Análise pós-chamada - Amazon Transcribe
Insights pós-chamada

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Análise pós-chamada

O Call Analytics fornece análises pós-chamada, que são úteis para monitorar as tendências do atendimento ao cliente.

As transcrições pós-chamada oferecem os seguintes insights:

Insights pós-chamada

Essa seção detalha os insights disponíveis para transcrições de análises pós-chamada.

Características da chamada

O recurso de características da chamada avalia a qualidade das interações entre atendente e cliente usando estes critérios:

  • Interrupção: mede se e quando um participante interrompe o outro participante no meio da frase. Interrupções frequentes podem estar associadas a grosseria ou raiva e podem se correlacionar com sentimentos negativos de um ou de ambos os participantes.

  • Volume: mede o volume em que cada participante está falando. Use essa métrica para ver se o chamador ou o atendente está falando alto ou gritando, o que geralmente indica irritação. Essa métrica é representada como um valor normalizado (nível de fala por segundo em determinado segmento) em uma escala de 0 a 100, onde um valor mais alto indica uma voz mais alta.

  • Tempo sem conversa: mede períodos que não contêm fala. Use essa métrica para ver se há longos períodos de silêncio, como um atendente que mantém um cliente em espera por um período excessivo de tempo.

  • Velocidade da conversa: mede a velocidade com que os dois participantes estão falando. A compreensão pode ser afetada se um participante falar muito rápido. Essa métrica é medida em palavras por minuto.

  • Tempo de conversa: mede o tempo de fala (em milissegundos) de cada participante durante a chamada. Use essa métrica para ajudar a identificar se um participante está dominando a chamada ou se o diálogo está equilibrado.

  • Problemas, resultados e itens de ação: identifica problemas, resultados e itens de ação da transcrição da chamada.

Veja a seguir um exemplo de saída.

Resumo generativo de chamada

O resumo generativo da chamada cria um resumo conciso de toda a chamada, capturando os principais componentes, como o motivo da chamada, as etapas tomadas para resolver o problema e as próximas etapas.

Com o resumo generativo de chamada, é possível:

  • Reduzir a necessidade de anotações manuais durante e após as chamadas.

  • Melhorar a eficiência dos atendentes, pois eles podem passar mais tempo conversando com as pessoas que aguardam na fila do que no trabalho pós-chamada.

  • Acelerar as avaliações do supervisor, pois os resumos das chamadas são muito mais rápidos de revisar do que as transcrições inteiras.

Para usar o resumo generativo de chamada com um trabalho de análise pós-chamada, consulte Enabling generative call summarization. Consulte um exemplo de saída em Generative call summarization output example. O resumo generativo de chamada tem um preço separado (consulte a página de preços).

nota

No momento, o resumo generativo de chamada está disponível nas regiões us-east-1 e us-west-2. Esse recurso é compatível com os seguintes dialetos do idioma inglês: australiano (en-AU), britânico (en-GB), indiano (en-IN), irlandês (en-IE), escocês (en-AB), EUA (en-US) e galês (en-WL).

Categorização personalizada

Use a categorização de chamadas para sinalizar palavras-chave, frases, sentimentos ou ações em uma chamada. Nossas opções de categorização podem ajudar na triagem de aumento da tensão, como chamadas com sentimentos negativos com muitas interrupções, ou na organização de chamadas em categorias específicas, como departamentos da empresa.

Os critérios que você pode adicionar a uma categoria incluem:

  • Tempo sem conversa: períodos em que nem o cliente nem o atendente estão falando.

  • Interrupções: quando o cliente ou o atendente interrompe a outra pessoa.

  • Sentimento do cliente ou do atendente: como o cliente ou o atendente estão se sentindo durante um período específico. Se pelo menos 50% da conversa girar ( back-and-forthentre dois palestrantes) em um período de tempo especificado corresponder ao sentimento especificado, Amazon Transcribe considere o sentimento uma correspondência.

  • Palavras-chave ou frases: faz a correspondência de parte da transcrição com base em uma frase exata. Por exemplo, se você definir um filtro para a frase “Quero falar com o gerente”, o Amazon Transcribe filtrará exatamente essa frase.

Você também pode sinalizar o inverso dos critérios anteriores (tempo de conversa, falta de interrupções, ausência de um sentimento e falta de uma frase específica).

Veja a seguir um exemplo de saída.

Para obter mais informações sobre categorias ou saber como criar uma categoria, consulte Criar categorias para transcrições pós-chamada.

Redação de dados sigilosos

A edição de dados confidenciais substitui as informações de identificação pessoal (PII) na transcrição do texto e no arquivo de áudio. Uma transcrição editada substitui o texto original por [PII]; um arquivo de áudio editado substitui informações pessoais verbais por silêncio. Esse parâmetro é útil para proteger as informações do cliente.

nota

A redação de PII após a chamada é compatível com inglês dos EUA (en-US) e espanhol dos EUA (). es-US

Para ver a lista de PII que é editada usando esse recurso ou para saber mais sobre edição com o Amazon Transcribe, consulte Editar ou identificar informações de identificação pessoal.

Veja a seguir um exemplo de saída.

Análise de sentimentos

A análise de sentimentos estima como o cliente e o atendente estão se sentindo durante a chamada. Essa métrica é representada como um valor quantitativo (com um intervalo de 5 a -5) e um valor qualitativo (positive, neutral, mixed ou negative). Os valores quantitativos são fornecidos por quarto de chamada e por chamada; os valores qualitativos são fornecidos por turno.

Essa métrica pode ajudar a identificar se o atendente é capaz de deixar satisfeito um cliente chateado no momento em que a chamada termina.

A análise de sentimentos funciona out-of-the-box e, portanto, não oferece suporte à personalização, como treinamento de modelos ou categorias personalizadas.

Veja a seguir um exemplo de saída.