İletişim merkeziniz işletmeniz ile müşterileriniz arasında hayati bir bağlantı görevi görür. İletişim merkezinize yapılan her çağrı, müşterilerinizin ihtiyaçları ve bu ihtiyaçları ne kadar iyi karşıladığınız hakkında daha fazla bilgi edinmek için bir fırsattır.
Çoğu iletişim merkezi, temsilcilerinin her aramadan sonra konuşmalarını özetlemesini ister. Çağrı özetleme, iletişim merkezlerinin müşteri çağrılarını anlamasına ve bunlardan içgörü elde etmesine yardımcı olan değerli bir araçtır. Ek olarak, doğru çağrı özetleri, müşterilerin başka bir temsilciye aktarıldığında bilgileri tekrarlama ihtiyacını ortadan kaldırarak müşteri yolculuğunu geliştirir.
Bu yazıda, çağrı özetleri ve çağrı düzenlemeleri oluşturma çabasını azaltmak ve doğruluğunu artırmak için üretken yapay zekanın gücünü nasıl kullanacağımızı açıklıyoruz. Ayrıca açık kaynak çözümümüzün en son sürümünü kullanmaya nasıl hızlı bir şekilde başlayacağınızı da gösteriyoruz. Agent Assist ile Canlı Çağrı Analitiği.
Çağrı özetleriyle ilgili zorluklar
İletişim merkezleri daha fazla konuşma verisi topladıkça, etkili çağrı özetleme ihtiyacı da önemli ölçüde arttı. Ancak özetlerin çoğu boş veya hatalı çünkü bunları manuel olarak oluşturmak zaman alıyor ve temsilcilerin ortalama işlem süresi (AHT) gibi temel ölçümlerini etkiliyor. Temsilciler, özetlemenin toplam görüşmenin üçte birini alabileceğini, bu nedenle bunu atladıklarını veya eksik bilgileri doldurduklarını bildiriyor. Bu, müşteri deneyimine zarar verir; temsilci yazarken müşterileri uzun süre bekletmek sinir bozucu olur ve eksik özetler, müşterilerden temsilciler arasında aktarılırken bilgileri tekrarlamalarını istemek anlamına gelir.
İyi haber şu ki, özetleme zorluğunu otomatikleştirmek ve çözmek artık üretken yapay zeka aracılığıyla mümkün.
Üretken yapay zeka, müşteri çağrılarının doğru ve verimli bir şekilde özetlenmesine yardımcı oluyor
üretken yapay zeka geniş ölçekte veri üzerinde önceden eğitilmiş, temel modeller (FM'ler) olarak adlandırılan çok büyük makine öğrenimi (ML) modelleri tarafından desteklenmektedir. Doğal dil anlayışına odaklanan bu FM'lerin bir alt kümesine büyük dil modelleri (LLM'ler) adı verilir ve insan benzeri, bağlamsal olarak alakalı özetler üretebilir. En iyi LLM'ler karmaşık, doğrusal olmayan cümle yapılarını bile kolaylıkla işleyebilir ve konu, amaç, sonraki adımlar, sonuçlar ve daha fazlası dahil olmak üzere çeşitli yönleri belirleyebilir. Çağrı özetlemeyi otomatikleştirmek için LLM'lerin kullanılması, müşteri konuşmalarının doğru bir şekilde ve manuel özetleme için gereken süreden çok daha kısa sürede özetlenmesine olanak tanır. Bu da iletişim merkezlerinin üstün müşteri deneyimi sunmasına olanak tanırken temsilcilerinin dokümantasyon yükünü de azaltır.
Aşağıdaki ekran görüntüsünde, her çağrı hakkında bilgi içeren Temsilci Yardımı ile Canlı Çağrı Analizi çağrı ayrıntıları sayfasının bir örneği gösterilmektedir.
Aşağıdaki videoda, devam eden bir çağrıyı özetleyen, çağrı bittikten sonra özetleyen ve bir takip e-postası oluşturan Agent Assist ile Canlı Çağrı Analitiğinin bir örneği gösterilmektedir.
Çözüme genel bakış
Aşağıdaki şemada çözüm iş akışı gösterilmektedir.
