God kundeopplevelse gir et konkurransefortrinn og bidrar til å skape merkevaredifferensiering. I henhold til Forrester-rapporten, The State Of Customer Obsession, 2022, kan det å være kunden først ha en betydelig innvirkning på en organisasjons balanse, ettersom organisasjoner som tar i bruk denne metodikken overgår sine jevnaldrende når det gjelder inntektsvekst. Til tross for at kontaktsentre er under konstant press for å gjøre mer med mindre og samtidig forbedre kundeopplevelsene, 80 % av bedriftene planlegger å øke investeringsnivået sitt i Customer Experience (CX) for å gi en differensiert kundeopplevelse. Rask innovasjon og forbedring i generativ AI har fanget sinnet og oppmerksomheten vår og i henhold til McKinsey & Companys anslag, kan bruk av generativ AI på kundebehandlingsfunksjoner øke produktiviteten til en verdi som varierer fra 30–45 % av gjeldende funksjonskostnader.
Amazon SageMaker Canvas gir forretningsanalytikere et visuelt pek-og-klikk-grensesnitt som lar deg bygge modeller og generere nøyaktige maskinlæringsforutsigelser (ML) uten å kreve noen ML-erfaring eller koding. I oktober 2023 kunngjorde SageMaker Canvas støtte for grunnmodeller blant de ferdige modellene, drevet av Amazonas grunnfjell og Amazon SageMaker JumpStart. Dette lar deg bruke naturlig språk med et chat-grensesnitt for samtale for å utføre oppgaver som å lage nytt innhold, inkludert fortellinger, rapporter og blogginnlegg; oppsummering av notater og artikler; og svare på spørsmål fra en sentralisert kunnskapsbase – alt uten å skrive en eneste linje med kode.
En kundesenteragents jobb er å håndtere innkommende og utgående kundeanrop og gi støtte eller løse problemer mens du utfører dusinvis av samtaler daglig. Å holde tritt med dette volumet og samtidig gi kundene umiddelbare svar er utfordrende uten tid til å undersøke mellom samtalene. Vanligvis veileder samtaleskript agenter gjennom samtaler og skisserer problemer. Velskrevne skript forbedrer samsvar, reduserer feil og øker effektiviteten ved å hjelpe agenter raskt å forstå problemer og løsninger.
I dette innlegget utforsker vi hvordan generativ AI i SageMaker Canvas kan bidra til å løse vanlige utfordringer kunder kan møte når de har å gjøre med kontaktsentre. Vi viser hvordan du bruker SageMaker Canvas til å lage et nytt anropsskript eller forbedre et eksisterende anropsskript, og utforsker hvordan generativ AI kan hjelpe med å gjennomgå eksisterende interaksjoner for å gi innsikt som er vanskelig å få tak i fra tradisjonelle verktøy. Som en del av dette innlegget gir vi spørsmålene som brukes til å løse oppgavene og diskutere arkitekturer for å integrere disse resultatene i AWS Contact Center Intelligence (CCI) arbeidsflyter.
Oversikt over løsning
Generative AI-fundamentmodeller kan bidra til å lage kraftige anropsskript i kontaktsentre og gjøre det mulig for organisasjoner å gjøre følgende:
- Skap konsistente kundeopplevelser med et enhetlig kunnskapslager for å håndtere kundespørsmål
- Reduser samtalehåndteringstiden
- Forbedre støtteteamets produktivitet
- Aktiver støtteteamet med nest beste handlinger for å eliminere feil og ta den nest beste handlingen
Med SageMaker Canvas kan du velge fra et større utvalg av grunnmodeller for å lage overbevisende samtaleskript. SageMaker Canvas lar deg også sammenligne flere modeller samtidig, slik at en bruker kan velge utgangen som passer best for deres behov for den spesifikke oppgaven de har å gjøre med. For å bruke generative AI-drevne chatbots, må brukeren først gi en melding, som er en instruksjon for å fortelle modellen hva du har tenkt å gjøre.
