Çağrı merkezi verilerini ayıklama ve analiz etme

Azure Blob Depolama

Azure Yapay Zeka Konuşma

Azure Yapay Zeka Hizmetleri

Power BI

Bu makalede, Azure AI hizmetlerini ve Azure OpenAI Hizmeti'ni kullanarak bir çağrı merkezindeki müşteri konuşmalarından içgörü ayıklama açıklanmaktadır. Çağrı amacını ve yaklaşımını analiz ederek, önemli varlıkları ayıklayarak ve arama içeriğini özetleyerek müşteri etkileşimlerinizi ve memnuniyetinizi geliştirmek için bu hizmetleri kullanın.

Mimari

Bu mimarinin PowerPoint dosyasını indirin.

Veri akışı

Bir aracı ile müşteri arasındaki telefon araması kaydedilir ve Azure Blob Depolama depolanır. Ses dosyaları kullanıcı arabirimi tabanlı araç, Azure Depolama Gezgini veya Depolama SDK'sı veya API gibi desteklenen bir yöntem aracılığıyla Azure Depolama hesabına yüklenir.
Azure işlevi, akıllı transkripsiyon işlemini başlatmak için aşağıdaki tetikleyicilerden biriyle yapılandırılır:
- Zamanlayıcı tetikleyicisi: Belirli bir süre boyunca birikmiş ses dosyalarını işlemek için zamana dayalı bir tetikleyici yapılandırın.
- Blob tetikleyicisi: Bir ses dosyası blob kapsayıcısına yüklenir yüklenmez akıllı transkripsiyon başlatmak için bir blob tetikleyicisi yapılandırın.
Azure işlevi, aşağıdaki adımları sırayla yürütecek bir Azure Uygulaması Hizmeti tetikler:
1. Dosyaların dökümünü almak için Azure AI Konuşma'yı çağırın.
2. İsteğe bağlı olarak, gelecekte başvurmak için bu ham dosyayı Azure blob depolama alanına kaydedin.
3. Transkriptteki kişisel verileri algılamak ve yeniden uygulamak için ham verileri Azure AI Dil hizmetine geçirin.
4. Çağrının amacını ve yaklaşımını anlamak, varlıkları ayıklamak veya çağrının etkinliğini değerlendirmek için konuşmayı özetlemek gibi çeşitli çağrı sonrası analizler gerçekleştirmek için yeniden işlem yapılan verileri Azure OpenAI hizmetine gönderin.
5. daha fazla işlem için aşağı akış uygulamaları tarafından görselleştirme veya tüketim için işlenen çıkışı Azure Depolama'da depolayın.
Power BI , çağrı sonrası analizi iş kullanım örneğinin gerektirdiği farklı ölçütlere göre görselleştirmek için kullanılabilir. Ayrıca bu çıkışı bir müşteri ilişkileri yönetiminde (CRM) depolayabilirsiniz, böylece aracılar müşterinin neden çağrıldığı hakkında bağlamsal bilgilere sahip olur ve olası sorunları hızla çözebilir. Bu işlem, aracılara zaman ve çaba tasarrufu sağlayan tam otomatikleştirilmiştir.

Bileşenler

Blob Depolama , bu senaryoda ham dosyalar için nesne depolama çözümüdür. Blob Depolama .NET, Node.js ve Python gibi diller için kitaplıkları destekler. Uygulamalar Blob Depolama'da dosyalara HTTP veya HTTPS aracılığıyla erişebilir. Blob Depolama, büyük miktarda veriyi depolamak için sık erişimli, seyrek erişimli ve arşiv erişim katmanlarına sahiptir ve bu da maliyeti iyileştirir.
Azure OpenAI ; içerik oluşturma, özetleme, anlam arama ve doğal dilden koda çeviri için GPT-3, Codex ve ekleme modeli serisi gibi Azure OpenAI dil modellerine erişim sağlar. Hizmete REST API'leri, Python SDK'sı veya Azure OpenAI studioweb tabanlı arabirim aracılığıyla erişebilirsiniz.
Azure AI Konuşma , konuşmayı metne dönüştürme, metin okuma, konuşma çevirisi ve konuşmacı tanıma gibi konuşma özellikleri sağlayan yapay zeka tabanlı bir API'dir. Bu mimari, Azure AI Konuşma toplu transkripsiyon işlevini kullanır.
Azure Yapay Zeka Dili , Azure doğal dil işleme hizmetlerini birleştirir. Önceden oluşturulmuş ve özelleştirilebilir seçenekler hakkında bilgi için bkz . Azure AI Dili kullanılabilir özellikleri.
Language Studio , dil özellikleri için yapay zeka hizmetlerini keşfetmek ve analiz etmek için bir kullanıcı arabirimi sağlar. Language Studio özel modeller oluşturma, etiketleme, eğitma ve dağıtma seçenekleri sağlar.
Power BI , iş analizi için görsel ve etkileşimli içgörüler sağlayan bir hizmet olarak yazılımdır (SaaS). Dönüştürme özellikleri sağlar ve diğer veri kaynaklarına bağlanır.

Alternatifler

Senaryonuza bağlı olarak aşağıdaki iş akışlarını ekleyebilirsiniz.

Azure AI Language'de önceden oluşturulmuş modeli kullanarak konuşma özetlemesi gerçekleştirin.
Azure, çağrı sonrası analiz için toplu olarak düzenlemenin tamamını sağlayan Konuşma Analizi de sunar.

