Organisationer med kontaktcentre drager fordel af avancerede analyser på deres opkaldsoptagelser for at få vigtig produktfeedback, forbedre kontaktcentereffektiviteten og identificere coachingmuligheder for deres personale. Det Post Call Analytics (PCA) løsning bruger AWS machine learning (ML) tjenester som f.eks Amazon Transcrib , Amazon Comprehend at udtrække indsigt fra kontaktcenter opkaldslydoptagelser uploadet efter opkaldet, eller fra integration med vores ledsager Live Call Analytics (LCA) løsning. Du kan visualisere PCA-indsigten i Business Intelligence (BI)-værktøjet Amazon QuickSight til avanceret analyse.
I dette indlæg viser vi dig, hvordan du bruger PCA's data til at opbygge automatiserede QuickSight-dashboards til avancerede analyser for at hjælpe med kvalitetssikring (QA) og kvalitetsstyring (QM) processer. Vi leverer en AWS CloudFormation skabelon og trin-for-trin instruktioner, så du kan komme i gang med vores eksempel-dashboard med nogle få enkle trin.
Eksempel på oversigt over dashboard
Følgende skærmbilleder illustrerer de forskellige komponenter i vores eksempel på QuickSight-dashboard:
- Fanen Resume – Denne visning samler opkaldsstatistikker på tværs af datapunkter såsom gennemsnitlige kundestemninger og gennemsnitlig varighed af agentsamtale sammen med detaljerede opkaldsregistreringer. Grafer som "Hvem taler mere?" vis kundestemningsfordeling baseret på taletid. Du kan anvende data-, agent-, opkaldsvarighed og sprogfiltre til målrettet søgning. De grafiske og tabelformede visninger hjælper med at analysere dataene nøjagtigt.
- Fanen Følelse – Denne visning viser stemningsfordelingen på tværs af flere parametre, såsom agentens stemnings indvirkning på kundeoplevelsen. I en grafisk og tabelformet visning kan du se korrelationen mellem kunde- og agent-følelse. Den laveste følelsesscore indikerer coachingmulighed for agenter. Du kan anvende data- og agentfiltre til målrettet søgning.
- Fanen Kategorier – Denne fane viser den samlede stemning, taletid og ikke-taletid pr. højttalerdrejning i dine opkaldsoptagelser. Du kan analysere data baseret på kategori sammen med dato og agentfilter. Du kan få et indblik i, hvordan agentens talevarighed påvirker kundefølelsen. De grafiske og tabelformede visninger hjælper med at analysere dataene nøjagtigt.
- Fanen Tilpassede enheder – I lighed med kategori kan du se opdelingen på tværs af tilpassede enheder. Du kan anvende dato-, agent- og brugerdefinerede enhedsfiltre til målrettet søgning.
- Problemer, Handlinger, Resultat-fanen – Denne visning viser aggregeret stemning, taletid og ikke-taletid pr. højttalerdrejning i dine opkaldsoptagelser. Du kan analysere dataene baseret på problem, handling og resultat for en tilpasset sætning sammen med dato-, kategori- og agentfiltre
Løsningsoversigt
Løsningen bruger følgende AWS-tjenester og funktioner:
Følgende arkitekturdiagram viser, hvordan vores løsning bruger PCA-indsigt fra en opkaldsoptagelse i en S3-bøtte til at aktivere analyser i QuickSight.
Som en del af løsningsworkflowet modtager EventBridge en hændelse for hver PCA-løsningsanalyseoutputfil. Kinesis Data Firehose bruger Lambda til at udføre datatransformation og komprimering, og lagrer filen i et komprimeret søjleformat (Parquet) i mål S3-bøtten. AWS Glue Data Catalog har tabeldefinitionerne for datakilderne. Athena kører forespørgsler ved hjælp af en række SQL-sætninger på de komprimerede Parquet-filer, og QuickSight bruges til visualisering. For at optimere forespørgselsydelsen bruger vi Athena-partitionsprojektioner. Denne funktion opretter automatisk datobaserede partitioner til forespørgselsydeevne og omkostningsoptimering.