I dette innlegget tar vi for oss fire vanlige brukstilfeller:
- Opprette nye samtaleskripter
- Forbedring av et eksisterende samtaleskript
- Automatisering av oppgaver etter anrop
- Analyse etter anrop
Gjennom hele innlegget bruker vi store språkmodeller (LLM) tilgjengelig i SageMaker Canvas drevet av Amazon Bedrock. Spesielt bruker vi Anthropics Claude 2-modell, en kraftig modell med god ytelse for alle slags naturlige språkoppgaver. Eksemplene er på engelsk; Anthropic Claude 2 støtter imidlertid flere språk. Referere til Antropiske Claude 2 å lære mer. Til slutt er alle disse resultatene reproduserbare med andre Amazon Bedrock-modeller, som Anthropic Claude Instant eller Amazon Titan, så vel som med SageMaker JumpStart-modeller.
Forutsetninger
For dette innlegget, sørg for at du har satt opp en AWS-konto med passende ressurser og tillatelser. Spesielt, fullfør følgende forutsetningstrinn:
- Distribuere en Amazon SageMaker domene. For instruksjoner, se Ombord på Amazon SageMaker Domain.
- Konfigurer tillatelsene for å sette opp og distribuere SageMaker Canvas. For flere detaljer, se Sette opp og administrere Amazon SageMaker Canvas (for IT-administratorer).
- Konfigurer policyer for cross-origin resource sharing (CORS) for SageMaker Canvas. For mer informasjon, se Gi brukerne dine tillatelse til å laste opp lokale filer.
- Legg til tillatelsene til å bruke grunnmodeller i SageMaker Canvas. For instruksjoner, se Bruk generativ AI med grunnmodeller.
Merk at tjenestene som SageMaker Canvas bruker for å løse generative AI-oppgaver er tilgjengelige i SageMaker JumpStart og Amazon Bedrock. For å bruke Amazon Bedrock, sørg for at du bruker SageMaker Canvas i regionen der Amazon Bedrock støttes. Referere til Støttede regioner for å lære mer.
Opprett et nytt anropsskript
For denne brukssaken definerer en kontaktsenteranalytiker et anropsskript ved hjelp av en av de ferdige modellene som er tilgjengelige i SageMaker Canvas, og skriver inn en passende melding, for eksempel "Lag et anropsskript for en agent som hjelper kunder med tapte kredittkort." For å implementere dette, fullfør følgende trinn etter at organisasjonens skyadministrator har gitt enkelttegntilgang til kontaktsenteranalytikeren:
- Velg på SageMaker-konsollen Lerret i navigasjonsruten.
- Velg domene og brukerprofil og velg Åpne Canvas for å åpne SageMaker Canvas-applikasjonen.
- Naviger til Bruksklare modeller delen og velg Generer, trekk ut og oppsummer innhold for å åpne chat-konsollen.
- Med Anthropic Claude 2-modellen valgt, skriv inn forespørselen "Lag et anropsskript for en agent som hjelper kunder med tapte kredittkort" og trykk Enter.
Skriptet oppnådd gjennom generativ AI er inkludert i et dokument (som TXT, HTML eller PDF), og lagt til en kunnskapsbase som vil veilede kontaktsenteragenter i deres interaksjoner med kunder.
Ved bruk av en skybasert omnikanal kontaktsenterløsning som f.eks Amazon Connect, kan du dra nytte av AI/ML-drevne funksjoner for å forbedre kundetilfredsheten og agenteffektiviteten. Amazon Connect Wisdom reduserer tiden agenter bruker på å søke etter svar og muliggjør rask løsning av kundeproblemer ved å tilby kunnskapssøk og sanntidsanbefalinger mens agenter snakker med kundene. I dette spesielle eksemplet kan Amazon Connect Wisdom synkronisere med Amazon enkel lagringstjeneste (Amazon S3) som en kilde til innhold for kunnskapsbasen, og inkorporerer dermed anropsskriptet generert ved hjelp av SageMaker Canvas. For mer informasjon, se Amazon Connect Wisdom S3 Sync.
