Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Résultats d’analyse après appel
Les transcriptions des analyses post-appel sont affichées dans un turn-by-turn format par segment. Elles incluent la catégorisation des appels, les caractéristiques des appels (scores de niveau sonore, interruptions, temps de non-conversation, vitesse de conversation), le récapitulatif des appels (problèmes, résultats et mesures à prendre), l’expurgation et les sentiments. Un récapitulatif des caractéristiques de la conversation est également fourni à la fin de la transcription.
Pour améliorer la précision et personnaliser davantage vos transcriptions en fonction de votre cas d’utilisation, par exemple en incluant des termes spécifiques au secteur, ajoutez des vocabulaires personnalisés ou des modèles de langue personnalisés à votre demande Call Analytics. Pour masquer, supprimer ou étiqueter des mots que vous ne voulez pas voir apparaître dans vos résultats de transcription, tels que des termes vulgaires, ajoutez un filtrage du vocabulaire. Si vous n’êtes pas sûr du code de langue à transmettre au fichier multimédia, vous pouvez activer l’identification de la langue par lots pour identifier automatiquement la langue de le fichier multimédia.
Les sections suivantes présentent des exemples de JSON résultats au niveau des informations. Pour les résultats compilés, consultez la section Compilation des résultats d’analyse après appel.
Catégorisation des appels
Voici à quoi ressemble une correspondance de catégorie dans votre sortie de transcription. Cet exemple montre que l’audio compris entre l’horodatage de 40 040 millisecondes et l’horodatage de 42 460 millisecondes correspond à la catégorie « résolution positive ». Dans ce cas, la catégorie personnalisée « résolution positive » exigeait un sentiment positif au cours des dernières secondes du discours.
"Categories": { "MatchedDetails": { "positive-resolution": { "PointsOfInterest": [ { "BeginOffsetMillis":40040, "EndOffsetMillis":42460} ] } }, "MatchedCategories": [ "positive-resolution" ] },
Caractéristiques des appels
Voici à quoi ressemblent les caractéristiques des appels dans votre sortie de transcription. Notez que les scores de niveau sonore sont fournis pour chaque tour de conversation, tandis que toutes les autres caractéristiques sont fournies à la fin de la transcription.
"LoudnessScores": [87.54,88.74,90.16,86.36,85.56,85.52,81.79,87.74,89.82],..."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,..."TalkSpeed": { "DetailsByParticipant": { "AGENT": { "AverageWordsPerMinute":150}, "CUSTOMER": { "AverageWordsPerMinute":167} } }, "TalkTime": { "DetailsByParticipant": { "AGENT": { "TotalTimeMillis":32750}, "CUSTOMER": { "TotalTimeMillis":18010} }, "TotalTimeMillis":50760} },
Problèmes, éléments d’action et étapes suivantes
-
Dans l’exemple suivant, les problèmes sont identifiés comme commençant au caractère 7 et se terminant au caractère 51, ce qui fait référence à la section suivante du texte : « J’aimerais annuler mon abonnement à une recette ».
"Content": "Well, I would like to cancel my recipe subscription.", "IssuesDetected": [ { "CharacterOffsets": { "Begin":7, "End":51} } ], -
Dans l’exemple suivant, les résultats sont identifiés comme commençant au caractère 12 et se terminant au caractère 78, ce qui fait référence à la section suivante du texte : « J’ai apporté toutes les modifications à votre compte et cette réduction est maintenant appliquée ».
"Content": "Wonderful. I made all changes to your account and now this discount is applied, please check.", "OutcomesDetected": [ { "CharacterOffsets": { "Begin":12, "End":78} } ], -
Dans l’exemple suivant, les actions sont identifiées comme commençant au caractère 0 et se terminant au caractère 103, ce qui fait référence à la section suivante du texte : « Je vous enverrai un e-mail avec tous les détails aujourd’hui, et je vous rappellerai la semaine prochaine pour un suivi ».