Dette er en løst koblet arkitektur med fleksibilitet til at indtage data fra tredjepartsdatakilder, berige dataene ved at tilføje flere datapunkter og krydsreferencedata på tværs af datakilder til din analyseanvendelse. Lambda-funktioner kan integreres med tredjepartsdatakilder for at behandle og gemme det komprimerede output i Amazon S3 ved hjælp af Kinesis Data Firehose. Athena lader dig oprette visninger ved at krydshenvise dataene på tværs af flere tabeller.
Forudsætninger:
Du skal have følgende forudsætninger:
- Du har brug for en aktiv AWS-konto med tilladelse til at oprette og ændre IAM-roller
- PCA-løsningen skal allerede være implementeret i den samme AWS-konto og region, som du vil bruge til dashboards
- QuickSight og AWS CloudFormation skal være i samme region.
Bemærk, at denne løsning bruger QuickSight SPICE-lagring.
Implementer ressourcer med AWS CloudFormation
Udfør følgende trin for at implementere løsningen:
- Log ind på AWS Management Console i din foretrukne region.
- Opret en QuickSight-konto (spring dette trin over, hvis du allerede har en QuickSight-konto):
- Naviger til QuickSight-tjenesten fra konsollen.
- Vælg Tilmeld dig QuickSight.
- Vælg udgaven.
- Indtast dit kontonavn og notifikations-e-mailadresse.
- Naviger til PCA-løsningen CloudFormation-stakken og på Udgange fanen, bemærk værdien for nøglen
OutputBucket
. - Giv QuickSight adgang til automatisk at opdage Athena og S3-udgangsspanden (ref. trin 3) med Skrivetilladelse til Athena Workgroup aktiveret, og vælg derefter Finish.
- Aktiver EventBridge-begivenheder for PCA
OutputBucket
:- Åbn PCA
OutputBucket
(ref. trin 3) på Amazon S3-konsollen. - Vælg Ejendomme, rul til Amazon Eventbridge, og vælg Aktiver
- Åbn PCA
- Brug følgende Start Stack knappen for at implementere PCA Analytics-løsningen i din foretrukne region:
- Indtast et unikt staknavn, hvis du vil ændre standardnavnet (
pca-quicksight-analytics
). - Til PCaOutputBucket, indtast værdien af
OutputBucket
. (ref. trin 3) - Til PcaWebAppHostAddress, indtast værtsnavnet i
WebAppUrl
output fra din PCA-stak. - Brug standardværdierne for andre parametre eller opdater om nødvendigt.
- Vælg Næste.
- Marker afkrydsningsfeltet for bekræftelse, og vælg Opret stak.
- Når CloudFormation-stakken er oprettet, skal du på QuickSight-konsollen vælge brugerikonet (øverst til højre) for at åbne menuen og vælge Administrer QuickSight.
- Vælg på administratorsiden Administrer aktiver, Og vælg derefter Dashboards.
- Type
<Stack Name>-PCA-Dashboard
Og vælg Del. - Del eventuelt for at tilpasse dashboardet yderligere
<Stack Name>-PCA-Analysis
under Asset type analyser ,<Stack Name>-PCA-*
under datasæt. - Indtast QuickSight-brugeren eller -gruppen, og vælg Del igen.
Udforsk dashboardet med demodata
Når du har implementeret løsningen, kan du udforske dashboards ved at indlæse demodata.
- Hent demo PCA-filerne.
- Udpak og upload demo PCA-filerne i
OutputBucket
spand i/parsedFiles/
mappe.
Bemærk, at dette trin er valgfrit. Vi anbefaler at bruge et ikke-produktionsmiljø eller -stack for at holde produktions- og demodata adskilt.
Indlæs historiske PCA-data
Når den er installeret, behandler løsningen nye PCA-data, efterhånden som de tilføjes. For at behandle ældre PCA-data skal du udføre følgende trin:
- Åbn PCA
OutputBucket
på Amazon S3-konsollen. - Vælg alt indholdet under
/parsedFiles/
mappe. - Vælg Handling og kopier filerne til samme placering.
