、その他の Amazon Connect リソースをサポートしています。電話番号と事業部門ごとに固有のフローを設定することは可能ですが、電話番号とフローの one-to-one マッピングにつながる可能性があります。このことは、不要なサービスクォータ要求や、サポートおよび保守のための多数のフローを発生させます。DNIS とフローの実装の one-to-one マッピングを次の図に示します。
または、Amazon Connect Flows の動的な性質を使用して、複数DNISから 1 つ、または少数のフローになるアプローチを検討する必要があります。この方法では、プロンプト、キュー、営業時間、ウィスパープロンプト/フロー、キュー、キュー処理、保留メッセージなどの設定情報をデータベースなしSQL DynamoDB に保存できます。Amazon Connect では、複数の電話番号を同じフローに関連付けたり、Lambda 関数を使用してその電話番号の設定を検索したりできます。これにより、DynamoDB から返される属性に基づいて、問い合わせのエクスペリエンスを動的に定義できます。
例えば、プロンプトを再生したり、テキスト読み上げ (TTS) を使用して DynamoDB のルックアップに基づいて発信者に挨拶したり、フローブロックでサポートされている動的属性を使用してキューを関連付けたりすることができます。このアプローチでは、構築、保守、およびサポートを効率的に行えるフローが実装されます。
負荷テスト
ロードテストまたはスケールテストを実行する必要がある場合は、サードパーティーまたはパートナーソリューションを使用してロードテストを実行するか、Amazon Connect を使用して独自のカスタムソリューションを開発StartOutboundVoiceContactAPIし、ブラウザ自動化スクリプトと組み合わせた呼び出しを生成してエージェントの動作をシミュレートできます。テストを実行する前に、Amazon Connect 負荷テストポリシー
エージェントの有効化
Amazon Connect には、エージェントが顧客の問い合わせとやり取りするためのブラウザベースの問い合わせコントロールパネル (CCP) が用意されています。エージェントは を使用して、問い合わせCCPの受け入れ、問い合わせとのチャット、他のエージェントへの転送、保留、その他の主要なタスクの実行を行います。Amazon Connect Streams
-
CRM 統合 - Streams APIを使用すると、 をCRMアプリケーションCCPに埋め込んだり、独自のインターフェイスを作成したり、他の AWS サービスやパートナーソリューションと統合して、問い合わせの処理に必要なツールやリソースをエージェントに提供したりできます。Amazon Connect や Salesforce との統合などのカスタムデスクトップを使用すると、エージェントは、複数の画面やインターフェイスを管理することなく単一のインターフェイスで、顧客と問い合わせに関する包括的なビューを取得できます。
-
認証 - Amazon Connect で ID 管理SAML用に を設定し、IAMIdentity Center (SSO) を使用して、エージェントが他のシステムにアクセスするために使用するのと同じ認証情報を使用できるようにし、複数回入力する必要を回避できます。
-
エージェントの自動化 – エージェントの操作性の合理化に加えて、一般的で繰り返し行われるタスクを自動化できます。例えば、ケースを自動的に作成したり、ウェブフォームに事前入力したり、問い合わせ中の顧客に提案がある場合に、関連情報を含むポップアップを画面に表示したりできます。これにより、処理時間が短縮され、エージェントと問い合わせに対するエクスペリエンスの質が向上します。
-
機能の強化 - CCP機能を強化/拡張して、リアルタイムの文字起こし、翻訳、推奨されるアクション、ナレッジベースの統合
を含めることもできます。強化された機能をエージェントデスクトップと統合することで、熟練したエージェントは、問い合わせに対しより効率的なサービスを提供できるようになります。また、これらのエージェントが対応できない場合には、熟練していないエージェントも対応することが可能になります。このアプローチを使用する例としては、問い合わせのチャットで使用されている言語の知識がない、熟練していないエージェントのための自動翻訳などが挙げられます。エージェントからの応答テキストは、問い合わせの言語に自動的に翻訳されるため、二カ国語でのリアルタイムのコミュニケーションが可能になります。
他の AWS サービスの使用
このセクションでは、パフォーマンスの向上、機会分野の特定、問い合わせデータに関する貴重なインサイトの取得に使用できる AWS のサービスについて説明します。
AWS Lambda
Amazon Connect Flows AWS Lambda で を使用して、顧客情報のデータディップを実行したり、SMSテキストメッセージを送信したり、Amazon S3 などの他の のサービスでスケジュールされたレポートを自動的に配信したりできます。詳細については、「 AWS Lambda 関数を使用するためのベストプラクティス」を参照してください。
AWS Direct Connect
AWS Direct Connect は、オンプレミスから への専用ネットワーク接続をより効率的に確立できるクラウドサービスソリューションです AWS。 AWS リソースにリクエストを動的ISPにルーティングするために に依存するのではなく、耐久性と整合性のある接続を提供します。これにより、パブリックを経由するのではなく、専用ファイバー全体に AWS トラフィックをリダイレクトするようにエッジルーターを設定し、 WAN とデータセンター、オフィス、またはコロケーション環境との間にプライベート接続を確立 AWS できます。多くの場合、これによりネットワークコストが削減され帯域幅のスループットが向上します。また、インターネットベースによる接続の場合よりも一貫性の高い、ネットワークエクスペリエンスを実現できます。