Senaryo ayrıntıları

Bu çözüm, çağrı merkezi sesini yazılı metne dönüştürmek için Azure AI Konuşmayı Metne Dönüştürme özelliğini kullanır. Azure Yapay Zeka Dili, konuşma transkripsiyonundaki hassas bilgileri yeniden düzenler. Azure OpenAI, çağrı merkezi verimliliğini ve müşteri memnuniyetini artırmak için müşteri konuşmasından içgörüler ayıklar. Dökümü alınmış metinleri işlemek, hassas bilgileri tanımak ve kaldırmak ve aramanın nedeni, sağlanan veya olmayan çözüm, aramanın yaklaşımı, sorguların/müşteri şikayetlerinin sayısına bağlı olarak ürün /hizmet teklifini listeleme gibi ayıklama işlemleri üzerinde analiz gerçekleştirmek için bu çözümü kullanın. Kayıtlı verilerin hacmini karşılamak için hizmetleri ve işlem hattını ölçeklendirin.

Olası kullanım örnekleri

Bu çözüm, müşteri destek aracılarına sahip birden çok sektördeki kuruluşlara değer sağlar. Çağrı sonrası analiz, şirketin ürün ve hizmetlerinin geliştirilmesine ve müşteri destek sistemlerinin verimliliğinin artırılmasına yardımcı olabilir. Çözüm, müşteriye yönelik aracılar, iç çağrı merkezleri veya destek masaları dahil olmak üzere konuşmaları kaydeden tüm kuruluşlar için geçerlidir.

Dikkat edilmesi gereken noktalar

Bu önemli noktalar, bir iş yükünün kalitesini artırmak için kullanabileceğiniz bir dizi yol gösteren ilke olan Azure İyi Tasarlanmış Çerçeve'nin yapı taşlarını uygular. Daha fazla bilgi için bkz. Well-Architected Framework.

Güvenilirlik

Güvenilirlik, uygulamanızın müşterilerinize sağladığınız taahhütleri karşılayabilmesine yardımcı olur. Daha fazla bilgi için bkz . Güvenilirlik için tasarım gözden geçirme denetim listesi.

çevrimiçi hizmetler için SLA'larda her bileşen için kullanılabilirlik hizmet düzeyi sözleşmesini (SLA) bulun.
Depolama hesaplarıyla yüksek kullanılabilirlik uygulamaları tasarlamak için yapılandırma seçeneklerine bakın.
Bu senaryoda işlem hizmetlerinin ve veri depolarının dayanıklılığını sağlamak için Azure İşlevleri ve Depolama gibi hizmetler için hata modunu kullanın. Daha fazla bilgi için bkz . Azure hizmetleri için dayanıklılık denetim listesi.

Güvenlik

Güvenlik, kasıtlı saldırılara ve değerli verilerinizin ve sistemlerinizin kötüye kullanımına karşı güvence sağlar. Daha fazla bilgi için bkz . Güvenlik için tasarım gözden geçirme denetim listesi.

Blob Depolama, AI hizmetleri ve Azure OpenAI için veri koruma, kimlik ve erişim yönetimi ile ağ güvenliği önerileri uygulayın.
Yapay zeka hizmetleri sanal ağlarını yapılandırın.

Maliyet İyileştirmesi

Maliyet İyileştirme, gereksiz giderleri azaltmanın ve operasyonel verimlilikleri iyileştirmenin yollarına odaklanır. Daha fazla bilgi için bkz . Maliyet İyileştirme için tasarım gözden geçirme denetim listesi.

Bu çözümün toplam maliyeti, hizmetlerinizin fiyatlandırma katmanına bağlıdır. Her bileşenin fiyatını etkileyebilecek faktörler şunlardır:

İşlediğiniz belge sayısı.
Uygulamanızın aldığı eşzamanlı istek sayısı.
İşledikten sonra depoladığınız verilerin boyutu.
Dağıtım bölgeniz.

Daha fazla bilgi edinmek için aşağıdaki kaynaklara bakın:

Çözüm maliyetinizi tahmin etmek için Azure fiyatlandırma hesaplayıcısını kullanın.

Performans Verimliliği

Performans Verimliliği, iş yükünüzün kullanıcı taleplerini verimli bir şekilde karşılayacak şekilde ölçeklendirebilmesini ifade eder. Daha fazla bilgi için bkz . Performans Verimliliği için tasarım gözden geçirme denetim listesi.

Yüksek hacimli veriler işlendiğinde performans sorunlarını ortaya çıkarabilir. Düzgün performans verimliliği sağlamak için, yapay zeka hizmetleri otomatik ölçeklendirme özelliğiyle kullanılacak ölçeklendirme seçeneklerini anlayın ve planlayın.

Toplu konuşma API'si yüksek birimler için tasarlanmıştır, ancak abonelik katmanına bağlı olarak diğer yapay zeka hizmetleri API'lerinin istek sınırları olabilir. Büyük hacimli işlemeyi yavaşlatmak için yapay zeka hizmetleri API'lerini kapsayıcılı hale getirmeyi göz önünde bulundurun. Kapsayıcılar, bulutta ve şirket içinde dağıtım esnekliği sağlar. Kapsayıcıları kullanarak yeni sürüm dağıtımlarının yan etkilerini azaltın. Daha fazla bilgi için bkz . Yapay zeka hizmetlerinde kapsayıcı desteği.

Katkıda Bulunanlar

Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.

Asıl yazarlar:

Dixit Arora | Kıdemli Müşteri Mühendisi, ISV DN CoE
Jyotsna Ravi | Baş Müşteri Mühendisi, ISV DN CoE

Genel olmayan LinkedIn profillerini görmek için LinkedIn'de oturum açın.

Sonraki adımlar

Özel dil ve akustik modeller oluşturma