חברת שירותים פיננסיים מבוססת עם למעלה מ-140 שנות פעילות, Principal היא מובילת ניהול השקעות עולמית ומשרתת יותר מ-62 מיליון לקוחות ברחבי העולם. Principal מבצעת ניתוח כמעט בזמן אמת בקנה מידה ארגוני כדי לספק חווית לקוח חלקה והיפר-פרסונלית של כל ערוצים במשימתם להפוך את האבטחה הפיננסית לנגישה לכולם. הם מעבדים נתונים בין ערוצים, כולל אינטראקציות מוקלטות של מרכז קשר, מיילים, צ'אט וערוצים דיגיטליים אחרים.
בפוסט זה, אנו מדגימים כיצד הנתונים הצטברו בתוך ה-AWS פתרון CCI Post Call Analytics אפשרו למנהל לקבל נראות לתוך האינטראקציות שלו במרכז הקשר, להבין טוב יותר את מסע הלקוח ולשפר את החוויה הכוללת בין ערוצי הקשר תוך שמירה על שלמות הנתונים ואבטחת המידע.
דרישות פתרון
Principal מספקת שירותי השקעה באמצעות Genesys Cloud CX, מרכז קשר מבוסס ענן המספק אינטגרציות מקוריות ועוצמתיות עם AWS. מדי שנה, Principal מטפלת במיליוני שיחות ואינטראקציות דיגיטליות. כצעד ראשון, הם רצו לתמלל שיחות קוליות ולנתח את האינטראקציות הללו כדי לקבוע את המניעים העיקריים של השיחות, כולל בעיות, נושאים, סנטימנטים, התמוטטויות זמן טיפול ממוצע (AHT), ולפתח ניתוחים נוספים מבוססי עיבוד שפה טבעית (NLP).
על מנת לנתח את השיחות כראוי, למנהל היו כמה דרישות:
- פרטי התקשרות: הבנת מסע הלקוח דורשת הבנה האם רמקול הוא מערכת תגובה קולית אוטומטית (IVR) או סוכן אנושי ומתי מתרחשת העברת שיחה בין השניים.
- עריכת תוכן: כל אינטראקציה עם אודיו של הלקוח מוקלטת כקובץ WAV סטריאו, אך עשויה לכלול מידע רגיש כגון מידע מוגן HIPAA וזיהוי אישי (PII).
- מדרגיות: ארכיטקטורה זו הייתה צריכה להתאים מיד לאלפי שיחות ביום ולמיליוני שיחות בשנה. בנוסף, Principal נזקקה לארכיטקטורת ניתוח ניתנת להרחבה המנתחת ערוצים אחרים כגון שרשורי דוא"ל ותוצאות סקר הקול המסורתי של הלקוח (VoC).
- יושרה אינה ניתנת למשא ומתן אצל Principal - היא מנחה את כל מה שהם עושים. למעשה, לעשות מה שנכון הוא אחד מערכי הליבה ב- Principal. לכן, כאשר הצוות הראשי התחיל להתמודד עם הפרויקט הזה, הם ידעו שהבטחת הסטנדרט הגבוה ביותר של אבטחת מידע כגון תאימות לרגולציה, פרטיות נתונים ואיכות נתונים תהיה דרישת מפתח בלתי ניתנת למשא ומתן. הצוות היה צריך להשתמש בטכנולוגיה עם עמדה תואמת לגבי אבטחת מידע, ויכולת לבנות התאמה אישית ובקרות אבטחה כדי לעמוד בדרישות מחמירות. תשומת לב לדרישה מרכזית זו מאפשרת למנהל לשמור על חווית לקוח בטוחה ומאובטחת.
