Principal Financial 使用通话分析和生成式 AI 增强客户体验

关键字: [Amazon Web Services re:Invent 2023, Amazon Connect, Contact Center Solutions, Customer Experience, Call Analytics, Generative Ai, Post Call Analytics, Topic Hierarchy, Virtual Assistants]

本文字数: 1100, 阅读完需: 6 分钟

视频

如视频不能正常播放，请前往bilibili观看本视频。>> https://www.bilibili.com/video/BV1QM411d7iN

导读

Principal Financial Group 每天接到数万个电话，不断改善其客户体验。在本论坛中，了解 Principal 如何通过其 Genesys 联系中心实现 Amazon Transcribe Call Analytics。Principal 分享了他们如何将由 Amazon Bedrock 提供支持的生成式 AI 与其专有解决方案集成的设想。查看有关如何捕获见解（如情绪分析、通话处理时间和通话意图）的演示，以获得客户见解并提供个性化、无缝的客户体验。最后，了解如何使用亚马逊云科技联系中心智能 (CCI) 解决方案和生成式 AI，增强现有客户服务解决方案。

演讲精华

以下是小编为您整理的本次演讲的精华，共800字，阅读时间大约是4分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。

The video presented three speakers - Atika Sardana Chandra, Chris Lot, and Miguel Sanchez. Atika began by explaining the rationale behind the speech - discussing how to leverage generative AI to impact and enhance the customer experience at contact centers. She emphasized the importance of deriving actionable insights from customer conversations and interactions to improve performance and boost business.

Chris introduced himself as a senior solutions architect at Amazon Web Services Transcribe. Miguel followed by stating his role as the analytical director and regional chief data officer at Principal Financial Group.

Subsequently, Atika reviewed the meeting agenda, starting with elaborating on the key challenges in customer service centers and character roles, then discussing how AI-driven solutions can address these gaps, sharing customer examples and benefits, and finally showcasing Principal Financial's latest innovation using analytic calls to gain insights.

While detailing the challenges, Atika described three main character roles - customers, agents, and managers/supervisors. For customers, she noted that over 80% prefer self-service options like chatbots rather than calling and waiting. For agents, she pointed out that 30% of their time is spent on managing tasks rather than focusing on customers. For managers, the limitation is being unable to analyze all calls to derive meaningful insights.

To address these gaps, Atika explained how AI-driven solutions can be used corresponding to each character role. For customers, a combination of virtual agents powered by generative AI and chatbots provides self-service capabilities. For agents, real-time call analysis and prompts help them focus on conversations and find answers faster. For managers, conversation analysis can help analyze 100% of calls to uncover insights.

She provided real-world customer success examples. W Bank reduced customer wait time for balance inquiries from 4.5 minutes to just 28 seconds (a 90% reduction) by using self-service robots powered by generative AI with 30% of calls. Magellan Health shortened agent training time by 3-5 days and saved 4400 hours annually (from 2200 million calls) by using real-time analysis. State Auto Insurance saved $800,000 in costs by using conversation analysis. TSB Bank analyzed 50 million calls within a year, an increase from 10-12% previously, uncovering 800 call intent cases and improving routing.

接下来，Miguel简要地介绍了Principal Financial Group的基本情况。该公司每天通过1500名代理处理约30,000个客户电话，平均每通电话时长为8分钟，平均响应速度仅为51秒，等待时间则短至1分钟以内。他解释了他们为何选择采用亚马逊云科技和Post Call Analytics来从电话中获取洞察力。这个开源解决方案具有很高的灵活性，还可以应用于其他渠道，例如电子邮件。截至目前，他们已经处理了超过100万个电话，从而提供了关于内容和客户情感的有价值的可见性。

接着，Chris详细阐述了Post Call Analytics的技术架构。其流程始于将音频文件上传至Amazon S3，然后使用亚马逊云科技的服务，如Transcribe、Comprehend和Bedrock，来生成录音文本、见解、摘要等。数据储存在DynamoDB和S3中。基于React的用户界面托管在S3/Cloudfront中，允许在上面构建自定义界面。Athena和QuickSight有助于从数据湖中生成聚合见解和仪表板。相较于实时呼叫分析，一个关键优势是提供了基于对话的实时座席助手。

值得一提的是，Chris宣布了亚马逊Transcribe目前有两个主要新功能。首先，它引入了一个多亿参数的语音模型，该模型在100多种语言上的准确性提高了30%，同时增强了可读性。其次，这是一个新的呼叫总结API，它只需要一个API调用就可以完成转录、生成见解、总结和编辑等功能。