Dette udløser en EventBridge-regel til at behandle de historiske PCA-filer og streame dataene til QuickSight-dashboardet.
Valider dataene
Når du har genereret PCA-outputdataene (inden for et par minutter), vises en komprimeret Parket PCA-datafil i PCA'en OutputBucket
under pca-output-base
.
- På Athena-konsollen skal du åbne forespørgselseditoren og vælge
pca
database. Du bør sepca_output
bord under Tabeller og udsigter. - Vælg indstillingsmenuen ved siden af
pca_output
bord og vælg Eksempeltabel. - Kør din forespørgsel og gennemgå resultaterne.
Navigering i betjeningspanelet
- Skydere under de datobaserede billeder kan justere datointervallet.
- Du kan vælge segmenterne i det visuelle billede for at se nærmere på dem. QuickSight bruger det valgte segment som et kriterium til at filtrere dataene på den aktuelle side. For at annullere denne filtrering skal du vælge det samme segment igen.
- Nederst på hver side viser gittervisuals til detaljeret analyse.
- I lighed med andre visuelle elementer kan du eksportere visuelle gitterdata til CSV og Excel fra menuen i øverste højre hjørne af ruden.
- Vælg id-værdien for hver opkaldspost i gittervisningen for at gå til PCA-portalen for at se detaljer om denne post.
- Du kan bruge filtre til at angive dine kriterier. Juster for eksempel
FromDate
,ToDate
for at se ældre data eller en brugerdefineret tidsramme.
Ryd op
For at fjerne de ressourcer, der er oprettet af denne stak, skal du udføre følgende trin:
- Slet CloudFormation-stakken.
- Hvis du har uploadet demo-PCA-filer til din ikke-produktions-PCA-installation, skal du fjerne dem fra PCA'en
OutputBucket
spand under/parsedFiles/
. - Slette
pca-output-base
mappe under PCA-udgangsbøtten.
Konklusion
I dette indlæg lærte du, hvordan du visualiserer PCA-løsningsdata ved at bruge en CloudFormation-skabelon til at automatisere QuickSight-dashboard-oprettelse. Du lærte også, hvordan du visualiserer historiske PCA-data i QuickSight.
Eksempelet PCA QuickSight dashboard-applikation leveres som open source – brug det som udgangspunkt for din egen løsning, og hjælp os med at gøre det bedre ved at bidrage med tilbagerettelser og funktioner via GitHub trækker anmodninger. For eksperthjælp, AWS Professional Services og andre AWS-partnere er her for at hjælpe.
Om forfatterne
Mehmet Demir er Senior Solutions Architect hos Amazon Web Services (AWS) baseret i Toronto, Canada. Han hjælper kunder med at opbygge veldesignede løsninger, der understøtter forretningsinnovation.
Ankur Taunk er Senior Specialist Solutions Architect hos AWS. Han hjælper kunder med at opnå deres ønskede forretningsresultater i Contact Center-området ved at udnytte Amazon Connect.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://aws.amazon.com/blogs/big-data/advance-reporting-and-analytics-for-the-post-call-analytics-pca-solution-with-amazon-quicksight/
- 100
- 107
- a
- adgang
- Konto
- præcist
- opnå
- tværs
- Handling
- aktioner
- aktiv
- tilføjet
- adresse
- admin
- fremskreden
- Efter
- Agent
- midler
- Alle
- tillade
- allerede
- Amazon
- Amazon QuickSight
- Amazon Web Services
- Amazon Web Services (AWS)
- analyse
- analytics
- analysere
- ,
- vises
- Anvendelse
- Indløs
- arkitektur
- hjælpe
- Assistance
- sikkerhed
- lyd
- automatisere
- Automatiseret
- automatisk
- gennemsnit
- AWS
- AWS CloudFormation
- AWS Lim
- AWS maskinindlæring
- tilbage
- baseret
- gavner det dig
- Bedre
- Bund
- Boks
- Fordeling
- bygge
- Bygning
- virksomhed
- business intelligence
- .
