Analisis pasca-panggilan - Amazon Transcribe
Wawasan pasca-panggilan

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Analisis pasca-panggilan

Call Analytics menyediakan analisis pasca-panggilan, yang berguna untuk memantau tren layanan pelanggan.

Transkripsi pasca-panggilan menawarkan wawasan berikut:

Wawasan pasca-panggilan

Bagian ini merinci wawasan yang tersedia untuk transkripsi analitik pasca-panggilan.

Karakteristik panggilan

Fitur karakteristik panggilan mengukur kualitas interaksi agen-pelanggan menggunakan kriteria berikut:

  • Gangguan: Mengukur jika dan ketika satu peserta memotong peserta lain di tengah kalimat. Gangguan yang sering dapat dikaitkan dengan kekasaran atau kemarahan, dan dapat berkorelasi dengan sentimen negatif untuk satu atau kedua peserta.

  • Kenyaringan: Mengukur volume di mana setiap peserta berbicara. Gunakan metrik ini untuk melihat apakah penelepon atau agen berbicara keras atau berteriak, yang sering menunjukkan kesal. Metrik ini direpresentasikan sebagai nilai yang dinormalisasi (tingkat ucapan per detik ucapan di segmen tertentu) pada skala dari 0 hingga 100, di mana nilai yang lebih tinggi menunjukkan suara yang lebih keras.

  • Waktu non-bicara: Mengukur periode waktu yang tidak mengandung ucapan. Gunakan metrik ini untuk melihat apakah ada periode keheningan yang lama, seperti agen yang menahan pelanggan untuk waktu yang berlebihan.

  • Kecepatan bicara: Mengukur kecepatan di mana kedua peserta berbicara. Pemahaman dapat terpengaruh jika satu peserta berbicara terlalu cepat. Metrik ini diukur dalam kata-kata per menit.

  • Waktu bicara: Mengukur jumlah waktu (dalam milidetik) setiap peserta berbicara selama panggilan. Gunakan metrik ini untuk membantu mengidentifikasi apakah satu peserta mendominasi panggilan atau jika dialog seimbang.

  • Masalah, Hasil, dan Item Tindakan: Mengidentifikasi masalah, hasil, dan item tindakan dari transkrip panggilan.

Berikut adalah contoh output.

Ringkasan panggilan generatif

Ringkasan panggilan generatif membuat ringkasan ringkas dari seluruh panggilan, menangkap komponen utama seperti alasan panggilan, langkah-langkah yang diambil untuk menyelesaikan masalah, dan langkah selanjutnya.

Menggunakan ringkasan panggilan generatif, Anda dapat:

  • Kurangi kebutuhan akan pencatatan manual selama dan setelah panggilan.

  • Tingkatkan efisiensi agen karena mereka dapat menghabiskan lebih banyak waktu berbicara dengan penelepon yang menunggu dalam antrian daripada terlibat dalam pekerjaan setelah panggilan.

  • Mempercepat ulasan supervisor karena ringkasan panggilan jauh lebih cepat untuk ditinjau daripada seluruh transkrip.

Untuk menggunakan ringkasan panggilan generatif dengan pekerjaan analitik pasca-panggilan, lihat Mengaktifkan ringkasan panggilan generatif. Misalnya keluaran, lihat Contoh keluaran ringkasan panggilan generatif. Ringkasan panggilan generatif diberi harga terpisah (silakan lihat halaman harga).

catatan

Ringkasan panggilan generatif saat ini tersedia di us-east-1 dan. us-west-2 Kemampuan ini didukung dengan dialek bahasa Inggris ini: Australia (en-AU), Inggris (), India (en-GB), Irlandia (en-INen-IE), Skotlandia (en-AB), AS (en-US), dan Welsh (). en-WL

Kategorisasi kustom

Gunakan kategorisasi panggilan untuk menandai kata kunci, frasa, sentimen, atau tindakan dalam panggilan. Opsi kategorisasi kami dapat membantu Anda melakukan triase eskalasi, seperti panggilan sentimen negatif dengan banyak gangguan, atau mengatur panggilan ke dalam kategori tertentu, seperti departemen perusahaan.

Kriteria yang dapat Anda tambahkan ke kategori meliputi:

  • Waktu non-bicara: Periode waktu ketika pelanggan maupun agen tidak berbicara.

  • Interupsi: Ketika pelanggan atau agen mengganggu orang lain.

  • Sentimen pelanggan atau agen: Bagaimana perasaan pelanggan atau agen selama periode waktu tertentu. Jika setidaknya 50 persen percakapan berubah ( back-and-forthantara dua pembicara) dalam periode waktu tertentu sesuai dengan sentimen yang ditentukan, Amazon Transcribe anggap sentimen itu cocok.

  • Kata kunci atau frasa: Cocokkan bagian transkripsi berdasarkan frasa yang tepat. Misalnya, jika Anda menyetel filter untuk frasa “Saya ingin berbicara dengan manajer”, Amazon Transcribe filter untuk frasa yang tepat itu.

Anda juga dapat menandai kebalikan dari kriteria sebelumnya (waktu bicara, kurangnya interupsi, sentimen tidak hadir, dan kurangnya frasa tertentu).

Berikut adalah contoh output.

Untuk informasi selengkapnya tentang kategori atau mempelajari cara membuat kategori baru, lihatMembuat kategori untuk transkripsi pasca-panggilan.

Redaksi data sensitif

Redaksi data sensitif menggantikan informasi yang dapat diidentifikasi secara pribadi (PII) dalam transkrip teks dan file audio. Transkrip yang disunting menggantikan teks asli dengan[PII]; file audio yang disunting menggantikan informasi pribadi yang diucapkan dengan keheningan. Parameter ini berguna untuk melindungi informasi pelanggan.

catatan

PIIRedaksi pasca-panggilan didukung dengan US English (en-US) dan US Spanish (es-US).

Untuk melihat daftar PII yang disunting menggunakan fitur ini, atau untuk mempelajari lebih lanjut tentang redaksi dengan Amazon Transcribe, lihat. Menyunting atau mengidentifikasi informasi identitas pribadi

Berikut adalah contoh keluaran.

Analisis sentimen

Analisis sentimen memperkirakan bagaimana perasaan pelanggan dan agen selama panggilan berlangsung. Metrik ini direpresentasikan sebagai nilai kuantitatif (dengan rentang dari 5 ke-5) dan nilai kualitatif (positive,, neutralmixed, ataunegative). Nilai kuantitatif disediakan per kuartal dan per panggilan; nilai kualitatif disediakan per giliran.

Metrik ini dapat membantu mengidentifikasi apakah agen Anda dapat menyenangkan pelanggan yang kesal pada saat panggilan berakhir.

Analisis sentimen berfungsi out-of-the-box dan karenanya tidak mendukung penyesuaian, seperti pelatihan model atau kategori khusus.

Berikut adalah contoh output.