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.
Erstellen von Kategorien für Transkription nach Anrufen
Die Analyse nach Anrufen unterstützt die Erstellung benutzerdefinierter Kategorien, sodass Sie Ihre Transkriptionsanalysen optimal an Ihre spezifischen Geschäftsanforderungen anpassen können.
Sie können so viele Kategorien erstellen, wie Sie möchten, um eine Reihe verschiedener Szenarien abzudecken. Für jede Kategorie, die Sie anlegen, müssen Sie zwischen 1 und 20 Regeln erstellen. Jede Regel basiert auf einem von vier Kriterien: Unterbrechungen, Schlüsselwörter, Nicht-Gesprächszeit oder Gefühlslage. Weitere Informationen zur Verwendung dieser Kriterien für den CreateCallAnalyticsCategory
-Vorgang finden Sie im Regelkriterien für Analysekategorien nach Anrufen-Abschnitt.
Wenn der Inhalt Ihrer Medien allen Regeln entspricht, die Sie in einer bestimmten Kategorie angegeben haben, kennzeichnet Amazon Transcribe Ihre Ausgabe mit dieser Kategorie. Ein Beispiel für eine Übereinstimmung der Kategorien in der Ausgabe finden Sie in der JSON Ausgabe zur Anrufkategorisierung.
Hier sind einige Beispiele dafür, was Sie mit benutzerdefinierten Kategorien machen können:
-
Isolierung von Anrufen mit bestimmten Merkmalen, z. B. von Anrufen, die mit einem negativen Kundenfeedback enden
-
Erkennen Sie Trends bei Kundenproblemen, indem Sie bestimmte Schlüsselwörter markieren und verfolgen
-
Überwachung der Einhaltung von Vorschriften, z. B. wenn ein Kundendienstmitarbeiter in den ersten Sekunden eines Anrufs einen bestimmten Satz spricht (oder auslässt)
-
Gewinnen Sie Einblicke in die Kundenerfahrung, indem Sie Anrufe mit vielen Unterbrechungen durch Kundendienstmitarbeiter und negativer Kundenstimmung markieren
-
Vergleichen Sie mehrere Kategorien, um Korrelationen zu messen, z. B. um zu analysieren, ob ein Kundendienstmitarbeiter, der eine Begrüßungsfloskel verwendet, mit einer positiven Kundenstimmung korreliert
Nach Anrufen- versus Echtzeit-Kategorien
Bei der Erstellung einer neuen Kategorie können Sie angeben, ob sie als Nach Anrufen-Analyse-Kategorie (POST_CALL
) oder als Echtzeit-Call-Analytics-Kategorie (REAL_TIME
) erstellt werden soll. Wenn Sie keine Option angeben, wird Ihre Kategorie standardmäßig als Nach Anrufen-Kategorie erstellt. Entsprechende Kategorien für die Analyse nach Anrufen sind nach Abschluss der Transkription für die Analyse nach Anrufen in Ihrer Ausgabe verfügbar.
Um eine neue Kategorie für Analysen nach dem Anruf zu erstellen, können Sie das AWS Management ConsoleAWS CLIAWS SDKs, oder verwenden. Beispiele finden Sie im Folgenden:
-
Wählen Sie im Navigationsbereich unter Amazon TranscribeAmazon Transcribe Call Analytics aus.
-
Wählen Sie Anruf-Analytics-Kategorien, um zur Seite Anruf-Analytics-Kategorien zu gelangen. Wählen Sie Kategorie erstellen.
-
Sie befinden sich jetzt auf der Seite „Kategorie erstellen“. Geben Sie einen Namen für Ihre Kategorie ein und wählen Sie dann im Dropdown-Menü Kategorietyp die Option „Batch-Call-Analytics“.
-
Sie können eine Vorlage wählen, um Ihre Kategorie zu erstellen, oder Sie können eine neue erstellen.
Wenn Sie eine Vorlage verwenden: Wählen Sie Vorlage verwenden (empfohlen), wählen Sie die gewünschte Vorlage und wählen Sie dann Kategorie erstellen.
-
Wenn Sie eine benutzerdefinierte Kategorie erstellen: Wählen Sie Von Grund auf neu erstellen.
-
Fügen Sie über das Dropdown-Menü Regeln zu Ihrer Kategorie hinzu. Sie können bis zu 20 Regeln pro Kategorie hinzufügen.
-
Hier ein Beispiel für eine Kategorie mit zwei Regeln: ein Kundendienstmitarbeiter, der einen Kunden während des Gesprächs länger als 15 Sekunden unterbricht, und eine negative Stimmung, die der Kunde oder der Kundendienstmitarbeiter in den letzten zwei Minuten des Gesprächs empfindet.
-
Wenn Sie alle Regeln zu Ihrer Kategorie hinzugefügt haben, wählen Sie Kategorie erstellen.
