Amazon Connect 워크로드의 성능 효율성

성능 효율성에는 컴퓨팅 리소스를 효율적으로 사용하여 시스템 요구 사항을 충족하고 수요 변화와 기술 발전에 따라 효율성을 유지할 수 있는 능력이 포함됩니다. 이 섹션에서는 Amazon Connect 워크로드의 성능 효율성과 관련된 설계 원칙, 모범 사례 및 질문에 대한 개요를 제공합니다. 성능 효율성 원칙 백서에서 구현에 대한 규범적인 지침을 찾을 수 있습니다.

아키텍처 설계

고객 센터의 경험을 설계할 때 고려해야 할 두 가지 기본적인 아키텍처 설계 원칙이 있습니다.

환원주의적 접근 방식은 각 개별 구성 요소(IVR, ACD, 음성 인식)에만 초점을 맞추기 때문에 개별적으로 평가할 경우 사용 사례의 성능 요구 사항을 충족할 수 있지만 고객 경험이 일관되지 않은 경우가 많습니다. 그러나 엔드 투 엔드 평가는 개발 노력을 운영 사일로에 몰아넣는 동시에 고객 경험의 질을 떨어뜨리는 결과를 초래할 수 있습니다. 이러한 접근 방식은 회귀 테스트를 복잡하게 만들고, 시장 출시 시간을 늘리며, 고객 센터의 성공에 중요한 여러 분야의 운영 리소스를 개발하는 데 제한을 줍니다.

다음 다이어그램에는 고객 센터의 전체적인 모습이 나와 있습니다.

총체적인 접근 방식은 고객에게 보다 완벽하고 일관된 경험을 제공하는 데 초점을 맞추며, 어떤 기술이 어떤 경험을 제공할 것인지에 초점을 맞추지 않습니다.

고객과 고객이 원하는 것이 여러분의 노력을 정의하고 이끌도록 하세요. 고객 응대를 위해 만드는 경험은 정적이거나 최종적인 상태가 아니라 고객의 피드백을 기반으로 지속적으로 반복해야 하는 출발점 역할을 해야 합니다. 고객 응대가 여정 전반에 걸쳐 상호 작용하고 탐색하는 방식과 관련된 운영 및 조정 데이터를 정기적으로 수집하고 검토하여 이러한 반복을 주도해야 합니다. 회사에 연락하는 고객에게 역동적이고 개인화된 경험을 제공하는 것이 목표여야 합니다. 이는 동적 데이터 기반 연락처 설계 및 라우팅을 통해 달성할 수 있으며, 고객 응대와 해당 고객의 개별 요구 사항에 맞는 경험을 제공합니다.

기본 경험으로 시작하여 흐름을 구축하되, 향후 세분화를 위해 단일 흐름을 두 개로 리팩토링할 수 있습니다.

다음 반복 작업에서는 라우팅을 계획하고 구축해야 하는 추가 경험을 식별하고 필요한 경우 각 경험에 대한 흐름을 구축합니다. 예를 들어, 청구서 기한이 지났거나 같은 목적으로 여러 번 연락을 시도한 문의 고객에 대해 다른 안내 메시지를 재생할 수 있습니다. 이러한 접근 방식을 통해 문의 고객과 해당 고객이 연락하는 이유와 관련된 개인화되고 역동적인 경험을 제공할 수 있습니다. 고객 응대 경험의 품질을 개선하고 처리 시간을 단축하는 것 외에도 더욱 지능적이고 유연한 경험을 제공하여 고객 응대 셀프 서비스를 장려할 수 있습니다. 다음 반복은 다음 그림과 같을 수 있습니다.

흐름 설계

흐름은 고객 센터에 대한 고객 경험을 처음부터 끝까지 정의합니다. 흐름 구성은 성능, 운영 효율성 및 유지 관리 용이성에 직접적인 영향을 미칠 수 있습니다.

많은 대기업이 여러 개의 전화번호, 사업부, 프롬프트, 대기열 및 기타 Amazon Connect 리소스를 지원합니다. 전화번호와 업무 분야별로 고유한 흐름을 가질 수 있지만, 전화번호와 흐름이 일대일로 매핑될 수 있습니다. 이로 인해 불필요한 서비스 할당량 요청이 발생하고 지원 및 유지 관리해야 할 흐름이 많아집니다. 다음 그림에는 DNIS와 Flow 구현의 일대일 매핑이 나와 있습니다.