- ringe
- Kan få
- Canada
- tilfælde
- katalog
- kategorier
- Boligtype
- center
- Centers
- lave om
- kontrollere
- Vælg
- Cloud
- coaching
- fuldføre
- komponenter
- Tilslut
- Konsol
- kontakt
- kontaktcenter
- indhold
- bidrager
- Corner
- Korrelation
- Koste
- koblede
- skabe
- oprettet
- skaber
- skabelse
- kriterier
- krydshenvisninger
- Nuværende
- skik
- kunde
- Kundeoplevelse
- Kunder
- tilpasse
- instrumentbræt
- data
- datapunkter
- Database
- Dato
- Standard
- Demo
- indsætte
- indsat
- implementering
- detaljeret
- detaljer
- forskellige
- fordeling
- ned
- hver
- udgave
- editor
- effektivitet
- muliggøre
- aktiveret
- berige
- Indtast
- enheder
- enhed
- Miljø
- Ether (ETH)
- begivenhed
- begivenheder
- eksempel
- Excel
- erfaring
- ekspert
- udforske
- eksport
- ekstrakt
- Feature
- Funktionalitet
- tilbagemeldinger
- få
- File (Felt)
- Filer
- filtrere
- filtrering
- Filtre
- Fleksibilitet
- efter
- format
- formation
- FRAME
- fra
- funktioner
- yderligere
- Gevinst
- generere
- få
- Go
- grafer
- Grid
- gruppe
- hjælpe
- hjælper
- link.
- historisk
- Hvordan
- How To
- HTTPS
- IAM
- ICON
- identificere
- KIMOs Succeshistorier
- vigtigt
- Forbedre
- in
- angiver
- Innovation
- indsigt
- indsigt
- anvisninger
- integrere
- integration
- Intelligens
- spørgsmål
- IT
- Holde
- Nøgle
- Kinesis Data Brandslange
- Sprog
- lancere
- lærte
- læring
- Lets
- løftestang
- lastning
- placering
- maskine
- machine learning
- lave
- ledelse
- Menu
- minutter
- ML
- ændre
- mere
- flere
- navn
- Behov
- Ny
- næste
- underretning
- åbent
- Muligheder
- Opportunity
- optimering
- Optimer
- Indstillinger
- Andet
- egen
- brød
- parametre
- del
- udføre
- ydeevne
- tilladelse
- Tilladelser
- plato
- Platon Data Intelligence
- PlatoData
- Punkt
- punkter
- Portal
- Indlæg
- foretrækkes
- forudsætninger
- behandle
- Processer
- Produkt
- produktion
- professionel
- fremskrivninger
- give
- forudsat
- Spørgsmål og svar
- kvalitet
- rækkevidde
- modtager
- anbefaler
- optage
- optagelse
- optegnelser
- region
- Fjern
- Rapportering
- påkrævet
- Ressourcer
- resultere
- Resultater
- gennemgå
- Herske
- samme
- screenshots
- rulle
- Søg
- segment
- segmenter
- segregeret
- valgt
- senior
- stemningen
- tjeneste
- Tjenester
- sæt
- Del
- bør
- Vis
- Shows
- lignende
- Simpelt
- løsninger
- Løsninger
- Kilder
- Space
- Højttaler
- taler
- specialist
- krydderi
- SQL
- stable
- Personale
- påbegyndt
- Starter
- udsagn
- statistik
- Trin
- Steps
- opbevaring
- butik
- strøm
- sådan
- RESUMÉ
- support
- bord
- Tal
- Talks
- mål
- målrettet
- skabelon
- deres
- tredjepart
- tid
- til
- værktøj
- top
- toronto
- Transformation
- under
- enestående
- Opdatering
- uploadet
- us
- brug
- brug tilfælde
- Bruger
- værdi
- Værdier
- række
- via
- Specifikation
- visninger
- visualisering
- web
- webservices
- vilje
- inden for
- workflow
- Din
- zephyrnet
- Zip