Amazon Transcribe Call Analytics

실시간 ML 기반 대화 인사이트로 고객 경험 개선

Amazon Transcribe Call Analytics는 매우 정확한 통화 기록을 생성하고 실시간 대화 인사이트를 추출하여 고객 경험과 에이전트 생산성을 개선하는 기계 학습(ML) 기반 API입니다. API에는 강력한 음성 텍스트 변환 기능과 고객 서비스와 영업 통화를 이해하기 위해 특별히 훈련된 자연어 처리(NLP) 모델이 결합되었습니다. 개발자는 Amazon Transcribe Call Analytics를 사용하여 실시간 트랜스크립션과 인사이트를 생성함으로써 전사해야 할 필요성을 없애고 감지된 문제를 해결하며 부정적인 감정으로 인한 에스컬레이션을 줄일 수 있습니다. 이 API를 사용하여 통화 후에 오디오 파일을 분석할 수도 있습니다.

Amazon Transcribe Call Analytics를 사용하면 ‘불만’, ‘열악한 품질’, ‘구독 취소’와 같은 특정 구문을 기반으로 고객과 에이전트의 감정, 통화 시간, 침묵 시간, 대화 중단, 감정, 말하기 속도, 대화 성격과 같은 중요한 정보를 얻을 수 있습니다. 통화 분류 기능은 구문에 따라 실시간으로 대화를 자동으로 태깅합니다. 통화 후 분석에서는 구문, 감정, 침묵 시간 및 대화 중단을 기준으로 대화를 분류할 수 있습니다. 또한 이 API는 오디오와 텍스트 모두에서 이름, 주소, 신용카드 정보와 같은 민감한 정보를 실시간으로 또는 통화 후에 감지하고 삭제하는 데 도움이 될 수 있습니다.

일반적인 사용 사례로는 에이전트 지원, 감독자 알림, 에이전트 평가, 통화 의도 추적, 통화 후 분석 등이 있습니다.

통화 해결 및 에이전트 생산성을 개선하는 에이전트 지원 솔루션 구축(50:28)

작동 방식

이점

구현 복잡성 해소

Transcribe Call Analytics를 사용하면 보다 손쉽게 여러 AI 서비스의 파이프라인을 통합하고 전용 ML 모델을 만들 수 있습니다. Transcribe Call Analytics를 단일 API 출력으로 모든 콜 센터 또는 영업 통화 애플리케이션에 빠르게 추가하여 구현 시간을 단축할 수 있습니다.

ML 기반 인사이트 확보

Transcribe Call Analytics는 대화 데이터를 사용하여 사전 훈련되고 정확한 통화 트랜스크립트와 유용한 인사이트를 제공하도록 최적화된 자연어 처리(NLP) 모델을 제공함으로써 고객 경험과 에이전트 생산성을 개선합니다. ML에 대한 전문 지식 없이도 이러한 모델을 구축하고 훈련하고 유지 관리할 수 있습니다.

기존 콜 센터 사용

Transcribe Call Analytics를 사용하여 원하는 콜 센터에서 중요한 실시간 및 통화 후 인사이트를 분석하고 도출할 수 있습니다. API로서 Transcribe Call Analytics는 고객 서비스, 영업 등의 통화 애플리케이션에 이러한 기능을 유연하게 추가할 수 있도록 해줍니다.

기능

통화 요약으로 콜 센터 생산성 개선

통화 요약을 생성하여 에이전트가 고객과의 대화에서 중요한 부분(예: 문제, 결과 또는 조치 사항)을 자동으로 포착함으로써 우수한 고객 경험을 제공하는 데 집중하고 통화 후 생산성을 높이는 데 도움을 줍니다. 관리자는 통화 중에 실시간으로 또는 통화 후에 이 같은 요약을 검토함으로써 전체 트랜스크립트를 검토하지 않고도 대화의 맥락을 파악하고 고객 문제를 조사할 수 있습니다.

자세한 통화 분석 및 대화 인사이트 추출

ML을 활용하여 통화 중에 실시간으로 음성-텍스트 변환 기능과 NLP 기능을 신속하게 적용하고 귀중한 대화 인사이트를 도출할 수 있습니다. 그런 다음 고객과 에이전트의 감정, 감지된 문제, 침묵 시간, 대화 중단 시간, 말하기 속도를 비롯한 대화 성격 등의 인사이트를 인바운드 및 아웃바운드 통화 분석 애플리케이션에 통합할 수 있습니다. 따라서 감독자가 잠재적인 고객 문제, 에이전트 코칭 기회, 제품 피드백, 통화 추세를 보다 손쉽게 파악할 수 있습니다.

자동화된 통화 분류로 규정 준수 및 모니터링 개선

대규모로 통화를 모니터링하여 회사 정책 또는 규제 요건을 준수하는지 여부를 추적합니다. 지정된 기준(예: 단어/구절 또는 대화 성격)에 따라 자체적인 맞춤형 범주를 구축하고 훈련합니다. 예를 들어 업셀 또는 어카운트 취소 통화의 비율을 확인하기 위해 범주 레이블을 설정할 수 있습니다.