AWS Direct Connect は、エッジルーターへのプライベートLAN/WANトラバーサルに固有の問題を解決しませんが、エッジルーターと AWS リソース間のレイテンシーと接続の問題を解決するのに役立ちます。また、エッジルーターと AWS リソース間のレイテンシーや通話品質の低下を解決することもできます。
VDI 環境によっては、パブリック を経由するのではなく、専用ファイバー間で AWS トラフィックをリダイレクトするようにエッジルーターを設定する必要がある AWS Direct Connect ため、 を利用できない場合がありますWAN。VDI 環境がローカルの DXC対応ネットワークの外部でホストされている場合、 を最大限に活用できない場合があります AWS Direct Connect。
QoS」または「セキュリティの強化 AWS Direct Connect 」に を使用しないでください。エージェントワークステーションからのレイテンシーが Amazon Connect インスタンスへの ISPのパスよりも長い場合、パフォーマンスが低下する AWS Direct Connect 可能性があります。Amazon Connect 音声とデータがすでに暗号化されているためISP、 AWS Direct Connect と比較してセキュリティを強化しません。
Amazon Polly
Amazon Connect は Amazon Polly とのネイティブ統合を提供し、動的で自然なテキスト読み上げ (TTS) を再生したり、音声合成マークアップ言語 (SSML) を使用したり、ニューラルテキスト読み上げ (NTTS) を利用して、可能な限り最も自然で人間のような text-to-speech 音声を実現したりできます。
Amazon Lex
問い合わせに対応する過程は、必ずしも顧客の期待に応えているとは言えないエクスペリエンスになることもあります。顧客を保留状態で待たせたり、同じ情報を繰り返し話させたり、転送が必要となることがあります。そして最終的には、必要なものを得るのに多くの時間を費やさせることになります。AI のチャットボットによる、インテリジェントで自然な言語の仮想アシスタントは、コールセンターでのカスタマーエクスペリエンスを向上させ、エンゲージメントを実現するための役割を果たします。これらのチャットボットは、特定のフレーズで話すことを通話者に要求せず、人間の音声を認識し、相手の意図を理解することができます。顧客は、エージェントと会話することなく、パスワードの変更、アカウントの残高の照会、アポイントのスケジュールなどの作業を実行できます。
Amazon Lex は、インテリジェントな会話チャットボットを作成できるサービスです。これにより、Amazon Connect コンタクトセンターのフローに自然な会話を導入し、問い合わせ中の顧客には、パーソナライズされたエクスペリエンスを提供します。Amazon Alexa の機能と同じ技術を使用している Amazon Lex チャットボットを、Amazon Connect フローにアタッチして、通話相手の意図を認識し、フォローアップの質問やその回答を行わせることが可能です。Amazon Lex は文脈を維持し、対話を管理し、会話に基づいて応答を動的に調整します。コンタクトセンターは複数の顧客に対し共通のタスクを実行できるようになるので、セルフサービスを利用した対応を通じて多くの問い合わせに対応できます。さらに、Amazon Lex チャットボットは最適な (8 kHz) テレフォニーオーディオサンプリングレートをサポートし、コンタクトセンターの音声インタラクションの音声認識の精度と忠実度を向上させます。
効果的な Amazon Lex ボットの構築には、シンプルでリアルな発話を、トレーニングセットとしてボットに提供する必要があります。ボットのパフォーマンスは定期的に見直して、発話セットの更新を行い、このレビューに基づいてボットを修正します。詳細については、以下のリソースを参照してください。
Amazon Kinesis
問い合わせに関するメトリクスや Amazon Connect のリアルタイムデータから、さらに詳しい情報を得る必要がある場合は、以下の操作を行います。
-
Amazon Kinesis を使用して Amazon Redshift に問い合わせレコードのデータをエクスポートします。
-
Amazon Kinesis ビデオストリーム (KVS) と AWS Lambda を使用して、Amazon Transcribe を使用して通話録音または音声問い合わせをリアルタイムで文字起こししし、その結果のテキストを Amazon Comprehend に送信して感情分析を行います。
-
Amazon Connect エージェントイベント Kinesis Stream をリアルタイムエージェントに活用CTIし、準拠データをスケジュールします。
Amazon OpenSearch Service と Kibana
Amazon OpenSearch Service と Kibana を使用してリアルタイムの Amazon Connect データを処理することで、ネイティブレポート機能を超えて、リアルタイムおよび履歴の Amazon Connect データを柔軟にクエリおよび視覚化できます。
Amazon Connect Contact Lens
Contact Lens for Amazon Connect は、Amazon Connect に統合された機械学習 (ML) 機能のセットです。これにより、コンタクトセンターのスーパーバイザは、顧客との対話内での感情、傾向、コンプライアンスリスクをより深く理解し、エージェントに効果的なトレーニングを行えます。成功した対応手法を複製し、また会社および製品にとって重要なフィードバックを特定します。Contact Lens for Amazon Connect は、コンタクトセンターでの着信を転写して、完全に検索可能なアーカイブを作成し、顧客についての有用なインサイトを明らかにします。
リソース
ドキュメント
ホワイトペーパー
動画