Følgende diagram illustrerer denne arkitekturen.
Når kunden ringer kontaktsenteret, og enten de går gjennom en interaktiv stemmesvar (IVR) eller spesifikke nøkkelord blir oppdaget angående formålet med samtalen (for eksempel "tapt" og "kredittkort"), vil Amazon Connect Wisdom gi forslag til hvordan man håndterer interaksjonen til agenten, inkludert det relevante anropsskriptet som ble generert av SageMaker Canvas.
Med SageMaker Canvas generativ AI sparer kontaktsenteranalytikere tid ved å lage anropsskript, og kan raskt prøve nye instruksjoner for å finpusse opprettingen av skriptene.
Forbedre et eksisterende samtaleskript
I henhold til følgende Undersøkelsen, 78 % av kundene føler at kundesenteropplevelsen deres forbedres når kundeserviceagenten ikke høres ut som om de leser fra et manus. SageMaker Canvas kan bruke generativ AI som hjelper deg med å analysere det eksisterende anropsskriptet og foreslå forbedringer for å forbedre kvaliteten på anropsskriptene. Det kan for eksempel være lurt å forbedre anropsskriptet for å inkludere mer samsvar, eller få skriptet til å høres mer høflig ut.
For å gjøre det, velg Ny chat og velg Claude 2 som din modell. Du kan bruke eksempelutskriften som ble generert i forrige brukstilfelle og ledeteksten "Jeg vil at du skal fungere som en kvalitetssikringsanalytiker for et kontaktsenter og forbedre samtaleutskriften nedenfor for å gjøre den kompatibel og høres høfligere ut."
Automatiser oppgaver etter anrop
Du kan også bruke SageMaker Canvas generativ AI for å automatisere arbeid etter anrop i kundesentre. Vanlige brukstilfeller er oppsummering av samtaler, assistanse ved fullføring av samtalelogger og personlig oppfølgingsmelding. Dette kan forbedre agentproduktiviteten og redusere risikoen for feil, slik at de kan fokusere på oppgaver med høyere verdi som kundeengasjement og relasjonsbygging.
Velg Ny chat og velg Claude 2 som din modell. Du kan bruke eksempelutskriftet som ble generert i forrige brukstilfelle og ledeteksten "Oppsummer samtaleutskriften nedenfor for å fremheve kundeproblem, agenthandlinger, anropsutfall og kundefølelse."
Når du bruker Amazon Connect som kontaktsenterløsning, kan du implementere samtaleopptak og transkripsjon ved å aktivere Amazon Connect kontaktlinse, som bringer andre analysefunksjoner som sentimentanalyse og redaksjon av sensitive data. Den har også oppsummering ved å fremheve nøkkelsetninger i transkripsjonen og merke problemene, resultatene og handlingselementene.
Ved å bruke SageMaker Canvas kan du gå ett skritt videre og fra et enkelt arbeidsområde velge fra de bruksklare modellene for å analysere samtaleutskriften eller generere et sammendrag, og til og med sammenligne resultatene for å finne modellen som passer best til den spesifikke bruken- sak. Følgende diagram illustrerer denne løsningsarkitekturen.
Kundeanalyse etter anrop
Et annet område hvor kontaktsentre kan dra nytte av SageMaker Canvas er å forstå interaksjoner mellom kunde og agenter. I henhold til 2022 NICE WEM Global Survey, 58 % av kundesenteragentene sier at de har svært lite nytte av bedriftscoaching-økter. Agenter kan bruke SageMaker Canvas generativ AI for kundesentimentanalyse for å forstå hvilke alternative beste handlinger de kunne ha tatt for å forbedre kundetilfredsheten.
Vi følger lignende trinn som i de tidligere brukstilfellene. Velge Ny chat og velg Claude 2. Du kan bruke eksempelutskriften som ble generert i forrige brukstilfelle og ledeteksten "Jeg vil at du skal fungere som kontaktsenteransvarlig og kritisere og foreslå forbedringer av agentatferden i kundesamtalen."