Soyut çağrı özetleri oluşturmanın ilk adımı müşteri çağrısının yazıya geçirilmesidir. Doğru, kullanıma hazır transkriptlere sahip olmak, doğru ve etkili çağrı özetleri oluşturmak için çok önemlidir. Amazon Yazısı iletişim merkezi çağrılarınız için yüksek doğrulukta transkriptler oluşturmanıza yardımcı olabilir. Amazon Transcribe, tamamen yönetilen ve sürekli olarak eğitilen, son teknoloji ürünü konuşma tanıma modellerine sahip, zengin özelliklere sahip bir konuşmayı metne dönüştürme API'sidir. Müşteriler şöyle New York Times, Gevşeklik, Zillow, Wixve binlerce diğerleri İş sonuçlarını iyileştirmek amacıyla son derece doğru transkriptler oluşturmak için Amazon Transcribe'ı kullanın. Amazon Transcribe'ı diğerlerinden ayıran en önemli özellik, ses ve metindeki hassas bilgileri çıkararak müşteri verilerini koruyabilmesidir. Müşteri gizliliğinin ve güvenliğinin korunması iletişim merkezleri için genel olarak önemli olsa da, otomatik çağrı özetleri oluşturmadan önce banka hesap bilgileri ve Sosyal Güvenlik numaraları gibi hassas bilgilerin özetlere dahil edilmemesi için maskelenmesi daha da önemlidir.
Halihazırda kullanan müşteriler için Amazon Bağlantısı, çok kanallı bulut iletişim merkezimiz, Amazon Connect için Kontakt Lens yerel olarak gerçek zamanlı transkripsiyon ve analiz özellikleri sağlar. Ancak mevcut iletişim merkezinizle üretken yapay zekayı kullanmak istiyorsanız şunları geliştirdik: çözümler Konuşmaları gerçek zamanlı olarak veya çağrı sonrasında mevcut iletişim merkezinizden yazıya dökmek ve üretken yapay zekayı kullanarak otomatik çağrı özetleri oluşturmakla ilgili ağır işlerin çoğunu yapanlar. Ek olarak, bu bölümde ayrıntıları verilen çözüm şunları yapmanızı sağlar: Müşteri İlişkileri Yönetimi (CRM) sisteminizle entegre olun seçtiğiniz CRM'nizi oluşturulan çağrı özetleriyle otomatik olarak güncellemek için. Bu örnekte, bizim kullandığımız Canlı Çağrı Analitiği LLM'lerin barındırıldığı gerçek zamanlı çağrı transkripsiyonları ve çağrı özetleri oluşturmak için Agent Assist (LCA) çözümü ile Amazon Ana Kayası. Ayrıca bir yazabilirsiniz AWS Lambda işlevi kullanın ve LCA'ya işlevin Amazon Kaynak Adını (ARN) sağlayın. AWS CloudFormation parametreleri seçin ve istediğiniz LLM'yi kullanın.
Aşağıdaki basitleştirilmiş LCA mimarisi, Amazon Bedrock ile çağrı özetlemeyi göstermektedir.
LCA, önceki mimariyi dağıtan ve çağrıları gerçek zamanlı olarak yazmanıza olanak tanıyan bir CloudFormation şablonu olarak sağlanır. İş akışı adımları aşağıdaki gibidir:
- Çağrı sesi, SIPREC aracılığıyla telefon sisteminizden sesi arabelleğe alan Amazon Chime SDK Voice Connector'a aktarılabilir. Amazon Kinesis Video Akışları. LCA aynı zamanda diğer ses alma mekanizmalarını da destekler; Genesys Bulut Ses Kancası.
- Amazon Chime SDK Call Analytics daha sonra sesi Kinesis Video Streams'ten Amazon Transcribe'a aktarır ve JSON çıkışını şuraya yazar: Amazon Kinesis Veri Akışları.
- Bir Lambda işlevi, transkripsiyon bölümlerini işler ve bunları belirli bir süreye kadar sürdürür. Amazon DinamoDB tablo.
- Çağrı sona erdikten sonra Amazon Chime SDK Voice Connector bir Amazon EventBridge DynamoDB'den kalıcı transkripti okuyan, bir LLM istemi oluşturan (bu konuda daha fazla bilgi için aşağıdaki bölümde) ve Amazon Bedrock ile bir LLM çıkarımı çalıştıran bir Lambda işlevini tetikleyen bildirim. Oluşturulan özet DynamoDB'de kalıcı olarak saklanır ve aracı tarafından LCA kullanıcı arayüzünde kullanılabilir. İsteğe bağlı olarak, özet oluşturulduktan sonra üçüncü taraf CRM sistemleriyle entegre olacak şekilde çalıştırılacak bir Lambda işlevi ARN'si sağlayabilirsiniz.