In diesem Beispiel wird der create-call-analytics-categoryCreateCallAnalyticsCategory
, CategoryProperties
und Rule
.
Im folgenden Beispiel wird eine Kategorie mit den Regeln erstellt:
-
Der Kunde wurde in den ersten 60.000 Millisekunden unterbrochen. Die Dauer dieser Unterbrechungen betrug mindestens 10.000 Millisekunden.
-
Zwischen 10 % und 80 % des Anrufs herrschte eine Stille von mindestens 20.000 Millisekunden.
-
Der Kundendienstmitarbeiter hatte zu irgendeinem Zeitpunkt des Gesprächs eine negative Stimmung.
-
Die Worte „Willkommen“ oder „Hallo“ wurden in den ersten 10.000 Millisekunden des Anrufs nicht verwendet.
In diesem Beispiel werden der create-call-analytics-category
aws transcribe create-call-analytics-category \ --cli-input-json file://
filepath
/my-first-analytics-category
.json
Die Datei my-first-analytics-category.json enthält den folgenden Anfragetext.
{ "CategoryName": "
my-new-category
", "InputType": "POST_CALL
", "Rules": [ { "InterruptionFilter": { "AbsoluteTimeRange": { "First":60000
}, "Negate":false
, "ParticipantRole": "CUSTOMER
", "Threshold":10000
} }, { "NonTalkTimeFilter": { "Negate":false
, "RelativeTimeRange": { "EndPercentage":80
, "StartPercentage":10
}, "Threshold":20000
} }, { "SentimentFilter": { "ParticipantRole": "AGENT
", "Sentiments": [ "NEGATIVE
" ] } }, { "TranscriptFilter": { "Negate":true
, "AbsoluteTimeRange": { "First":10000
}, "Targets": [ "welcome
", "hello
" ], "TranscriptFilterType": "EXACT
" } } ] }
In diesem Beispiel wird mithilfe der AWS SDK for Python (Boto3) Rules
Argumente CategoryName
und für die Methode create_call_analytics_categoryCreateCallAnalyticsCategory
, CategoryProperties
und Rule
.
Weitere Beispiele für die Verwendung der AWS SDKs, einschließlich funktionsspezifischer, szenarienspezifischer und serviceübergreifender Beispiele, finden Sie im Kapitel. Codebeispiele für Amazon Transcribe mit AWS SDKs
Im folgenden Beispiel wird eine Kategorie mit den Regeln erstellt:
-
Der Kunde wurde in den ersten 60.000 Millisekunden unterbrochen. Die Dauer dieser Unterbrechungen betrug mindestens 10.000 Millisekunden.
-
Zwischen 10 % und 80 % des Anrufs herrschte eine Stille von mindestens 20.000 Millisekunden.
-
Der Kundendienstmitarbeiter hatte zu irgendeinem Zeitpunkt des Gesprächs eine negative Stimmung.
-
Die Worte „Willkommen“ oder „Hallo“ wurden in den ersten 10.000 Millisekunden des Anrufs nicht verwendet.
from __future__ import print_function import time import boto3 transcribe = boto3.client('transcribe', '
us-west-2
') category_name = "my-new-category
" transcribe.create_call_analytics_category( CategoryName = category_name, InputType =POST_CALL
, Rules = [ { 'InterruptionFilter': { 'AbsoluteTimeRange': { 'First':60000
}, 'Negate':False
, 'ParticipantRole': 'CUSTOMER
', 'Threshold':10000
} }, { 'NonTalkTimeFilter': { 'Negate':False
, 'RelativeTimeRange': { 'EndPercentage':80
, 'StartPercentage':10
}, 'Threshold':20000
} }, { 'SentimentFilter': { 'ParticipantRole': 'AGENT
', 'Sentiments': [ 'NEGATIVE
' ] } }, { 'TranscriptFilter': { 'Negate':True
, 'AbsoluteTimeRange': { 'First':10000
}, 'Targets': [ 'welcome
', 'hello
' ], 'TranscriptFilterType': 'EXACT
' } } ] ) result = transcribe.get_call_analytics_category(CategoryName = category_name) print(result)
Regelkriterien für Analysekategorien nach Anrufen
In diesem Abschnitt werden die Arten von benutzerdefinierten POST_CALL
Regeln beschrieben, die Sie mithilfe des CreateCallAnalyticsCategory
APIVorgangs erstellen können.