Rydd opp
SageMaker Canvas vil automatisk slå av alle SageMaker JumpStart-modeller som startes under den etter 2 timers inaktivitet. Følg instruksjonene i denne delen for å slå av disse modellene tidligere for å spare kostnader. Merk at det ikke er nødvendig å stenge Amazon Bedrock-modeller fordi de ikke er distribuert i kontoen din.
- For å slå av SageMaker JumpStart-modellen kan du velge mellom to metoder:
- Velg Ny chat, og velg på rullegardinmenyen for modell Start opp en annen modell. Deretter, på Fundamentmodeller side, under Amazon SageMaker JumpStart-modeller, velg modellen (som f.eks Falcon-40B-Instruct) og velg i høyre rute Slå av modellen.
- Hvis du sammenligner flere modeller samtidig, på resultatsammenligningssiden, velg SageMaker JumpStart-modellens alternativmeny (tre prikker), og velg deretter Slå av modellen.
- Velg Logg ut i venstre rute for å logge ut av SageMaker Canvas-applikasjonen for å stoppe forbruket av SageMaker Canvas arbeidsområde forekomst timer. Dette vil frigjøre alle ressurser som brukes av arbeidsområdeforekomsten.
konklusjonen
I dette innlegget analyserte vi hvordan du kan bruke SageMaker Canvas generativ AI i kontaktsentre for å skape hyper-personlig tilpassede kundeinteraksjoner, forbedre kontaktsenteranalytikere og agenters produktivitet, og bringe innsikt som er vanskelig å få fra tradisjonelle verktøy. Som illustrert av de forskjellige brukssakene, fungerer SageMaker Canvas som et enkelt enhetlig arbeidsområde, uten å måtte bruke forskjellige punktprodukter. Med SageMaker Canvas generativ AI kan kontaktsentre forbedre kundetilfredsheten, redusere kostnadene og øke effektiviteten. SageMaker Canvas generativ AI gir deg mulighet til å generere nye og innovative løsninger som har potensial til å transformere kontaktsenterindustrien. Du kan også bruke generativ AI for å identifisere trender og innsikt i kundeinteraksjoner, hjelpe ledere med å optimalisere driften og forbedre kundetilfredsheten. I tillegg kan du bruke generativ AI til å produsere treningsdata for nye agenter, slik at de kan lære av syntetiske eksempler og forbedre ytelsen raskere.
Lær mer om SageMaker Canvas-funksjoner og komme i gang i dag å utnytte visuelle, kodefrie maskinlæringsmuligheter.
Om forfatterne
Davide Gallitelli er en senior spesialistløsningsarkitekt for AI/ML. Han er basert i Brussel og jobber tett med kunder over hele verden som ønsker å ta i bruk Low-Code/No-Code Machine Learning-teknologier og Generativ AI. Han har vært utvikler siden han var veldig ung, og begynte å kode i en alder av 7. Han begynte å lære AI/ML på universitetet, og har forelsket seg i det siden den gang.
Jose Rui Teixeira Nunes er løsningsarkitekt hos AWS, basert i Brussel, Belgia. Han hjelper for tiden europeiske institusjoner og byråer på deres skyreise. Han har over 20 års kompetanse innen informasjonsteknologi, med stort fokus på offentlige organisasjoner og kommunikasjonsløsninger.