LCA ayrıca arama sırasında özetleme Lambda işlevini çağırma seçeneğine de izin verir, çünkü arama devam ediyor olsa bile herhangi bir zamanda transkript getirilebilir ve bir bilgi istemi oluşturulabilir. Bu, bir çağrının başka bir temsilciye aktarıldığı veya bir süpervizöre iletildiği zamanlar için yararlı olabilir. Yeni temsilci, müşteriyi beklemeye alıp aramayı açıklamak yerine, otomatik olarak oluşturulan bir özeti hızlı bir şekilde okuyabilir ve mevcut sorunun ne olduğunu ve önceki temsilcinin sorunu çözmek için ne yapmaya çalıştığını içerebilir.
Örnek çağrı özetleme istemi
Çağrı özetlerinizi oluşturmak ve geliştirmek için LLM çıkarımlarını hızlı mühendislikle çalıştırabilirsiniz. Seçtiğiniz LLM için en iyi neyin işe yaradığını görmek için bilgi istemi şablonlarını değiştirebilirsiniz. Aşağıda, bir transkriptin LCA ile özetlenmesine yönelik varsayılan istemin bir örneği bulunmaktadır. Değiştiriyoruz {transcript}
aramanın gerçek metnini içeren yer tutucu.
LCA istemi çalıştırır ve oluşturulan özeti saklar. Özetlemenin yanı sıra, LLM'yi temsilci verimliliği için önemli olan hemen hemen her metni üretmeye yönlendirebilirsiniz. Örneğin, görüşme sırasında ele alınan bir dizi konu arasından seçim yapabilir (temsilcinin tutumu), gerekli takip görevlerinin bir listesini oluşturabilir ve hatta arayana çağrı için teşekkür eden bir e-posta yazabilirsiniz.
Aşağıdaki ekran görüntüsü, LCA kullanıcı arayüzünde aracı takip e-postası oluşturmanın bir örneğidir.
İyi tasarlanmış bir istemle, bazı LLM'ler tüm bu bilgileri tek bir çıkarımda üretme yeteneğine sahip olup, çıkarım maliyetini ve işlem süresini azaltır. Temsilci daha sonra oluşturulan yanıtı, çağrıyı sonlandırdıktan sonraki birkaç saniye içinde temas sonrası çalışmaları için kullanabilir. Ayrıca oluşturulan yanıtı da entegre edebilirsiniz. CRM sisteminize otomatik olarak.
Aşağıdaki ekran görüntüsünde LCA kullanıcı arayüzündeki örnek bir özet gösterilmektedir.
Arama devam ederken de bir özet oluşturmak mümkündür (aşağıdaki ekran görüntüsüne bakın), bu özellikle uzun müşteri aramaları için yararlı olabilir.
Üretken yapay zekadan önce, temsilcilerin not alırken ve gerektiğinde diğer görevleri yerine getirirken dikkat etmeleri gerekecekti. Çağrıyı otomatik olarak yazıya dökerek ve otomatik olarak özetler oluşturmak için LLM'leri kullanarak, temsilci üzerindeki zihinsel yükü azaltabiliriz, böylece üstün bir müşteri deneyimi sunmaya odaklanabilirler. Bu aynı zamanda çağrı sonrası çalışmaların daha doğru olmasına da yol açar, çünkü transkripsiyon, yalnızca temsilcinin not aldığı veya hatırladığı şeyin değil, çağrı sırasında meydana gelen şeyin de doğru bir temsilidir.
Özet
Örnek LCA uygulaması açık kaynak olarak sağlanmıştır; bunu kendi çözümünüz için bir başlangıç noktası olarak kullanın ve GitHub çekme istekleri aracılığıyla geri düzeltmelere ve özelliklere katkıda bulunarak onu daha iyi hale getirmemize yardımcı olun. LCA dağıtımı hakkında bilgi için bkz. Amazon dil yapay zeka hizmetleriyle iletişim merkeziniz için canlı çağrı analitiği ve temsilci desteği. Şuraya göz atın: LCA GitHub deposu Kodu keşfetmek, yeni sürümlerden haberdar olmak için kaydolun ve README En son belge güncellemeleri için. Halihazırda Amazon Connect'i kullanan müşteriler için Amazon Connect ile üretken yapay zeka hakkında daha fazla bilgiyi şu adrese başvurarak edinebilirsiniz: İletişim merkezi liderleri üretken yapay zekaya nasıl hazırlanabilirler?.
yazarlar hakkında
Christopher Lot AWS AI Dil Hizmetleri ekibinde Kıdemli Çözüm Mimarıdır. 20 yıllık kurumsal yazılım geliştirme tecrübesine sahiptir. Chris, Sacramento, Kaliforniya'da yaşıyor ve bahçecilikten, havacılıktan ve dünyayı gezmekten hoşlanıyor.