Unterbrechungsabgleich
Regeln mit Unterbrechungen (InterruptionFilter
-Datentyp) sind auf Übereinstimmung ausgelegt:
-
Fälle, in denen ein Kundendienstmitarbeiter einen Kunden unterbricht
-
Fälle, in denen ein Kunde einen Kundendienstmitarbeiter unterbricht
-
Jeder Teilnehmer, der den anderen unterbricht
-
Ein Mangel an Unterbrechungen
Hier ist ein Beispiel für die verfügbaren Parameter mit InterruptionFilter
:
"InterruptionFilter": { "AbsoluteTimeRange": {
Specify the time frame, in milliseconds, when the match should occur
}, "RelativeTimeRange": {Specify the time frame, in percentage, when the match should occur
}, "Negate":Specify if you want to match the presence or absence of interruptions
, "ParticipantRole":Specify if you want to match speech from the agent, the customer, or both
, "Threshold":Specify a threshold for the amount of time, in seconds, interruptions occurred during the call
},
Weitere Informationen zu diesen Parametern und den damit verbundenen gültigen Werten finden Sie unter CreateCallAnalyticsCategory
und InterruptionFilter
.
Schlüsselwort-Übereinstimmung
Regeln mit Schlüsselwörtern (TranscriptFilter
-Datentyp) sind auf Übereinstimmung ausgelegt:
-
Benutzerdefinierte Wörter oder Phrasen, die vom Kundendienstmitarbeiter, dem Kunden oder beiden gesprochen werden
-
Eigene Wörter oder Formulierungen , die nicht vom Kundendienstmitarbeiter, dem Kunden oder beiden gesprochen werden
-
Benutzerdefinierte Wörter oder Formulierungen, die in einem bestimmten Zeitrahmen vorkommen
Hier ist ein Beispiel für die verfügbaren Parameter mit TranscriptFilter
:
"TranscriptFilter": { "AbsoluteTimeRange": {
Specify the time frame, in milliseconds, when the match should occur
}, "RelativeTimeRange": {Specify the time frame, in percentage, when the match should occur
}, "Negate":Specify if you want to match the presence or absence of your custom keywords
, "ParticipantRole":Specify if you want to match speech from the agent, the customer, or both
, "Targets": [The custom words and phrases you want to match
], "TranscriptFilterType":Use this parameter to specify an exact match for the specified targets
}
Weitere Informationen zu diesen Parametern und den damit verbundenen gültigen Werten finden Sie unter CreateCallAnalyticsCategory
und TranscriptFilter
.
Nicht-Gesprächszeit-Übereinstimmung
Regeln mit Nicht-Gesprächszeit (NonTalkTimeFilter
-Datentyp) sind auf Übereinstimmung ausgelegt:
-
Das Vorhandensein von Stille zu bestimmten Zeiten während des Gesprächs
-
Das Vorhandensein von Sprache zu bestimmten Zeiten während des Gesprächs
Hier ist ein Beispiel für die verfügbaren Parameter mit NonTalkTimeFilter
:
"NonTalkTimeFilter": { "AbsoluteTimeRange": {
Specify the time frame, in milliseconds, when the match should occur
}, "RelativeTimeRange": {Specify the time frame, in percentage, when the match should occur
}, "Negate":Specify if you want to match the presence or absence of speech
, "Threshold":Specify a threshold for the amount of time, in seconds, silence (or speech) occurred during the call
},
Weitere Informationen zu diesen Parametern und den damit verbundenen gültigen Werten finden Sie unter CreateCallAnalyticsCategory
und NonTalkTimeFilter
.
Stimmungsübereinstimmung
Regeln mit Stimmung (SentimentFilter
-Datentyp), sind auf Übereinstimmung:
-
Vorhandensein oder Nichtvorhandensein einer positiven Stimmung, die vom Kunden, vom Kundendienstmitarbeiter oder von beiden an bestimmten Punkten des Anrufs ausgedrückt wird
-
Vorhandensein oder Nichtvorhandensein eines negativen Gefühls, das vom Kunden, vom Kundendienstmitarbeiter oder von beiden an bestimmten Punkten des Anrufs geäußert wurde
-
Vorhandensein oder Nichtvorhandensein einer neutralen Stimmung, die vom Kunden, vom Kundendienstmitarbeiter oder von beiden an bestimmten Punkten des Anrufs ausgedrückt wird
-
Vorhandensein oder Nichtvorhandensein einer gemischten Stimmung, die vom Kunden, vom Kundendienstmitarbeiter oder von beiden an bestimmten Punkten des Anrufs ausgedrückt wird
Hier ist ein Beispiel für die verfügbaren Parameter mit SentimentFilter
:
"SentimentFilter": { "AbsoluteTimeRange": {
Specify the time frame, in milliseconds, when the match should occur
}, "RelativeTimeRange": {Specify the time frame, in percentage, when the match should occur
}, "Negate":Specify if you want to match the presence or absence of your chosen sentiment
, "ParticipantRole":Specify if you want to match speech from the agent, the customer, or both
, "Sentiments": [The sentiments you want to match
] },
Weitere Informationen zu diesen Parametern und den damit verbundenen gültigen Werten finden Sie unter CreateCallAnalyticsCategory
und SentimentFilter
.