随后，Miguel详细描述了Principal如何利用Post Call Analytics。他们从Genesis平台提取数据到S3，使用Transcribe进行元数据和基本指标，再馈入Comprehend进行主题和情感分析，最后用Bedrock进行摘要。QuickSight和Post Call Analytics的用户界面为他们提供了消费者渠道。主要的应用包括PII减少、西班牙文翻译和Kendra搜索。

展望未来，Miguel分享了他们的路线图，包括整合额外的互动渠道，如电子邮件、调查和社会媒体，以提供一个全面的客户视角。一项重要的措施是在2023年部署由Post Call Analytics数据驱动的虚拟代理和聊天机器人。

最后，Atika总结了可用的资源，如探索研讨会、咨询合作伙伴和相关的re:Invent会议，以继续了解联系中心AI的相关信息。

这段视频详细地介绍了亚马逊云科技的人工智能（AI）解决方案如何助力提升客户体验和联系中心运营。以Principal Financial为例，展示了通过运用电话后分析和采用生成性AI进行电话摘要和分析所带来的实际效益。新推出的Amazon Transcribe功能将进一步提高准确性和摘要能力。

下面是一些演讲现场的精彩瞬间：

领导者探讨了运用生成性AI优化客户体验以及从客户数据中提取洞察的可能性。

Kendra的ElasticSearch组件能够在客户互动中搜索关键词的同时保护敏感信息。

报告可按照数据范围及参与方进行筛选，并提供诸如通话次数、平均通话时长和呼叫持续时间等关键绩效指标。

目标是为客户提供简化、个性化且预测性的体验，以便在他们通过首选渠道互动时建立信任感。

领导者启动了一项令人振奋的新计划，该计划旨在基于PCA数据创建智能代理，并在明年客户互动中使用亚马逊云科技的诸多服务如Kendra、Bedrock和Q&A Bot等。

演讲者呼吁听众与亚马逊云科技取得联系，以协助开始接触中心解决方案的实施，并宣传即将召开的关于人工智能在接触中心应用的re:Invent。

总结

视频探讨了普莱斯金融集团如何通过运用亚马逊的Post Call Analytics解决方案来从客户电话中汲取洞察力并优化客户体验。首先，该视频概述了一些常见的客服中心面临的挑战，例如长时间的通话和缺乏呼叫分析。亚马逊的解决方案通过自助式机器人、实时代理辅助以及对话分析等手段成功解决了这些问题。据示例客户反映，他们已经见证了通话时间减少以及呼叫分析质量的提升。

普莱斯金融计划到2026年将他们的应用迁移至云端，并与亚马逊云科技建立战略合作伙伴关系。在测试了亚马逊云科技的服务之后，他们在转录呼叫分析中发现了一种独特的价值。在经过全面评估后，他们最终选择了Post Call Analytics，原因在于其准确性、企业架构以及专题专业知识等方面的表现。

普莱斯金融已经运用Post Call Analytics处理了超过100万次呼叫，从中提取主题、意图和情感等数据，从而构建分类结构并发现新兴趋势。此外，诸如呼叫摘要和生成性AI查询等新功能也为公司带来了更多的洞察。这些数据有助于改进跨渠道的客户体验。

展望未来，普莱斯金融将继续拓展Post Call Analytics的数据来源。同时，他们也计划部署一款基于亚马逊云科技服务的智能代理，如Kendra和Amazon QnABot，以实现跨渠道的统一客户互动。

演讲原文

https://blog.csdn.net/just2gooo/article/details/134794447

想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！

2023亚马逊云科技re:Invent全球大会 - 官方网站

点击此处，一键获取亚马逊云科技全球最新产品/服务资讯！

点击此处，一键获取亚马逊云科技中国区最新产品/服务资讯！

即刻注册亚马逊云科技账户，开启云端之旅！

【免费】亚马逊云科技“100 余种核心云服务产品免费试用”

【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”

亚马逊云科技是谁？

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者，自 2006 年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持几乎云上任意工作负载。亚马逊云科技目前提供超过 200 项全功能的服务，涵盖计算、存储、网络、数据库、数据分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及 31 个地理区域的 99 个可用区，并计划新建 4 个区域和 12 个可用区。全球数百万客户，从初创公司、中小企业，到大型企业和政府机构都信赖亚马逊云科技，通过亚马逊云科技的服务强化其基础设施，提高敏捷性，降低成本，加快创新，提升竞争力，实现业务成长和成功。