📢 转载信息
原文作者：Francisco Calderon Rodriguez, Harpreet Cheema, and Jamal Saboune
呼叫中心分析在提高客户体验和运营效率方面起着至关重要的作用。借助基础模型（FMs），您可以提高呼叫中心运营和分析的质量和效率。组织可以利用生成式AI来协助人工客户支持座席和联络中心团队经理，从而获得更细致入微的见解，帮助重新定义如何以及能从呼叫中心数据中询问哪些问题。
虽然一些组织寻求即用型解决方案（如Amazon Connect Contact Lens）将生成式AI引入其运营，但其他组织则使用AWS服务构建自定义客户支持系统作为其微服务后端。这带来了将基础模型集成到系统中的机会，以为人工客户支持座席及其经理提供AI支持。
这些组织面临的主要决定之一是使用哪个模型来支持其平台中的AI支持和分析。为此，生成式AI创新中心开发了一个演示应用程序，其中包含由亚马逊最新的基础模型系列—Amazon Nova—驱动的一系列用例。在本文中，我们将讨论Amazon Nova如何在对话分析、呼叫分类和其他通常与联络中心解决方案相关的用例中展示其能力。我们将研究这些能力在单通分析和多通分析用例中的表现。
Amazon Nova FMs助力规模化
Amazon Nova 基础模型提供领先的性价比，使其非常适合大规模的生成式AI应用。这些模型经过海量数据的预训练，能够以卓越的准确性和效率执行各种语言任务，同时能有效地扩展以支持大规模需求。在呼叫中心分析的背景下，Amazon Nova 模型可以理解复杂的对话、提取关键信息并生成以前难以或不可能大规模获得的宝贵见解。该演示应用程序展示了Amazon Nova 模型在各种分析任务中的能力，包括：
- 情感分析
- 主题识别
- 弱势客户评估
- 协议依从性检查
- 交互式问答
通过利用Amazon Nova 基础模型的这些先进AI能力，企业可以更深入地了解客户互动，并做出数据驱动的决策，以提高服务质量和运营效率。
解决方案概述
呼叫中心分析演示应用程序构建在一个简单的架构之上，该架构无缝集成了Amazon Bedrock和Amazon Nova，以实现端到端的单通和多通呼叫中心分析。下图说明了此架构。
- Amazon Bedrock – 提供对Amazon Nova 基础模型的访问，实现强大的自然语言处理能力
- Amazon Athena – 用于查询以结构化格式存储的呼叫数据，支持高效的数据检索和分析
- Amazon Transcribe – 全托管的自动语音识别（ASR）服务
- Amazon Simple Storage Service (Amazon S3) – 提供行业领先的可扩展性、数据可用性、安全性和性能的对象存储服务
- Streamlit – 为Web界面提供支持，为用户提供直观且交互式的体验
该应用程序分为两个主要组件：单通分析和多通分析。这些脚本协同工作，提供了一个全面的解决方案，将呼叫后分析与历史数据洞察相结合。
单通分析
该应用程序的单通分析功能提供对单个客户服务呼叫的详细分析。此功能在 Single_Call_Analytics.py 脚本中实现。在本节中，我们将探讨一些关键能力。
情感分析和弱势客户评估
该解决方案使用Amazon Nova 基础模型来获取关于客户和座席情感的见解，如下屏幕截图所示。
通过使用聊天机器人功能，用户可以询问对情感分类的解释，还可以获得转录中的参考信息。此功能通过快速查找转录本身中支持性短语，从而加深对情感类别的理解，这些短语稍后可用于其他分析。
弱势客户或潜在弱势客户是指因其个人情况，特别容易遭受经济损失或在金融服务中需要特殊考虑的人。该应用程序通过将所选呼叫的呼叫转录与以下提示一起传递，来评估呼叫中的客户是否可能被视为弱势或潜在弱势客户：
vc_prompt = f"""You are a AI Assistant for Banking Call Center. Your goal is to determine if the customer in the <call_transcription> below qualifies as Vulnerable Customer (VC) or Potentially Vulnerable Customer (PVC). <call_transcription> {speaker_texts} </call_transcription> If the customer qualifies as a VC or PVC, return Yes and explain why. If the customer does not qualify as a VC or PVC, return No and explain why. """ isVC = invoke_llm(vc_prompt, vc_model)在此提示中，Amazon Nova 基础模型使用弱势或潜在弱势客户的通用定义来进行评估。但是，如果企业有自己的弱势或潜在弱势客户定义，他们可以设计提示，让基础模型使用此自定义定义进行分类。此功能有助于呼叫中心经理识别潜在的敏感情况，并确保弱势客户得到适当的关怀和关注，同时解释客户被识别的原因。
协议协助和步骤完成情况
