Principal Financial Group 使用 AWS 通话分析解决方案来提取全渠道客户洞

Principal Financial Group 利用 AWS 提供的通话后分析解决方案提取全渠道客户洞察

作者 Chris Lott 和 Dr Nicki Susman 发表于 2023 年 11 月 15 日 来源 Amazon Bedrock

主要要点

Principal Financial Group 成立超过 140 年，是全球投资管理的领导者，服务超过 6200 万名客户。该公司正在进行企业级的近实时分析，以提供无缝且高度个性化的全渠道客户体验，致力于让金融安全变得对所有人可及。他们正在处理以联系中心交互、电子邮件、聊天和其他数字渠道为主的数据。

在这篇文章中，我们将展示如何利用 AWS CCI 通话后分析解决方案，帮助 Principal 获得他们联系中心交互的可见性，更好地理解客户旅程，并改善联系通道之间的整体体验，同时保持数据完整性和安全性。

解决方案需求

Principal 通过 Genesys Cloud CX 提供投资服务，这是一个与 AWS 进行强大原生集成的云端联系中心。每年，Principal 处理数百万通话和数字交互。作为第一步，他们希望对语音通话进行转录，分析这些交互以确定主要的来电驱动因素，包括问题、主题、情感、平均处理时间 (AHT) 分析，以及开发额外的基于自然语言处理 (NLP) 的分析。

为了正确分析通话，Principal 拥有几个需求：

需求内容联系详情了解客户旅程需要知道说话者是自动语音回复 (IVR) 系统还是人类代理，并在两者之间的通话转移时了解何时发生。内容去识别化每次客户的音频交互以立体声 WAV 文件记录，但可能包含敏感信息，如需要保护的 HIPAA 和个人可识别信息 (PII)。可扩展性此架构需要立即扩展到每天数千通话和每年数百万通话。此外，Principal 需要一个可扩展的分析架构来分析其他渠道，如电子邮件和传统的顾客声音 (VoC) 调查结果。数据完整性对 Principal 而言，这是不可妥协的标准，也是引导他们一切工作的方针。因此，当 Principal 团队开始处理这个项目时，他们知道确保数据安全如合规性、隐私和数据质量的最高标准将是一个关键需求。团队需要利用对数据安全持相同观点的技术，并能够建立自定义合规性和安全控制，以遵守严格要求。关注这一关键需求使 Principal 能够保持安全的客户体验。

解决方案概述

经过广泛的研究，Principal 团队选择了 AWS 联系中心智能 (CCI) 解决方案，这促使企业提高客户体验，通过为第三方本地和云端联系中心添加 AI 功能来获取对话洞察。CCI 的 通话后分析 (PCA) 解决方案是 CCI 产品系列的一部分，满足了许多需求。PCA 拥有一个 解决方案库指导参考架构 和在 GitHub 上的 开源示例代码库。与其 AWS 帐户团队合作后，Principal 详细描述了 PCA 解决方案及其部署，并设置了自定义培训计划和沉浸日，以快速提升 Principal 团队的技能。示例架构见下图和开源代码库使 Principal 的工程团队能够快速启动解决方案，以整合客户旅程，将电话记录和转录记录合并在一起。

PCA 提供了围绕自动化工作流程中音频文件进行处理的完整架构，该流程由 AWS Step Functions 启动，当音频文件传送至配置的 Amazon S3 桶后进行处理。几分钟后，将生成的转录文件与 Amazon Transcribe Call Analytics 保存至另一个 S3 桶，以便其他商业智能 (BI) 工具进行处理。PCA 还提供了一个基于网页的用户界面，使客户能够浏览通话转录。PCA 的安全功能确保从转录和音频文件中去除所有 PII 数据。此外，所有位于 S3 桶内的数据都可以使用属于 Principal 的密钥进行加密。