또는 Amazon Connect 흐름의 동적 특성을 사용하여 하나 또는 몇 개의 흐름에 여러 개의 DNIS를 생성하는 접근 방식을 고려해야 합니다. 이 접근 방식을 사용하면 프롬프트, 대기열, 업무 시간, 귓속말 프롬프트/흐름, 대기열, 대기열 처리 및 보류 메시지 등과 같은 구성 정보를 NoSQL 데이터베이스인 DynamoDB에 저장할 수 있습니다. Amazon Connect에서는 여러 전화번호를 동일한 흐름에 연결하고 Lambda 함수를 사용하여 해당 전화번호에 대한 구성을 조회할 수 있습니다. 이를 통해 DynamoDB에서 반환된 속성을 기반으로 고객 응대의 경험을 동적으로 정의할 수 있습니다.

예를 들어 프롬프트를 재생하거나 TTS(텍스트 음성 변환)를 사용하여 DynamoDB의 조회를 기반으로 발신자에게 인사말을 하거나 흐름 블록에서 지원되는 동적 속성을 사용하여 대기열을 연결할 수 있습니다. 이 접근 방식을 사용하면 구축, 유지 관리 및 지원이 효율적인 흐름 구현이 가능합니다.

로드 테스트.

로드 또는 확장 테스트를 실행해야 하는 경우에는 타사 또는 파트너 솔루션을 사용하여 로드 테스트를 실행하거나, Amazon Connect StartOutboundVoiceContact API를 사용하여 자체 사용자 지정 솔루션을 개발하여 브라우저 자동화 스크립트와 결합된 호출을 생성하여 에이전트 동작을 시뮬레이션할 수 있습니다 로드 테스트를 수행하기 전에 Amazon Connect 로드 테스트 정책을 검토하고 따르세요.

에이전트 인베이블먼트

Amazon Connect는 에이전트가 고객 연락처와 상호작용할 수 있도록 쉽게 사용할 수 있는 브라우저 기반 Contact Control Panel(CCP)을 제공합니다. 에이전트는 CCP를 사용하여 고객 응대를 수락하고, 문의 고객과 채팅하고, 다른 에이전트에게 전달하고, 보류하고, 기타 주요 작업을 수행할 수 있습니다. Amazon Connect Streams API를 사용하여 사용자 지정 에이전트 데스크톱 솔루션을 만들면 상당한 성능 효율성을 실현할 수 있습니다. 다음과 같은 영역에서 성능 효율성을 높이기 위해 Streams API를 사용하는 것을 고려해 보세요.

다른 AWS 서비스 사용

이 섹션에서는 성능을 개선하고, 기회 영역을 파악하고, 연락처 데이터에 대한 귀중한 인사이트를 얻는 데 사용할 수 있는 AWS 서비스에 대해 설명합니다.

AWS Lambda

Amazon Connect 흐름에서 AWS Lambda를 사용하여 고객 정보에 대한 데이터 딥을 수행하고, SMS 문자 메시지를 전송하고, Amazon S3와 같은 다른 서비스와 함께 예약된 보고서를 자동으로 배포할 수 있습니다. 자세한 내용은 AWS Lambda 함수 작업을 위한 모범 사례를 참조하세요.

AWS Direct Connect

AWS Direct Connect는 온프레미스에서 AWS로 전용 네트워크 연결을 보다 효율적으로 구축할 수 있는 클라우드 서비스 솔루션입니다. 이 솔루션은 AWS 리소스에 대한 요청을 동적으로 라우팅하기 위해 ISP에 의존하지 않고 내구성 있고 일관된 연결을 제공합니다. 퍼블릭 WAN을 경유하지 않고 전용 파이버를 통해 AWS 트래픽을 리디렉션하도록 엣지 라우터를 구성하고 AWS와 데이터 센터, 사무실 또는 콜로케이션 환경 간에 프라이빗 연결을 설정할 수 있습니다. 대부분의 경우, 이를 통해 네트워크 비용을 절감하고 대역폭 처리량을 늘리며 인터넷 기반 연결보다 더 일관된 네트워크 환경을 제공할 수 있습니다.

AWS Direct Connect는 엣지 라우터로의 프라이빗 LAN/WAN 통과와 관련된 문제를 해결하지는 못하지만, 엣지 라우터와 AWS 리소스 간의 지연 시간 및 연결 문제를 해결하는 데 도움이 될 수 있습니다. 또한 엣지 라우터와 AWS 리소스 간의 지연 시간 및 통화 품질 저하 문제도 해결할 수 있습니다.

VDI 환경에 따라 AWS Direct Connect를 활용하지 못할 수도 있는데, 이는 퍼블릭 WAN을 통과하지 않고 전용 파이버를 통해 AWS 트래픽을 리디렉션하도록 엣지 라우터를 구성해야 하기 때문입니다. VDI 환경이 로컬 DXC 지원 네트워크 외부에서 호스팅되는 경우, AWS Direct Connect를 최대한 활용하지 못할 수 있습니다.