סקירת פתרונות
לאחר מחקר מקיף, צוות המנהל סיים את AWS פתרון Contact Center Intelligence (CCI).s, אשר מעצימות חברות לשפר את חווית הלקוח ולקבל תובנות שיחה על ידי הוספת יכולות AI למרכזי קשר מקומיים של צד שלישי ולמרכזי קשר בענן. ה-CCI ניתוח לאחר שיחות פתרון (PCA) הוא חלק מחבילת פתרונות CCI ומתאים לרבות מהדרישות שזוהו. ל-PCA יש א ארכיטקטורת התייחסות של הנחיות ספריית פתרונות עם מאגר לדוגמה של קוד פתוח ב-GitHub. בעבודה עם צוות חשבונות ה-AWS שלהם, מנהלת פירטה את פתרון ה-PCA והפריסה שלו, והגדירה תוכניות הדרכה מותאמות אישית וימי טבילה כדי לשפר במהירות את מיומנות הצוותים הראשיים. הארכיטקטורה לדוגמה (ראה את התרשים הבא) ובסיס הקוד במאגר הקוד הפתוח אפשרו לצוותי ההנדסה הראשיים להזניק את הפתרון שלהם סביב איחוד מסע הלקוח, ומיזוג רשומות טלפוניה ורשומות תמלול יחד.
PCA מספק ארכיטקטורה שלמה סביב הטמעת קבצי אודיו בזרימת עבודה אוטומטית לחלוטין עם פונקציות שלב AWS, המופעל כאשר קובץ שמע נשלח לקובץ מוגדר שירות אחסון פשוט של אמזון דלי (Amazon S3). לאחר מספר דקות, מופק תמליל עם Amazon Transcribe Call Analytics ונשמר בדלי S3 אחר לעיבוד על ידי כלים אחרים של בינה עסקית (BI). PCA מציע גם ממשק משתמש מבוסס אינטרנט המאפשר ללקוחות לעיין בתמלולי שיחות. תכונות האבטחה של PCA מבטיחות שכל נתוני PII נמחקו מהתמליל, כמו גם מקובץ האודיו עצמו. בנוסף, ניתן להצפין את כל הנתונים בתוך דלי S3 באמצעות מפתחות השייכים ל-Principal.
המנהלת עבדה עם צוותים טכניים של AWS כדי לשנות את זרימת העבודה של Step Functions בתוך PCA כדי להשיג עוד יותר את המטרות שלהם. פרטי שיחות כגון חותמות זמן של אינטראקציה, תורי שיחות, העברות סוכנים וזמני דיבור של משתתפים נמצאים במעקב על ידי Genesys בקובץ שנקרא Contact Trace Record (CTR). בשילוב תמלולים מדויקים עם קבצי CTR של Genesys, המנהל יכול לזהות כראוי את הדוברים, לסווג את השיחות לקבוצות, לנתח את ביצועי הסוכן, לזהות הזדמנויות למכירה יתרה ולבצע ניתוחים נוספים המופעלים על ידי למידת מכונה (ML).
הצוותים בנו מנגנון קליטת נתונים חדש, המאפשר להעביר את קובצי ה-CTR במשותף עם קובץ האודיו לדלי S3. המנהל ו-AWS שיתפו פעולה בנושא חדש AWS למבדה פונקציה שנוספה לזרימת העבודה של Step Functions. פונקציית Lambda זו מזהה רשומות CTR ומספקת שלב עיבוד נוסף שמוציא תמליל משופר המכיל מטא-נתונים נוספים כגון מידע על תור ומזהה סוכן, זיהוי ותיוג IVR, וכמה סוכנים (ו- IVRs) הלקוח הועבר אליהם, כולם מצטברים מ- רשומות הקליקים. מידע נוסף זה מאפשר למנהלת ליצור מפה של האינטראקציה עם הלקוח לאורך כל מחזור החיים של השיחה ולהתמקד בקטעי הדיבור הקריטיים, תוך אי הכללה של אלה פחות רלוונטיים.
בנוסף, שלב העיבוד הזה אפשר למנהל להעשיר עוד יותר את התמלילים במידע פנימי כגון שמות סוכן ותורים ולהרחיב את יכולות הניתוח של PCA, כולל מודלים ML מבוססי NLP מותאמים אישית לזיהוי נושא וכוונת לקוחות, הפרוסים באמצעות אמזון SageMaker נקודות קצה, והגדלת תמלול נוספת באמצעות מודלים בסיסיים של AI AI המתארחים ב- Amazon Bedrock.
