本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 通过将对话与自然语言陈述或特定字词和短语进行匹配，自动对联系进行分类
通过 Contact Lens 对话分析，您能够自动对联系进行分类，以识别联系的主要驱动因素、客户体验和座席行为。在聊天的**联系详细信息**页面中，类别会显示在转录的上方，如下图中所示。
以下是您在对联系进行分类时可以做的一些关键事情：
+ 借助生成式人工智能驱动的联系分类功能，您可以使用自然语言来描述分类标准（例如问：“客户是否曾试图为其账单进行付款？”）。
+ 您可以提供座席或客户所说的特定字词或短语，以便与对话相匹配。Contact Lens 然后会自动标记符合匹配条件的联系，并提供对话中的相关要点。
+ 您可以定义用于接收警报的操作，并针对已分类的联系生成任务。
+ 您可以指定其他标准来对联系进行分类，例如客户情绪得分、队列或您添加到联系中的任何自定义属性，例如客户忠诚度信息。
## 何时使用字词或短语
当您有一个明确想要检测的字词或短语列表时，使用特定字词或短语的方法会非常有效，例如，监控座席是否遵循规定话术，或评估客户对某款产品是否表现出兴趣。
## 何时使用自然语言
当可能的字词或短语太多，或者当您想匹配特定于上下文的标准时，使用自然语言语句与联系进行匹配非常有用，例如，“客户想更改其订阅计划”、“座席解决了客户的所有问题”。
## 添加对联系进行分类的规则
本节内容：
+ [步骤 1：定义条件](#add-category-rules-define-conditions)
+ [步骤 2：定义操作](#add-category-rules-define-actions)
### 步骤 1：定义条件
1. 使用已分配**CallCenterManager**安全配置文件或启用**规则**权限的用户账户登录 Amazon Connect。
1. 在导航菜单上，选择**分析和优化**、**规则**。
1. 依次选择**创建规则**、**对话分析**。
1. 为规则分配一个名称。
1. 在 “**时间**” 下，使用下拉列表选择**通话后分析**、**实时分析**、**聊天后分析**、**实时聊天分析或**电子邮件**分析**。
1. 选择**添加条件**，然后选择匹配类型：
+ **字词或短语 - 精确匹配**：查找与精确字词或短语匹配的联系。输入单词或短语，用逗号分隔。
+ **字词或短语模式匹配**：通过查找字词或短语模式来查找联系。您也可以指定不同单词之间的距离。例如，如果您要查找提及“credit”（信用）一词的联系，但又不想看到任何提及单词“credit card”（信用卡）的情况，则可以定义一个模式匹配类别，以查找不在“card”（卡）的一个单词的距离内的“credit”（信用）一词。
+ **自然语言 - 语义匹配**：使用生成式人工智能查找与所提供的自然语言陈述相匹配的联系。该陈述应该能够用“是”或“否”来回答。自然语言 - 当您想将联系与上下文特定的条件进行匹配，或者可能匹配的字词或短语太多时，使用语义匹配。示例如下：
+ “客户想更改其订阅计划。”
+ “客户表示希望终止其当前服务。”
+ “座席提供了多种付款选项。”
+ “座席向客户保证他们的来电非常重要，并请求客户再等待一段时间。”
+ “座席解决了客户的所有问题。”
**注意**
自然语言 - 语义匹配条件不能用于实时分析。
要创建使用生成式人工智能的规则，需要额外的权限：**规则 - 生成式 AI**。
**专业提示**：如果您以前使用过**字词或短语 - 语义匹配**，则使用生成式人工智能驱动的**自然语言 - 语义匹配**。
+ **字词或短语 - 语义匹配**：查找可能为同义词的字词。例如，如果您输入“upset”（难过），则其可以与“not happy”（不开心）相匹配，或者“hardly acceptable”（难以接受）可以与“unacceptable”（不可接受）相匹配，“unsubscribe”（取消订阅）可以与“cancel subscription”（取消订阅）相匹配。同样，它可以在语义上与短语相匹配。例如，“thank you so much for helping me out”（非常感谢您帮助我摆脱困境）、“thanks a lot and this is so helpful”（非常感谢，这对我大有帮助）和“I am so happy that you are able to help me”（我很高兴您能帮助我）。
这样就无需在创建类别时定义详尽的关键字列表，并使您能够更广泛地搜索对您很重要的相似短语。为了获得最佳的语义匹配结果，请在语义匹配卡中提供含义相似的关键字或短语。目前，每张语义匹配卡最多可以提供四个关键字和短语。
1. 以**字词或短语 - 精确匹配**为例，输入您想要突出显示的字词或短语，并用逗号将它们分隔开，然后选择**添加**。用逗号分隔的每个单词或短语在卡中都有属于自己的行。
Contact Lens 用来读取这些短语的逻辑是：[（Hello AND thank AND you AND for AND calling AND Example AND Corp）（您好，感谢您致电 Example Corp）] 或 [（we AND value AND your AND business）（我们珍视您的业务）] 或 [（how AND may AND I AND assist AND you）（我们如何能够为您提供帮助）]。
或者，使用**自然语言 - 语义匹配**条件并在文本框中输入自然语言语句，生成式人工智能应该能够将其评估为真或假。
1. 要添加更多单词或短语，请选择**添加单词或短语组**。在下图中，第一组单词或短语是座席可能说出的内容，第二组是客户可能说出的内容。
1. Contact Lens 用来读取这些短语的逻辑是：[（Hello AND thank AND you AND for AND calling AND Example AND Corp）（您好，感谢您致电 Example Corp）] 或 [（we AND value AND your AND business）（我们珍视您的业务）] 或 [（how AND may AND I AND assist AND you）（我们如何能够为您提供帮助）]。
1. 这两张卡用 AND 连接。这意味着，需要说出第一张卡中的其中一行，然后需要说出第二张卡中的其中一个短语。
Contact Lens 用来读两张卡上的字词或短语的逻辑是（卡 1）AND（卡 2）。
1. 选择**添加条件**将规则应用于：
+ 特定队列
+ 当联系属性具有特定值时
+ 当情绪得分具有特定值时
例如，下图显示了一条规则，该规则适用于以下情况：代理人正在处理 BasicQueue 或 Billing and Payments 队列，客户购买汽车保险，代理位于西雅图。
### 步骤 2：定义操作
除了对联系进行分类外，您还可以定义 Amazon Connect 应采取的操作：
1. [生成一个 EventBridge 事件](contact-lens-rules-eventbridge-event.md)
1. [创建任务](contact-lens-rules-create-task.md)
1. [创建案例](contact-lens-rules-create-case.md)
1. [发送电子邮件通知](contact-lens-rules-email.md)
1. [创建提交自动评估的规则](contact-lens-rules-submit-automated-evaluation.md)
### 步骤 3：查看并保存
1. 完成后，选择**保存**。
1. 添加规则后，规则将应用于添加规则后出现的新联系。当 Amazon Connect 对话分析分析对话时，将应用规则。
您无法将规则应用于过去存储的对话。