Amazon Web Services ブログ

コンタクトセンターからのカスタマーコールを分析するための AWS Machine Learning の使用 (パート 2): Amazon Transcribe、Amazon Comprehend、AWS CloudFormation、Amazon QuickSight を使用した分析の自動化、デプロイメント、および視覚化

前回のブログ記事では、コンタクトセンターでの通話におけるセンチメント分析を実施できるように Amazon TranscribeAmazon Comprehend をつなぎ合わせる方法を説明しました。今回は、そのプロセスを自動化し、大規模なソリューションをデプロイするために AWS CloudFormation を活用する方法をご紹介します。

ソリューションアーキテクチャ

以下の図は、Amazon Transcribe を使ってコンタクトセンターからの通話記録のテキストトランスクリプトを作成するアーキテクチャを示しています。この例では Amazon Connect (クラウドベースのコンタクトセンターサービス) を参照していますが、このアーキテクチャはどのコンタクトセンターに対しても機能します。

以下の図は、エンティティ分析、センチメント分析、およびキーフレーズ分析を実施するために、Amazon Comprehend を使用して文字に起こされたテキストを処理するアーキテクチャを示しています。最後に、AthenaQuickSight の組み合わせを使って分析を可視化することができます。

AWS CloudFormation を使用した自動化とデプロイメント

ここでは、上記のソリューションを自動化してデプロイするために AWS CloudFormation を使用します。

まず AWS コンソールにログインし、このリンクをクリックして CloudFormation でテンプレートを起動します。

コンソールで、以下のパラメータを入力します。

  • RecordingsPrefix: 分割された記録が保存される S3 のプレフィックス
  • TranscriptsPrefix: 文字に起こされたテキストが保存される S3 のプレフィックス
  • TranscriptionJobCheckWaitTime: 文字起こしジョブチェック間の待ち時間 (秒単位)

他はすべてデフォルト値のままにしておきます。AWS の箇所にあるチェックボックスの両方にチェックを入れて、[変更セットの作成] をクリックしてから、[実行] を選択します。

このソリューションは以下のステップに沿って実行されます。

  1. Amazon Connect が通話記録と CTR レコードを Amazon S3 にドロップします。
  2. S3 の Put リクエストが、通話記録を 2 つのメディアチャネル (エージェント用とカスタマー用) に分割する AWS Lambda 関数をトリガーします。これは、2 つの出力音声ファイルを異なるフォルダにドロップします。
  3. S3 フォルダへの音声のドロップが AWS Step Functions を呼び出す Lambda 関数をトリガーします。
  4. ここでは、Amazon Transcribe の API を呼び出す Lambda 関数のスケジュールに Step Functions が使用されます。
    1. Step Functions からのステップ 1 が音声ファイルの文字起こしを開始します。
    2. ステップ 2 は、文字起こしジョブのステータスを一定の間隔でチェックします。ジョブステータスがジョブ終了になったら、プロセスがステップ 3 に進みます。
    3. ステップ 3 – 文字起こしジョブのステータスがジョブ終了になったら、文字に起こされた出力が S3 フォルダに書き込まれます。
  5. 文字に起こされたテキストの S3 へのドロップが、Amazon Comprehend API を呼び出し、エンティティ、センチメント、キーフレーズ、および言語の出力を S3 フォルダに書き込む Lambda 関数をトリガーします。出力を Amazon データウェアハウス – Redshift に書き込む必要がある場合は、Kinesis Firehose を利用できます。
  6. データベースカタログとデータベースのテーブル構造の維持には、AWS Glue が使用されます。Glue データベースカタログを使用した S3 内のデータのクエリには Amazon Athena を使用します。これで、CloudFormation テンプレートが完結します。
  7. 通話記録を分析するために Amazon QuickSight が使用され、発信者とエージェントとのやり取りのセンチメント分析とキーフレーズ分析を実行します。

Amazon QuickSight を使用した分析の視覚化

Amazon Comprehend のセンチメント分析を Amazon QuickSight を使って視覚化することができます。最初に、Amazon Athena と、アカウント内の関連する S3 バケットに対するアクセス権を Amazon QuickSight に付与する必要があります。これを実行するための詳細については、「Amazon QuickSight の AWS リソースへのアクセス権限の管理」を参照してください。 その後、デプロイメント中に作成された Athena テーブルに基づいて Amazon QuickSight に新しいデータセットを作成できます。

アクセス権限のセットアップ後、[New analysis] を選択することによって Amazon QuickSight で新しい分析を作成できます。

次に、新しいデータセットを追加します。

Athena をソースとして選択し、データソースに connectcomprehend などの名前を付けます。

データベースの名前を選択して、[Use Custom SQL] を選択します。

カスタム SQL に「Sentiment_SQL」などの名前を付けて、以下の SQL を入力します。データベース名 <YOUR DATABASE NAME> は、お使いのデータベース名に置き換えてください。

WITH sentiment AS (
  SELECT
    contactid
    ,talker
    ,text
    ,sentiment
  FROM
    "<YOUR DATABASE NAME>"."sentiment_analysis"
)
SELECT
  contactid
  ,talker
  ,transcript
  ,sentimentresult.sentiment
  ,sentimentresult.sentimentscore.positive
  ,sentimentresult.sentimentscore.negative
  ,sentimentresult.sentimentscore.mixed
FROM
  sentiment
  CROSS JOIN UNNEST(text) as t(transcript)
  CROSS JOIN UNNEST(sentiment) as t(sentimentresult)

[Confirm query] を選択します。

[Import to SPICE] オプションを選択してから、[Visualize] を選択します。

そうすると、以下の画面が表示されます。

これで、視覚化のためにセンチメント分析を追加して、視覚化を実行することができるようになりました。

同様に、エンティティ、キーフレーズ、および言語などの他の Comprehend 出力を分析することもできます。S3 に利用可能な Amazon Connect CTR レコードがある場合、Comprehend 出力と CTR レコードのデータを組み合わせることができます。

結論

Amazon Transcribe および Amazon Comprehend などの Amazon AI サービスは、コンタクトセンターの記録を CTR (コール詳細)、コールフローログ、およびビジネス固有の属性などのその他のデータソースと組み合わせることによって、記録の分析を容易にします。企業は、コンタクトセンターでの膨大な量の発信者とエージェントの間の音声録音から隠れた価値を実現することで、大きなメリットを得ることができます。意味のある洞察を導き出すことで、企業はコールセンターの効率とパフォーマンスを向上させ、顧客に対する最終的なサービス品質を向上させることができます。ここまで、Amazon Transcribe を使用して音声データをテキストの文字起こしに変換した後、Amazon Comprehend を使用してテキスト分析を実行しました。分析中は、ソリューションをつなぎ合わせるために Lambda と Step Functions も使用しました。最後に、AWS GlueAmazon Athena、および Amazon Quicksight を使って分析を視覚化しました。

 


著者について

Deenadayaalan Thirugnanasambandam

Piyush Patel

Paul Zhao

Revanth Anireddy

Loc Trinh