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.

Post-call Analysen mit Transkriptionen in Echtzeit

Post-call Analytics ist eine optionale Funktion, die bei Call Analytics-Transkriptionen in Echtzeit verfügbar ist. Zusätzlich zu den standardmäßigen Echtzeit-Analysen bietet Ihnen die Analyse nach Anrufen folgende Informationen:

Wenn diese Option aktiviert ist, erzeugt die Analyse nach einem Anruf anhand eines Audiostreams ein Protokoll, 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 einem Anruf Ihren Audiostream auf und speichert ihn als Audiodatei (WAVFormat) im selben Bucket. Amazon S3 Wenn Sie die Schwärzung aktivieren, werden ein geschwärztes Protokoll und eine redigierte 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:

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 einem Anruf für lang andauernde Audiostreams bereitzustellen, die länger als 90 Minuten dauern.

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

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:

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

Beispiel für die Analyse nach Anrufen

Post-call Transkripte werden segmentweise in einem Turn-by-Turn-Format angezeigt. 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
        }
    },
    ...
}