"QoS" 또는 "보안 강화"에는 AWS Direct Connect를 사용하지 마세요. AWS Direct Connect는 에이전트 워크스테이션의 지연 시간이 ISP의 Amazon Connect 인스턴스 경로보다 높은 경우 성능 저하를 유발할 수 있습니다. Amazon Connect 음성 및 데이터는 이미 암호화되어 있으므로 AWS Direct Connect는 ISP와 비교할 때 추가적인 보안을 제공하지 않습니다.

Amazon Polly

Amazon Connect는 Amazon Polly와의 기본 통합을 통해 동적이고 자연스러운 TTS(텍스트 음성 변환)를 재생하고, SSML(음성 합성 마크업 언어)을 사용하고, NTTS(신경망 텍스트 음성 변환)를 활용하여 가능한 가장 자연스럽고 인간과 같은 텍스트 음성 변환 음성을 얻을 수 있습니다.

Amazon Lex

문의 고객이 서비스를 받는 과정은 항상 고객의 기대에 부응하지 못하는 어려운 경험이 될 수 있습니다. 고객이 대기 중이거나, 정보를 반복하거나, 전달해야 하거나, 궁극적으로 필요한 정보를 얻는 데 너무 많은 시간을 소비할 수 있습니다. 고객 센터의 이러한 고객 경험을 개선하기 위해 AI는 지능형 자연어 가상 비서인 챗봇을 통해 고객 참여를 유도하는 역할을 하고 있습니다. 이러한 챗봇은 사람의 음성을 인식하고 발신자가 특정 문구로 말하지 않아도 발신자의 의도를 이해할 수 있습니다. 고객 응대는 에이전트와 대화하지 않고도 암호 변경, 계정 잔액 요청, 약속 예약과 같은 작업을 수행할 수 있습니다.

Amazon Lex는 지능형 대화형 챗봇을 만들 수 있는 서비스입니다. 이를 통해 Amazon Connect 고객 센터 흐름을 자연스러운 대화로 전환하여 발신자에게 개인화된 경험을 제공할 수 있습니다. Amazon Alexa를 구동하는 것과 동일한 기술을 사용하여 Amazon Lex 챗봇을 Amazon Connect 흐름에 연결하여 발신자의 의도를 인식하고, 후속 질문을 하고, 답변을 제공할 수 있습니다. Amazon Lex는 컨텍스트를 유지하고 대화를 관리하며 대화에 따라 응답을 동적으로 조정하므로 고객 센터에서 발신자를 위한 일반적인 작업을 수행하여 셀프 서비스 상호 작용을 통해 많은 고객 문의를 처리할 수 있습니다. 또한 Amazon Lex 챗봇은 최적의 전화 통신 오디오 샘플링 속도(8kHz)를 지원하여 컨택 센터 음성 상호작용의 음성 인식 정확도와 충실도를 높입니다.

효과적인 Amazon Lex 봇을 구축하려면 간단하고 사실적인 발화를 봇에 학습 세트로 제공하고, 봇의 성능을 주기적으로 검토하고, 발화 세트를 업데이트하고, 이러한 검토를 바탕으로 봇을 수정해야 합니다. 자세한 정보는 다음 자료를 참조하십시오.

Amazon Kinesis

고객 응대 지표와 Amazon Connect의 실시간 데이터에서 추가적인 인사이트를 얻어야 하는 상황이라면 가능합니다.

Amazon OpenSearch Service 및 Kibana

Amazon OpenSearch Service와 Kibana를 사용하여 실시간 Amazon Connect 데이터를 처리하면 기본 보고 기능을 넘어 실시간 및 과거 Amazon Connect 데이터를 쿼리하고 시각화할 수 있는 유연한 방법이 제공됩니다.

Amazon Connect Contact Lens

Amazon Connect용 Contact Lens는 Amazon Connect에 통합된 머신 러닝(ML) 기능의 집합으로, 고객 센터 관리자가 고객 대화의 감정, 트렌드 및 규정 준수 위험을 더 잘 이해하여 에이전트를 효과적으로 교육하고, 성공적인 상호 작용을 복제하며, 중요한 회사 및 제품 피드백을 식별할 수 있도록 도와줍니다. Amazon Connect용 Contact Lens는 고객 센터 통화를 녹취하여 검색 가능한 아카이브를 생성하고 귀중한 고객 인사이트를 도출합니다.

리소스

설명서

백서

동영상