该应用程序使用Amazon Nova 模型来识别每个呼叫的相关协议，并检查座席是否遵循了规定的步骤。协议目前定义在一个JSON文件中，该文件在运行时本地摄取。以下代码示例了如何实现这一点：
protocol_identification_formatted = protocol_identification_prompt.format(transcript=context, protocols=protocols) llm_protocol_key = invoke_llm(protocol_identification_formatted, protocol_model) step_completion_formatted = step_completion_prompt.format(protocol_steps=protocol_list, context=context) step_check = invoke_llm(step_completion_formatted, protocol_model)此代码片段展示了应用程序如何首先使用呼叫转录和可用协议列表来识别相关协议。确定协议后，将呼叫转录和确定协议的步骤一起传递，以检查座席是否完成了协议的每个步骤。结果以用户友好的格式显示，帮助经理快速评估座席绩效和指南依从性。
交互式转录视图和AI助手
单通分析页面提供了一个交互式转录视图，以便用户可以通读座席和客户之间的对话。此外，它还包含一个AI助手功能，用户可以就呼叫的具体问题进行提问：
user_message = call_prompt.format(query=prompt, context=context, chat_history=st.session_state.messages) ans = invoke_llm(user_message, cb_model)此助手功能由Amazon Nova 模型提供支持，帮助用户无需手动搜索转录即可深入了解呼叫的具体方面。
多通分析
在 Multi_Call_Analytics.py 脚本中实现的多通分析功能提供了跨多个呼叫的聚合分析，并支持强大的业务智能（BI）查询。
数据可视化和灵活的模型选择
此功能帮助用户快速可视化跨多个呼叫的趋势和模式，从而可以轻松识别需要改进或取得成功的领域。
上图中显示的“前 5 个呼叫主题”可视化也是由Amazon Nova 模型驱动的；用户可以通过传入呼叫转录并让模型确定呼叫的主要主题来对呼叫主题进行分类。此功能可以帮助用户快速分类呼叫，并将它们放入确定的主题存储桶中以生成可视化。通过了解客户致电的主要原因，企业可以专注于制定策略以减少这些主题类别的呼叫量。此外，该应用程序提供灵活的模型选择选项，因此用户可以为各种分析任务在不同的 Amazon Nova 模型（如 Nova Pro、Nova Lite 和 Nova Micro）之间进行选择。这种灵活性意味着用户可以选择最适合其特定需求和用例的模型。
分析型AI助手
多通分析页面的一项关键功能是分析型AI助手，它可以处理使用 SQL 的复杂 BI 查询。
以下代码演示了该应用程序如何使用Amazon Nova 模型根据自然语言问题生成 SQL 查询：
user_prompt = """Given the following schema: {schema} and a user query, generate a SQL query which can be executed in AWS Athena. The table name is {table_name}. Give the SQL query as a JSON response. """ sql_query, chart = invoke_llm(final_prompt, cb_model, "sql")该助手可以理解复杂的查询，将其翻译成 SQL，甚至建议用于可视化结果的适当图表类型。SQL 查询在 Amazon Transcribe 处理后的数据上运行，并使用 Athena 进行查询，然后这些结果会显示在分析型AI助手中。
实施
呼叫分析演示应用程序使用 Streamlit UI 来实现开发的速度和简洁性。该应用程序结合了特定的用例和 AI 任务，以提供Amazon Nova 模型可用于呼叫中心运营和分析用例的示例。有关如何实现此演示应用程序的更多信息，请参阅以下GitHub 仓库。
结论
在本文中，我们讨论了Amazon Nova 基础模型如何驱动呼叫中心分析演示应用程序，这代表了呼叫中心分析领域的重大进步。通过利用这些先进AI模型的强大功能，企业可以获得有关客户互动的独特见解，提高座席绩效，并提高整体运营效率。该应用程序的全面功能，包括情感分析、协议依从性检查、弱势客户评估和强大的BI能力，为呼叫中心经理提供了做出数据驱动决策和持续改进客户服务运营所需的工具。
随着Amazon Nova 基础模型的不断发展和改进，我们可以期待未来更强大、更复杂的分析能力。此演示是寻求探索AI驱动的呼叫中心分析潜力并在其自身环境中应用它的客户的绝佳起点。我们鼓励读者探索呼叫中心分析演示，以了解有关Amazon Nova 模型如何集成到应用程序中的更多详细信息。
关于作者
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区