Principal 与 AWS 技术团队合作，修改了 PCA 中的 Step Functions 工作流程，以进一步达成其目标。通话详细信息，如交互时间戳、通话伫列、代理转移和参与者说话时间，均由 Genesys 在名为联系追踪记录 (CTR) 的文件中跟踪。通过准确的转录文件与 Genesys CTR 文件相结合，Principal 能够正确识别说话者，将通话分类到各组，分析代理表现，识别交叉销售机会，并进行可进一步分析的机器学习 (ML) 驱动的分析。

团队建立了一种新的数据注入机制，允许 CTR 文件与音频文件一起交付到 S3 桶中。Principal 和 AWS 协作新增了一个 AWS Lambda 功能，该功能被添加到 Step Functions 工作流程中。该 Lambda 功能能够识别 CTR 记录并提供额外的处理步骤，输出包含额外元数据例如伫列和代理 ID 信息、IVR识别与标记，以及客户转接到的代理数量的增强转录，所有这些数据均来自CTR 记录。这些额外的信息使 Principal 能够创建客户互动的地图，聚焦于对话的关键语音片段，同时排除不太相关的部分。

此外，这一后处理步骤使 Principal 能够进一步丰富转录文件，添加内部信息，如代理和伫列名称，并扩展 PCA 的分析能力，包括针对主题和客户意图识别的自定义基于 NLP 的 ML 模型，这些模型是通过 Amazon SageMaker 端点部署的，并且进行额外的转录增强，使用基础生成 AI 模型在 Amazon Bedrock 上托管。

PCA 是一个开源项目，位于 GitHub，使像 Principal 这样的客户能够扩展和维护自己的定制私有业务代码存储库。它还使社群能够向主代码库提交代码以供其他人使用。Principal 和 AWS 技术团队合作将 Genesys CTR 和后处理占位功能合并到 PCA 的主要版本中。这一 Principal 和 AWS 的合作实现了其市场快速推出，并确保了现有和未来的业务需求能够迅速添加。对开源项目的贡献加速了其他客户的 Genesys CTR 工作负载。

解答业务问题

当 PCA 嵌入环境后，Principal 的分析师、数据科学家、工程师和业务负责人与 AWS 主题专家合作构建了许多 Amazon QuickSight 仪表板来显示数据洞察并开始回答业务问题。QuickSight 是一项云端BI服务，使使用者能够从多个数据集包括 AWS 数据、第三方数据和 SaaS 数据等中轻松获取洞察。利用这一 BI 工具，其原生集成的功能使得即时制作可视化成为相对简单的任务，并启用自助式 BI。快速制作的可视化回答了一些关键问题，包括我们的客户在打什么电话，哪些主题与最长的 AHT / 最多的转移有关，以及哪些问题与最低的客户情感分数有关？。通过注入与 Principal 自定义主题模型相关的额外数据，团队能够将其对 QuickSight 的使用扩展到主题和其他比较、模型验证的能力，以及基于说话者、片段、通话和对话的情感比较。此外，利用 QuickSight 的洞察，Principal 团队能够快速实施异常检测和预测量，而 Amazon QuickSight Q 作为 QuickSight 内的一项 ML 功能利用 NLP 实现了快速的自然语言量化数据分析。

随著 PCA 的初步项目完成，Principal 知道需立即深入获取全渠道客户体验。Principal 和 AWS 一起建立了客户电子邮件交互和其客户数据平台的额外元数据的数据注入管道，并建立了数据汇总和分析机制，将全渠道数据整合为一个单一的客户洞察视角。利用 Athena 视图和 QuickSight 仪表板可以更持续地进行传统分析，而通过 Amazon Neptune 实施的概念证明图形数据库将有助于 Principal 在大规模实施后深入提取互动主题和意图关系。

成果

PCA 加速了市场布局。Principal 能够在一天内独立部署现有的开源 PCA 应用，然后，Principal 与 AWS 合作，在三个月内扩展 PCA 产品的许多功能，如 Genesys CTR 集成。开发和部署过程是双方合作的反复过程，使 Principal 能够测试并在新搭建的功能上处理生产通话量。自初步接洽以来，AWS 和 Principal 仍在持续协作，分享业务需求、路线图、代码和错误修复以扩展 PCA。