Anand Sharma er en Senior Partner Development Specialist for generativ AI ved AWS i Luxembourg med over 18 års erfaring med å levere innovative produkter og tjenester innen e-handel, fintech og finans. Før han begynte i AWS, jobbet han hos Amazon og ledet produktadministrasjons- og business intelligence-funksjoner.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/overcoming-common-contact-center-challenges-with-generative-ai-and-amazon-sagemaker-canvas/
- : har
- :er
- :ikke
- :hvor
- $OPP
- 100
- 150
- 20
- 20 år
- 2023
- 408
- 7
- a
- I stand
- Om oss
- adgang
- Logg inn
- nøyaktig
- Handling
- Handling
- handlinger
- la til
- I tillegg
- adresse
- adressering
- administratorer
- adoptere
- Fordel
- Etter
- alder
- byråer
- Agent
- agenter
- AI
- AI-drevet
- AI / ML
- Alle
- tillate
- tillater
- også
- alternativ
- Amazon
- Amazon SageMaker
- Amazon SageMaker Canvas
- Amazon Web Services
- blant
- an
- analyse
- analytiker
- analytikere
- analytics
- analysere
- analysert
- og
- annonsert
- En annen
- svar
- Antropisk
- noen
- Søknad
- påføring
- hensiktsmessig
- arkitektur
- ER
- AREA
- rundt
- artikler
- AS
- Assistanse
- forsikring
- At
- oppmerksomhet
- automatisere
- automatisk
- tilgjengelig
- AWS
- Balansere
- Balanse
- basen
- basert
- fordi
- vært
- atferd
- være
- Belgia
- under
- nytte
- BEST
- mellom
- Blogg
- Blogginnlegg
- merke
- bringe
- Bringer
- Brussel
- bygge
- virksomhet
- business intelligence
- by
- ring
- call center
- Samtaler
- CAN
- lerret
- evner
- fanget
- Kort
- hvilken
- saken
- saker
- sentrum
- Sentre
- sentralisert
- utfordringer
- utfordrende
- chatte
- chatbots
- Velg
- tett
- Cloud
- coaching
- kode
- Koding
- Felles
- kommunikasjon
- Selskaper
- Selskapet
- Selskapets
- sammenligne
- sammenligne
- sammenligning
- overbevisende
- konkurranse
- fullføre
- ferdigstillelse
- samsvar
- kompatibel
- angå
- Koble
- konsistent
- Konsoll
- konstant
- forbruk
- kontakt
- kontakt senter
- innhold
- Samtale
- conversational
- Kostnader
- kunne
- skape
- Opprette
- skaperverket
- kreditt
- Kredittkort
- Gjeldende
- I dag
- kunde
- Kundedeltakelse
- kundeopplevelse
- Kundetilfredshet
- Kundeservice
- Kunder
- CX
- daglig
- dato
- håndtering
- definerer
- levere
- utplassere
- utplassert
- Til tross for
- detaljer
- oppdaget
- Utvikler
- Utvikling
- forskjellig
- differensiert
- Differensiering
- vanskelig
- diskutere
- do
- dokument
- ikke
- domene
- ned
- dusinvis
- e-handel
- Edge
- effektivitet
- enten
- eliminere
- omfavner
- bemyndiger
- muliggjøre
- muliggjør
- muliggjør
- engasjement
- Engelsk
- forbedre
- Enter
- går inn
- feil
- europeisk
- Selv
- eksempel
- eksempler
- eksisterende
- erfaring
- Erfaringer
- ekspertise
- utforske
- trekke ut
- Face
- Fallen
- Egenskaper
- føler
- Endelig
- finansiere
- Finn
- fintech
- Først
- Fokus
- følge
- etter
- Til
- Forrester
- Fundament
- fire
- fra
- funksjon
- funksjoner
- videre
- generere
- generert
- generative
- Generativ AI
- få
- Giving
- Global
- globus
- Go
- tilskudd
- flott
- Vekst
- veilede
- håndtere
- Håndtering
- Hard
- Ha
- he
- hjelpe
- hjelpe
- hjelper
- Uthev
- utheving
- TIMER
- Hvordan
- Hvordan
- Men
- HTML
- http
- HTTPS
- identifisere
- illustrerer
- umiddelbar
- Påvirkning
- iverksette
- forbedre
- forbedring
- forbedringer
- forbedrer
- bedre
- in
- inkludere
- inkludert
- Inkludert
- innlemme
- Øke
- industri
- informasjon
- informasjonsteknologi
- Innovasjon
- innovative
- innsikt
- f.eks
- instant
- institusjoner
- instruksjoner
- integrere
- Intelligens
- hensikt
- interaksjon
- interaksjoner
- interaktiv
- Interface
- investering
- utstedelse
- saker
- IT
- varer
- DET ER
- Jobb
- sammenføyning
- reise
- jpg
- holde
- nøkkel
- nøkkelord
- kunnskap
- merking
- Språk
- språk
- stor
- større
- LÆRE
- læring
- Led
- venstre
- mindre
- Nivå
- Leverage
- i likhet med
- linje
- lite
- lokal
- logg
- ser
- tapte
- elsker
- Luxembourg
- maskin
- maskinlæring
- gjøre
- ledelse
- Ledere
- administrerende
- Kan..