PCA הוא קוד פתוח ב-GitHub, המאפשר ללקוחות כגון Principal להרחיב ולתחזק את המזלגות שלהם עם קוד עסקי מותאם אישית. זה גם מאפשר לקהילה לשלוח קוד בחזרה למאגר הראשי לשימוש אחרים. צוותים טכניים מנהלים ו-AWS שיתפו פעולה כדי למזג את Genesys CTR ותכונות מציין מיקום לאחר עיבוד במהדורה הראשית של PCA. שותפות זו בין Principal ו-AWS אפשרה מהירות לשוק עבור Principal, תוך הבטחה שניתן להוסיף במהירות דרישות עסקיות קיימות ונכנסות. התרומות לפרויקט הקוד הפתוח האיצו את עומסי העבודה של Genesys CTR של לקוחות אחרים.
ענה על שאלות עסקיות
ברגע שה-PCA הוקמה, אנליסטים ראשיים, מדעני נתונים, מהנדסים ובעלי עסקים עבדו עם חברות קטנות ובינוניות AWS כדי לבנות מספר רב של אמזון קוויקסייט לוחות מחוונים כדי להציג את תובנות הנתונים ולהתחיל לענות על שאלות עסקיות. QuickSight הוא שירות BI בקנה מידה ענן שבו אתה יכול להשתמש כדי לספק תובנות קלות להבנה ממספר מערכי נתונים, מנתוני AWS, נתוני צד שלישי, נתוני תוכנה כשירות (SaaS) ועוד. השימוש בכלי BI זה, עם האינטגרציות המקוריות שלו למאגרי הנתונים הקיימים שנגיש על ידי אמזונה אתנה, הפכו את יצירת הדמיות להצגת הנתונים בקנה מידה גדול יחסית לפשוטה, ואיפשרו BI בשירות עצמי. הויזואליזציות נוסחו במהירות כדי לענות על כמה שאלות מפתח, כולל "על מה הלקוחות שלנו מתקשרים אלינו", "אילו נושאים קשורים ל-AHT הארוך ביותר/לרוב ההעברות" ו"אילו נושאים ובעיות קשורים לציוני סנטימנט הלקוחות הנמוכים ביותר?" על ידי הטמעת נתונים נוספים הקשורים למודלים עיקריים של נושאים מותאמים אישית, הצוות הצליח להרחיב את השימוש ב-QuickSight לכלול השוואות נושאים ומתאם, יכולות אימות מודלים והשוואות של סנטימנט על סמך דובר, פלח, שיחה ושיחה. בנוסף, השימוש בתובנות QuickSight אפשר במהירות לצוותים הראשיים ליישם זיהוי חריגות וחיזוי נפח, תוך Amazon QuickSight Q, תכונת ML בתוך QuickSight המשתמשת ב-NLP, אפשרה ניתוח נתונים כמותי מהיר של שפה טבעית.
כשהיוזמה הראשונית של PCA הושלמה, המנהלת ידעה שהם צריכים לצלול מיד עמוק יותר לתוך חווית הלקוח בכל הערוצים. יחד, Principal ו-AWS בנו צינורות לקליטת נתונים עבור אינטראקציות דוא"ל של לקוחות ומטא נתונים נוספים מפלטפורמת נתוני הלקוחות שלהם, ובנו מנגנוני צבירה וניתוח נתונים כדי לשלב נתונים רב-ערוציים לעדשת תובנה אחת של הלקוח. השימוש בתצוגות Athena ובמרכזי המחוונים של QuickSight המשיך לאפשר אנליטיקה קלאסית, והטמעת מסדי נתונים של גרפים של הוכחת מושג באמצעות אמזון נפטון יעזור למנהל לחלץ תובנות לגבי נושאי אינטראקציה ויחסי כוונות בתוך תצוגת הרב-ערוציים כשהם מיושמים בקנה מידה.