自最初的开发和部署以来，Principal 已通过 PCA 框架处理超过 100 万通电话。这导致有超过 6300 万个由客户、代理或 IVR 说出的个别语音片段。拥有这么丰富的数据，Principal 能够进行大规模的历史和近实时分析，以获得客户体验的洞察。

AWS CCI 解决方案对 Principal 实际上是一个变革者。Principal 现有的 CCI 工具组，包括 Qualtrics 用于简单的仪表板和商机识别，已经因 PCA 的加入而扩展。PCA 的加入使得 Principal 能够快速对其联系中心交互进行深入分析。通过这些数据，Principal 现在可以进行高级分析，以理解客户互动和通话驱动因素，包括主题、意图、问题、行动项和结果。即使在小规模的可控生产环境中，PCA 数据湖也引发了无数新的用例。

路线图

从 PCA 生成的数据可以用于帮助做出关键的业务决策，决定通话路由时，根据哪些主题驱动了更长的平均处理时间、更长的等待时间、更频繁的转接及负面的客户情感。了解客户与 IVR 和自动语音助手的互动何时被误解或错误路由将帮助 Principal 改善自助服务体验。理解为什么客户倾向于致电而不是使用网站，对改善客户旅程和提升客户满意度至关重要。负责改善网页体验的产品经理分享了他们对于能够利用 PCA 数据来推动新增强功能的优先级和测量变化影响的兴奋。Principal 还在分析其他潜在用例，例如客户资料映射、欺诈检测、工作力管理，使用附加的 AI/ML 和大型语言模型 (LLM)，以及识别其联系中心中出现的新兴趋势。

未来，Principal 计划在额外的数据汇总、分析和自然语言生成 (NLG) 模型用于文本摘要方面，继续扩展后处理能力。Principal 目前正在将生成 AI 和基础模型如 Amazon Titan整合至他们的专有解决方案。Principal 计划利用 AWS 生成 AI 提高员工生产力、增长管理资产、提供高质量的客户体验以及提供工具，以便客户能够高效地做出投资和退休决策。考虑到开源 PCA 框架的灵活性和可扩展性，Principal 团队拥有一系列附加增强、分析和洞察的详尽计划，将有望进一步延伸现有的框架。

“有了 AWS 通话后分析解决方案，Principal 目前可以进行大规模的历史分析，了解客户体验可以改善的地方，产生可行的洞察，并优先考虑在哪些方面进行行动。现在，我们正在利用 Amazon Bedrock 添加生成 AI，以帮助我们的业务用户更快速且准确地做出数据驱动的决策，减少成本。我们期待在 Amazon Transcribe Call Analytics 中探索通话后摘要功能，让我们的代理能集中时间和资源与客户进行互动，而非手动后联系工作。”

Miguel Sanchez Urresty Principal Financial Group 数据与分析部门主管

结论

AWS CCI PCA 解决方案旨在通过向您选择的联系中心提供商增添 AI 和 ML 来改善客户体验、获取客户洞察和降低运营成本。如欲了解更多其他 CCI 解决方案，如 实时通话分析，请参考 AWS 联系中心智能 (CCI) 解决方案。

了解 Principal Financial Group

Principal Financial Group 及其附属公司位于美国爱荷华州德莫因，是一家拥有 19000 名员工的金融公司。业务运行超过 140 年，至 2022 年 12 月 31 日已服务于全球超过 6200 万名客户。

AWS 和 Amazon 并不是 Principal Financial Group 保险产品的任何公司的附属机构。由 Principal National Life Insurance Co (纽约除外) 和 Principal Life Insurance Company 发行的保险产品。计划管理服务由 Principal Life 提供。Principal Funds Inc 由 Principal Funds Distributor Inc 发行。通过 Principal Securities Inc 提供的证券属于 SIPC 成员公司和 / 或独立经纪人 / 经销商。所参考的公司均是 Principal Financial Group 的成员，位于美国爱荷华州德莫因，邮政编码