Smriti Ranjan AWS AI/ML ekibinde dil ve arama hizmetlerine odaklanan Baş Ürün Yöneticisidir. AWS'ye katılmadan önce Amazon Devices'ta ve diğer teknoloji girişimlerinde ürün ve büyüme fonksiyonlarına liderlik ederek çalıştı. Smriti Boston, MA'da yaşıyor ve yürüyüş yapmaktan, konserlere katılmaktan ve dünyayı gezmekten hoşlanıyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/use-generative-ai-to-increase-agent-productivity-through-automated-call-summarization/
- :vardır
- :dır-dir
- $UP
- 100
- 13
- 20
- 20 yıl
- 438
- 7
- a
- kabiliyet
- Yapabilmek
- Hakkımızda
- Hesap
- doğruluk
- doğru
- tam olarak
- gerçek
- Ayrıca
- Uzay
- Sonra
- Danışman
- ajanları
- AI
- AI / ML
- Türkiye
- veriyor
- neredeyse
- zaten
- Ayrıca
- Rağmen
- Amazon
- Amazon Çanı
- Amazon Yazısı
- Amazon Web Servisleri
- tutarları
- an
- analytics
- ve
- Başka
- cevap
- herhangi
- api
- Uygulama
- mimari
- ARE
- AS
- soran
- yönleri
- yardım
- Asistan
- ilişkili
- At
- katılıyor
- Dikkat
- ses
- otomatikleştirmek
- Otomatik
- otomatik olarak
- ayrıca otomasyonun
- ortalama
- AWS
- Arka
- Banka
- banka hesabı
- merkezli
- BE
- Çünkü
- önce
- altında
- dışında
- İYİ
- Daha iyi
- arasında
- boston
- yük
- iş
- by
- Kaliforniya
- çağrı
- denilen
- Arayan
- aramalar
- CAN
- yapamam
- Merkez
- Merkezleri
- meydan okuma
- Kontrol
- melodi
- seçim
- Klinik
- Chris
- Christopher
- bulut
- kod
- toplamak
- karmaşık
- konserler
- Sosyal medya
- UAF ile
- iletişim merkezi
- içeren
- devamlı olarak
- katkıda
- konuşma
- konuşmaları
- Ücret
- kaplı
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- Oluşturma
- CRM
- çok önemli
- akım
- müşteri
- müşteri bilgisi
- müşteri deneyimi
- Müşteri yolculuğu
- Müşteriler
- veri
- Varsayılan
- tanımlı
- teslim etmek
- teslim
- dağıtma
- dağıtır
- detaylı
- ayrıntılar
- Belirlemek
- gelişmiş
- gelişme
- Cihaz
- farklılaştırıcı
- direkt
- do
- belgeleme
- Dont
- sırasında
- her
- kolaylaştırmak
- Etkili
- verimli
- çaba
- ortadan
- E-posta
- sağlar
- bitirme
- uçları
- Mühendislik
- artırmak
- kuruluş
- kurumsal yazılım
- özellikle
- Hatta
- Her
- örnek
- mevcut
- deneyim
- Açıklamak
- açıklayan
- keşfetmek
- Özellikler
- Getirildi
- az
- doldurmak
- Ad
- odak
- odaklanmış
- odaklanma
- takip etme
- şu
- İçin
- vakıf
- kesir
- itibaren
- tamamen
- işlev
- fonksiyonlar
- Kazanç
- Cinsiyet
- genel
- oluşturmak
- oluşturulan
- üretir
- üreten
- nesil
- üretken
- üretken yapay zeka
- almak
- GitHub
- Tercih Etmenizin
- yetişkin
- Büyüme
- sap
- Var
- sahip olan
- he
- ağır
- ağırlık kaldırma
- yardım et
- faydalı
- yardım
- yardımcı olur
- Yüksek
- büyük ölçüde
- ambar
- tutar
- ev sahipliği yaptı
- Ne kadar
- Nasıl Yapılır
- Ancak
- http
- HTTPS
- canı yanmak
- if
- göstermektedir
- etkileyen
- önemli
- iyileştirmek
- in
- yanlış
- dahil
- Dahil olmak üzere