את התוצאות
PCA עזר להאיץ את זמן היציאה לשוק. מנהלת הצליחה לפרוס את אפליקציית ה-PCA הקיימת בקוד פתוח בעצמם תוך יום אחד. לאחר מכן, Principal עבדה יחד עם AWS והרחיבה את היצע ה-PCA עם תכונות רבות כמו שילוב Genesys CTR על פני תקופה של 1 חודשים. תהליך הפיתוח והפריסה היה תהליך משותף ואיטרטיבי שאפשר למנהל לבדוק ולעבד נפחי שיחות ייצור על תכונות שנבנו לאחרונה. מאז ההתקשרות הראשונית, AWS ומנהלת ממשיכים לעבוד יחד, חולקים דרישות עסקיות, מפות דרכים, קוד ותיקוני באגים כדי להרחיב את ה-PCA.
מאז הפיתוח והפריסה הראשונית שלה, Principal עיבדה למעלה ממיליון שיחות לקוחות דרך מסגרת PCA. זה הביא ליותר מ-1 מיליון קטעי דיבור בודדים שנאמרו על ידי לקוח, סוכן או IVR. עם שפע הנתונים הזה, Principal הצליחה לבצע ניתוחים היסטוריים וכמעט-זמן אמת בקנה מידה גדול כדי לקבל תובנות על חווית הלקוח.
פתרונות AWS CCI הם מחליפים משחק עבור Principal. חבילת כלי ה-CCI הקיימת של Principal, הכוללת Qualtrics ללוח מחוונים פשוט וזיהוי הזדמנויות, הורחבה עם הוספת PCA. התוספת של PCA לחבילת הכלים של CCI אפשרה ל- Principal לבצע ניתוחים מעמיקים במהירות על האינטראקציות שלהם במרכז הקשר. עם הנתונים האלה, Principal יכול כעת לבצע ניתוחים מתקדמים כדי להבין את האינטראקציות עם הלקוחות ואת מניעי השיחות, כולל נושאים, כוונות, בעיות, פריטי פעולה ותוצאות. אפילו בסביבת ייצור בקנה מידה קטן ומבוקרת, אגם הנתונים של PCA הוליד מקרי שימוש חדשים רבים.
מפת הדרכים
ניתן להשתמש בנתונים שנוצרו מ-PCA כדי לקבל החלטות עסקיות קריטיות בנוגע לניתוב שיחות על סמך תובנות שסביבן נושאים מניעים זמן טיפול ממוצע ארוך יותר, החזקה ארוכה יותר, יותר העברות וסנטימנט שלילי של לקוחות. ידע על מתי האינטראקציות של הלקוחות עם ה-IVR והעוזרים הקוליים האוטומטיים אינם מובנים או מנותבים בצורה שגויה, יעזור למנהל לשפר את חוויית השירות העצמי. הבנה מדוע לקוח התקשר במקום להשתמש באתר היא קריטית לשיפור מסע הלקוח ולהגברת אושר הלקוח. מנהלי מוצר האחראים לשיפור חוויות האינטרנט שיתפו את מידת ההתלהבות שלהם מהיכולת להשתמש בנתונים מ-PCA כדי לקדם את סדר העדיפויות שלהם לשיפורים חדשים ולמדוד את ההשפעה של שינויים. Principal מנתח גם מקרי שימוש פוטנציאליים אחרים כמו מיפוי פרופיל לקוחות, זיהוי הונאה, ניהול כוח אדם, שימוש ב-AI/ML נוספים ומודלים של שפות גדולות (LLMs), וזיהוי מגמות חדשות ומתפתחות במרכזי הקשר שלהם.
בעתיד, Principal מתכננת להמשיך ולהרחיב את יכולות ה-postprocessing עם מודלים נוספים של צבירת נתונים, ניתוח ויצירת שפה טבעית (NLG) לסיכום טקסט. המנהלת משלבת כעת בינה מלאכותית ומודלים בסיסיים (כגון Amazon Titan) לפתרונות הקנייניים שלהם. המנהל מתכנן להשתמש בבינה מלאכותית של AWS כדי לשפר את פרודוקטיביות העובדים, להגדיל נכסים בניהול, לספק חוויות לקוח באיכות גבוהה ולספק כלים המאפשרים ללקוחות לקבל החלטות השקעה ופרישה ביעילות. לאור הגמישות וההרחבה של מסגרת PCA בקוד פתוח, לצוותים ב-Principal יש רשימה נרחבת של שיפורים, ניתוחים ותובנות נוספים שיכולים להרחיב את המסגרת הקיימת.