- McKinsey
- Meny
- melding
- metodikk
- metoder
- tankene
- ML
- modell
- modeller
- mer
- mest
- flere
- fortellinger
- Naturlig
- Navigasjon
- Trenger
- trenger
- behov
- Ny
- neste
- fint
- Nei.
- note
- Merknader
- roman
- få
- innhentet
- oktober
- of
- omnichannel
- on
- ONE
- åpen
- Drift
- Optimalisere
- alternativer
- or
- organisasjoner
- Annen
- vår
- ut
- Utfallet
- utfall
- omriss
- produksjon
- enn
- overvinne
- side
- brød
- del
- Spesielt
- partner
- jevnaldrende
- for
- Utfør
- ytelse
- tillatelser
- Personlig
- fly
- plato
- Platon Data Intelligence
- PlatonData
- Point
- Politikk
- Post
- innlegg
- potensiell
- powered
- kraftig
- Spådommer
- trykk
- press
- forrige
- Før
- problemer
- produsere
- Produkt
- produktledelse
- produktivitet
- Produkter
- Profil
- ledetekster
- gi
- gir
- gi
- offentlig
- offentlige organisasjoner
- formål
- kvalitet
- spørsmål
- Rask
- raskt
- spenner
- rask
- Lesning
- sanntids
- anbefalinger
- innspilling
- redusere
- reduserer
- referere
- region
- slipp
- relevant
- rapporterer
- Rapporter
- Repository
- forskning
- oppløsning
- løse
- ressurs
- Ressurser
- svar
- Resultater
- inntekter
- omsetningsvekst
- gjennomgå
- ikke sant
- Risiko
- sagemaker
- tilfredshet
- Spar
- sier
- script
- skript
- Søk
- søker
- Seksjon
- sektor
- velg
- valgt
- utvalg
- senior
- sensitive
- sentiment
- tjeneste
- Tjenester
- sesjoner
- sett
- deling
- ark
- Vis
- stengt
- Slå
- lignende
- Enkelt
- samtidig
- siden
- enkelt
- betydelig
- So
- løsning
- Solutions
- LØSE
- Lyd
- kilde
- spesialist
- spesifikk
- spesielt
- bruke
- startet
- Start
- Tilstand
- Trinn
- Steps
- Stopp
- lagring
- sterk
- slik
- foreslår
- oppsummere
- SAMMENDRAG
- støtte
- Støttes
- Støtter
- sikker
- overgår
- syntetisk
- Ta
- tatt
- Snakk
- Oppgave
- oppgaver
- lag
- Technologies
- Teknologi
- fortelle
- Det
- De
- deres
- Dem
- deretter
- Der.
- derved
- Disse
- de
- denne
- selv om?
- tre
- Gjennom
- tid
- titan
- til
- verktøy
- tradisjonelle
- Kurs
- Transcript
- Transform
- Trender
- prøve
- tweak
- to
- typisk
- etter
- forstå
- enhetlig
- universitet
- bruke
- bruk sak
- bruk-tilfeller
- brukt
- Bruker
- Brukere
- bruker
- ved hjelp av
- verdi
- veldig
- visuell
- Voice
- volum
- ønsker
- var
- we
- web
- webtjenester
- VI VIL
- Hva
- når
- hvilken
- mens
- vil
- visdom
- med
- uten
- Arbeid
- arbeidet
- arbeidsflyt
- virker
- skriving
- år
- Du
- Young
- Din
- Zendesk
- zephyrnet