Amazon Transcribe Call Analytics

실시간 ML 기반 대화 인사이트로 고객 경험 개선

Amazon Transcribe Call Analytics를 사용해야 하는 이유

Amazon Transcribe Call Analytics는 매우 정확한 통화 기록을 생성하고 대화 인사이트를 추출하여 고객 경험을 개선하고 에이전트 및 감독자의 생산성을 향상시키는 생성형 AI 기반 API입니다. 이 API에는 강력한 음성 텍스트 변환 모델, 대규모 언어 모델(LLM), 고객 서비스 및 영업 통화를 이해하도록 훈련된 작업별 자연어 처리(NLP) 모델이 결합되었습니다. 

Amazon Transcribe Call Analytics를 사용하면 고객 및 에이전트의 감정, 통화 원인, 침묵 시간, 방해, 말의 속도와 같은 귀중한 인텔리전스를 얻을 수 있습니다. 통화 분류 기능을 사용하면 감정, 경쟁적인 멘션, '만족스럽지 않음', '품질이 좋지 않음', '구독 취소'와 같은 특정 문구 등의 사용자 지정 기준에 따라 대화를 분류할 수 있습니다. 또한 생성형 AI 기반 통화 요약 기능을 사용하여 고객 상호 작용에 대한 간결한 요약을 제공하고 고객이 전화를 건 이유, 문제 해결 방법, 파악된 후속 조치 등 주요 구성 요소를 포착할 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. 이러한 기능은 고객 센터에서 고객, 에이전트, 감독자의 경험을 개선하는 데 도움이 됩니다.

Amazon Transcribe Call Analytics API의 일반적인 사용 사례에는 실시간 에이전트 지원통화 후 분석 등이 있습니다.

이점

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.

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.

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.

생성형 AI 기반 통화 요약으로 고객 센터의 생산성 개선

통화 요약을 자동으로 생성하여 에이전트가 우수한 고객 경험을 제공하는 데 집중할 수 있도록 돕고 통화 후 수동 요약을 줄여 생산성을 높일 수 있습니다. 이 기능은 발신자와의 상호 작용을 요약하여 전화한 이유, 문제 해결 단계, 다음 단계와 같은 주요 구성 요소를 포착합니다. 고객 센터 관리자는 발신자의 문제를 조사하는 동안 전체 대화 내용을 읽지 않고도 통화 요약을 검토하여 상호 작용의 컨텍스트를 빠르게 이해할 수 있습니다.

생성형 AI 기반 통화 요약으로 고객 센터의 생산성 개선

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.

자세한 통화 분석 및 대화 인사이트 추출

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.

자동화된 통화 분류로 규정 준수 및 모니터링 개선

민감한 고객 데이터 보호

가끔 이름, 주소, 신용카드 번호, 주민등록번호 같은 고객의 민감한 데이터가 포함된 대화도 있습니다. Transcribe Call Analytics는 오디오와 텍스트 양쪽에서 이런 정보를 식별하고 수정하도록 도와줍니다.

민감한 고객 데이터 보호