"עם פתרון הניתוח של AWS Post Call, המנהלת יכולה כיום לבצע ניתוחים היסטוריים בקנה מידה גדול כדי להבין היכן ניתן לשפר את חוויות הלקוחות, לייצר תובנות ניתנות לפעולה ולתעדף היכן לפעול. כעת, אנו מוסיפים AI גנרטיבי באמצעות Amazon Bedrock כדי לעזור למשתמשים העסקיים שלנו לקבל החלטות מונעות נתונים במהירות ובדיוק גבוהים יותר, תוך הפחתת עלויות. אנו מצפים לבחון את תכונת סיכום השיחות שלאחר השיחה ב-Amazon Transcribe Call Analytics על מנת לאפשר לסוכנים שלנו למקד את זמנם ומשאביהם ביצירת קשר עם לקוחות, במקום עבודה ידנית לאחר יצירת קשר."
– אומר מיגל סנצ'ז אורסטי, מנהל נתונים וניתוח ב-Principal Financial Group.
סיכום
פתרון AWS CCI PCA נועד לשפר את חווית הלקוח, להפיק תובנות מהלקוחות ולהפחית עלויות תפעול על ידי הוספת AI ו-ML לספק מרכז הקשר לפי בחירתך. למידע נוסף על פתרונות CCI אחרים, כגון ניתוח שיחות חי, מתייחס AWS Contact Center Intelligence (CCI) פתרונות.
אודות קבוצת פיננסית ראשונית
קבוצה פיננסית ראשית ושותפיה, Des Moines IA היא חברה פיננסית עם 19,000 עובדים. בעסקים כבר יותר מ-140 שנה, אנו מסייעים ליותר מ-62 מיליון לקוחות במדינות שונות ברחבי העולם נכון ל-31 בדצמבר 2022.
AWS ואמזון אינן שותפות של אף חברה של מוצרי הביטוח Principal Financial Group שהונפקו על ידי Principal National Life Insurance Co (למעט בניו יורק) וחברת ביטוח החיים הראשית. תכנן שירותי ניהול המוצעים על ידי Principal Life. Principal Funds, Inc. מופץ על ידי Principal Funds Distributor, Inc. ניירות ערך המוצעים באמצעות Principal Securities, Inc., חבר SIPC ו/או ברוקרים/סוחרים עצמאיים. החברות המוזכרות הן חברות ב- Principal Financial Group, Des Moines, IA 50392. ©2023 Principal Financial Services, Inc.
תקשורת זו נועדה להיות חינוכית במהותה ואינה מיועדת להיחשב כהמלצה. מוצרי ביטוח ושירותים אדמיניסטרטיביים של תוכנית הניתנים באמצעות חברת הביטוח Principal Life, חברה ב- Principal Financial Group, Des Moines, IA 50392
על המחברים
כריסטופר לוט הוא ארכיטקט פתרונות בכיר בצוות שירותי השפה של AWS AI. יש לו 20 שנות ניסיון בפיתוח תוכנה ארגונית. כריס גר בסקרמנטו, קליפורניה, ונהנה מגינון, בישול, תעופה וחלל/תעופה כללית ומטיילים בעולם.
ד"ר ניקי זוסמן הוא מדען נתונים בכיר והמנהיג הטכני של צוות שירותי הבינה המלאכותית הראשית של השפה. יש לה ניסיון רב בנתונים וניתוחים, פיתוח אפליקציות, הנדסת תשתיות ו-DevSecOps.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/principal-financial-group-uses-aws-post-call-analytics-solution-to-extract-omnichannel-customer-insights/