- Artırmak
- bilgi
- anlayışlar
- entegre
- niyet
- arayüzey
- içine
- konu
- IT
- ONUN
- birleştirme
- seyahat
- json
- sadece
- anahtar
- dil
- büyük
- son
- liderleri
- önemli
- İlanlar
- ÖĞRENİN
- öğrenme
- kaldırma
- sevmek
- LINK
- Liste
- yaşamak
- Yaşıyor
- Yüksek Lisans
- Uzun
- alt
- makine
- makine öğrenme
- yapmak
- yönetilen
- yönetim
- müdür
- Manuel
- el ile
- maske
- ortalama
- mekanizmaları
- toplantı
- zihinsel
- Metrikleri
- ML
- modelleri
- değiştirmek
- Daha
- çoğu
- isim
- Doğal (Madenden)
- gerek
- gerekli
- ihtiyaçlar
- Nötr
- yeni
- haber
- sonraki
- notlar
- tebliğ
- şimdi
- sayılar
- oluştu
- of
- Omni kanal
- on
- devam
- bir tek
- açık
- açık kaynak
- Fırsat
- seçenek
- or
- Diğer
- bizim
- dışarı
- sonuçlar
- çıktı
- kendi
- Kanal
- parametreler
- icra
- devam
- tutucu
- Platon
- Plato Veri Zekası
- PlatoVeri
- Nokta
- mümkün
- Çivi
- güç kelimesini seçerim
- powered
- Hazırlamak
- önceki
- Anapara
- Önceki
- gizlilik
- süreç
- Süreçler
- işleme
- PLATFORM
- ürün müdürü
- verimlilik
- Ilerleme
- korumak
- koruyucu
- sağlamak
- sağlanan
- sağlar
- Yayınladı
- koymak
- soru
- Sorular
- hızla
- daha doğrusu
- Okumak
- gerçek
- gerçek zaman
- tanıma
- azaltmak
- azaltarak
- başvurmak
- Referans
- ilişki
- Bildirileri
- uygun
- tekrar et
- değiştirmek
- cevap
- rapor
- temsil
- isteklerinizi
- gerektirir
- gereklidir
- çözmek
- kaynak
- Yanıtlamak
- yanıt
- koşmak
- ishal
- Sacramento
- Güvenlik
- ölçek
- sdk
- Ara
- saniye
- Bölüm
- güvenlik
- görmek
- segmentler
- kıdemli
- hassas
- cümle
- vermektedir
- Hizmetler
- set
- o
- şov
- Gösteriler
- işaret
- önemli ölçüde
- basitleştirilmiş
- tek
- So
- Sosyal Medya
- Yazılım
- yazılım geliştirme
- çözüm
- Çözümler
- Çözme
- biraz
- Kaynak
- konuşma
- Konuşma Tanıma
- konuşmadan yazıya
- başladı
- XNUMX dakika içinde!
- Startups
- state-of-the-art
- adım
- Basamaklar
- Yine
- mağaza
- akış
- dere
- yapılar
- böyle
- özetlemek
- ÖZET
- üstün
- Destekler
- sistem
- Sistemler
- tablo
- Bizi daha iyi tanımak için
- alma
- görevleri
- takım
- Teknoloji
- şablon
- şablonları
- metin
- göre
- o
- The
- Dünya
- ve bazı Asya
- Onları
- sonra
- Bunlar
- onlar
- Üçüncü
- üçüncü şahıslara ait
- Re-Tweet
- Bu
- Binlerce
- İçinden
- zaman
- zaman tükeniyor
- zamanlar
- için
- aldı
- araç
- konu
- Konular
- Toplam
- eğitilmiş
- Transkript
- transfer
- Seyahat
- denenmiş
- DÖNÜŞ
- türleri
- anlamak
- anlayış
- Güncelleme
- Güncellemeler
- us
- kullanım
- Kullanılmış
- kullanıcı
- Kullanıcı Arayüzü
- kullanma
- Değerli
- çeşitli
- Geniş
- versiyon
- çok
- üzerinden
- Video
- hayati
- ses
- istemek
- we
- ağ
- web hizmetleri
- İYİ
- vardı
- Ne
- Nedir
- ne zaman
- hangi
- süre
- DSÖ
- irade
- ile
- içinde
- İş
- işlenmiş
- iş akışı
- çalışır
- Dünya
- olur
- yazmak
- yıl
- york
- Sen
- Youtube
- zefirnet