"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.", "ActionItemsDetected": [ { "CharacterOffsets": { "Begin":0, "End":103} } ],
Résumé génératif des appels
Voici à quoi ressemble un résumé génératif des appels dans la sortie de transcription :
"ContactSummary": { "AutoGenerated": { "OverallSummary": { "Content": "A customer wanted to check to see if we had a bag allowance. We told them that we didn't have it, but we could add the bag from Canada to Calgary and then do the one coming back as well." } } }
La tâche d'analyse s'achèvera sans génération de résumé dans les cas suivants :
-
Contenu de conversation insuffisant : la conversation doit inclure au moins un tour de la part de l'agent et du client. Lorsque le contenu de la conversation est insuffisant, le service renvoie le code d'erreur INSUFFICIENT _ CONVERSATION _CONTENT.
-
Garde-corps de sécurité : La conversation doit respecter les garde-fous en place pour garantir la génération d'un résumé approprié. Lorsque ces garde-fous ne sont pas respectés, le service renvoie le code d'erreur FAILED _ _SAFETY. GUIDELINES
Le code d'erreur se trouve AnalyticsJobDetails dans Skipped la section ci-dessous de la sortie. Vous pouvez également trouver la raison de l'erreur CallAnalyticsJobDetails dans la GetCallAnalyticsJobAPIréponse.
Exemple de sortie d'erreur
{ "JobStatus": "COMPLETED", "AnalyticsJobDetails": { "Skipped": [ { "Feature": "GENERATIVE_SUMMARIZATION", "ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT", "Message": "The conversation needs to have at least one turn from both the participants to generate summary" } ] }, "LanguageCode": "en-US", "AccountId": "***************", "JobName": "Test2-copy",...}
Analyse de sentiment
Voici à quoi ressemble l’analyse des sentiments dans la sortie de transcription.
-
Valeurs de turn-by-turn sentiment qualitatives :
"Content": "That's very sad to hear. Can I offer you a 50% discount to have you stay with us?",..."BeginOffsetMillis":12180, "EndOffsetMillis":16960, "Sentiment": "NEGATIVE", "ParticipantRole": "AGENT"..."Content": "That is a very generous offer. And I accept.",..."BeginOffsetMillis":17140, "EndOffsetMillis":19860, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" -
Valeurs quantitatives des sentiments pour l’ensemble de l’appel :
"Sentiment": { "OverallSentiment": { "AGENT":2.5, "CUSTOMER":2.1}, -
Valeurs quantitatives des sentiments par participant et par trimestre d’appel :
"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} ] } }
PIIrédaction
Voici à quoi ressemble la PII rédaction dans votre sortie de transcription.
"Content": "[PII], my name is [PII], how can I help?", "Redaction": [{ "Confidence": "0.9998", "Type": "NAME", "Category": "PII" }]
Pour plus d'informations, reportez-vous à la section Expression PII dans votre travail par lots.
Identification de la langue
Voici à quoi ressemble l’identification de la langue dans la sortie de transcription si la fonctionnalité est activée.
"LanguageIdentification": [{ "Code": "en-US", "Score": "0.8299" }, { "Code": "en-NZ", "Score": "0.0728" }, { "Code": "zh-TW", "Score": "0.0695" }, { "Code": "th-TH", "Score": "0.0156" }, { "Code": "en-ZA", "Score": "0.0121" }]
Dans l’exemple de sortie ci-dessus, Identification de la langue remplit les codes de langue avec des scores de confiance. Le résultat avec le score le plus élevé est sélectionné comme code de langue pour la transcription. Pour plus de détails sur le mode, reportez-vous à Identification des langues dominantes des médias.
Compilation des résultats d’analyse après appel
Par souci de concision, une partie du contenu est remplacée par des points de suspension dans la sortie de transcription suivante.
Cet exemple inclut une fonctionnalité optionnelle : le résumé génératif des appels.
{ "JobStatus": "COMPLETED", "LanguageCode": "en-US", "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?", "Items": [...], "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.", "Items": [...], "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.", "Items": [...], "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.", "Items": [...], "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 }, "ContactSummary": { // Optional feature - Generative call summarization "AutoGenerated": { "OverallSummary": { "Content": "The customer initially wanted to cancel but the agent convinced them to stay by offering a 50% discount, which the customer accepted after reconsidering cancelling given the significant savings. The agent ensured the discount was applied and said they would follow up to ensure the customer remained happy with the revised subscription." } } } }, "AnalyticsJobDetails": { "Skipped": [] },...}
