Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Análisis de conversaciones en Amazon Connect Contact Lens
Con el análisis Contact Lens conversacional, puede analizar las conversaciones entre clientes y agentes o entre clientes y la IA conversacional, a través de voz, chat y correo electrónico, mediante el procesamiento del lenguaje natural. El análisis de las conversaciones realiza análisis de opinión, detecta problemas y habilita la categorización automática de los contactos.
**Compatibilidad con el análisis de voz**
+ **Análisis de llamadas en tiempo real**: se utiliza para detectar y resolver los problemas de los clientes de forma más proactiva mientras la llamada está en curso. Por ejemplo, puede [analizar y alertarle](add-rules-for-alerts.md) cuando un cliente se frustra porque el agente es incapaz de resolver un problema complicado. Esto le permite proporcionar una asistencia más inmediata.
+ **Análisis posteriores a las llamadas**: utilícelo para comprender las tendencias de las conversaciones con los clientes, las interacciones de autoservicio y el cumplimiento de las normas por parte de los agentes. Esto le ayuda a identificar oportunidades para mejorar la IA conversacional y a capacitar a los agentes después de la llamada.
**Compatibilidad con análisis de chat**
+ **Análisis del chat en tiempo real**: de igual modo que con el análisis de llamadas en tiempo real, puede detectar y resolver los problemas de los clientes de forma más proactiva mientras el chat está activo y [recibir una alerta](add-rules-for-alerts-chat.md). Por ejemplo, los administradores pueden recibir una alerta por correo electrónico en tiempo real cuando la opinión de los clientes sobre un contacto del chat se vuelve negativa, lo que les permite unirse al contacto activo y ayudar a resolver el problema del cliente.
+ **Análisis posterior al chat**: se utiliza para comprender las tendencias de las conversaciones de los clientes tanto con los bots como con los agentes. Proporciona información específica de una interacción de chat, como el tiempo de saludo del agente y los tiempos de respuesta del agente y del cliente. Los tiempos de respuesta y las opiniones lo ayudan a investigar la experiencia del cliente con el bot frente a la del agente y a identificar áreas de mejora.
+ Cada mensaje de chat procesado se carga de la misma forma. Si bien puede que no todos los mensajes tengan todas las características aplicadas (por ejemplo, el resumen solo se aplica a los mensajes de `text/plain`), si el análisis de conversación de Contact Lens está activado en el contacto, el mensaje se incluye en la facturación. Para obtener más información acerca de los precios, consulte [Precios de Amazon Connect](https://aws.amazon.com/connect/pricing/).
**Soporte de análisis de correo electrónico**
+ **Análisis del correo electrónico**: se utiliza para analizar las conversaciones por correo electrónico entre clientes y agentes. Contact Lensclasifica automáticamente los contactos de correo electrónico, redacta los datos confidenciales de las transcripciones de los correos electrónicos y genera resúmenes de contactos. Esto le ayuda a comprender las tendencias de las conversaciones por correo electrónico y a garantizar el cumplimiento en todo su canal de correo electrónico.
+ Como los contactos de correo electrónico son asíncronos y los participantes actúan a la vez, la distinción entre tiempo real y posterior al contacto que se aplica a la voz y al chat no se aplica al correo electrónico. El análisis del correo electrónico se inicia tan pronto como [Bloque de flujo en Amazon Connect: establece el comportamiento de grabación, análisis y procesamiento](set-recording-analytics-processing-behavior.md) se utiliza para recibir o enviar un contacto de correo electrónico.
Puede proteger la privacidad de sus clientes si elimina los datos confidenciales, como el nombre, la dirección y la información de la tarjeta de crédito de las transcripciones y las grabaciones de audio.
## Ejemplo de página de datos de contacto para una llamada
En la siguiente imagen se muestra el análisis de conversaciones de una llamada de voz. Observe que incluye métricas de **Tiempo de conversación**.
![\[Un ejemplo de página de datos de contacto con métricas de tiempo de conversación.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-contactdetails-call1b.png)
1. **Tendencia de la opinión de los clientes**: este gráfico muestra cómo cambia la opinión de los clientes a medida que avanza el contacto. Para obtener más información, consulte [Investigación de las puntuaciones de opinión](sentiment-scores.md).
1. **Opinión del cliente**: este gráfico muestra la distribución de la opinión de los clientes durante toda la llamada. Se calcula contando el número total de turnos de conversación o mensajes de chat en los que un cliente ha expresado opiniones positivas, neutrales y negativas.
1. **Tiempo de conversación**: este gráfico muestra la distribución del tiempo de conversación y el tiempo sin conversación durante toda la llamada. El tiempo de conversación se divide a su vez entre el tiempo de conversación del agente y el tiempo de conversación del cliente.
En la siguiente imagen se muestra la siguiente sección de la página **Datos de contacto** de una llamada de voz: el análisis de audio y la transcripción. Observe que la información de identificación personal (PII) se ha [suprimido de la transcripción](sensitive-data-redaction.md).
![\[El análisis de audio y la transcripción del contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-contactdetails-call2b.png)
## Ejemplo de página de datos de contacto para un análisis de chat en tiempo real
En la siguiente imagen se muestra el análisis de conversaciones de un chat en tiempo real. Tenga en cuenta que incluye los aspectos más destacados y la opinión de los clientes.
![\[Una página de datos de contacto con análisis de conversaciones de un chat en tiempo real.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-realtime-chat.png)
## Ejemplo de página de datos de contacto para un análisis posterior al chat
En la siguiente imagen se muestran los análisis posteriores al chat. Observe que incluye métricas de respuesta del chat, como **Tiempo de saludo del agente** (el tiempo que transcurre desde que el agente se une al chat hasta que envía la primera respuesta), **Tiempo de respuesta del cliente** y **Tiempo de respuesta del agente**.
![\[Una página de datos de contacto con resumen y análisis de conversaciones de un chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
En la siguiente imagen se muestra la siguiente sección de la página **Datos de contacto** de un chat: el análisis de audio y la transcripción. Observe que puede investigar la interacción del cliente con un bot frente a la del agente.
![\[La página de datos de contacto, el análisis de la interacción y la transcripción para un chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-contactdetails-chat2b.png)
## Ejemplo de página de detalles de contacto para el análisis del correo electrónico
La siguiente imagen muestra el análisis conversacional de un contacto de correo electrónico. El análisis del correo electrónico incluye la categorización, la redacción de datos confidenciales y los resúmenes de los contactos. Como los contactos de correo electrónico son asíncronos, no hay análisis ni puntuaciones de opinión en tiempo real.
![\[Un ejemplo de página de detalles de contacto con análisis conversacionales para un contacto de correo electrónico.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-contactdetails-email.png)
# Activación del análisis de conversación en Amazon Connect Contact Lens
Para activar el análisis de conversación de Contact Lens, tan solo debe seguir unos pocos pasos:
1. Active Contact Lens en su instancia de Amazon Connect.
1. Agrega un [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) bloque a un flujo y configúralo para habilitar el análisis conversacional para voz, chat, correo electrónico o una combinación de canales.
La siguiente imagen muestra un bloque que está configurado para la grabación de llamadas y el análisis de voz. La opción **Grabación de llamadas** está establecida a **Agente y cliente**. En la sección de **análisis**, se seleccionan las opciones para las interacciones automatizadas y las interacciones entre los agentes.
![\[La página de propiedades de un bloque de establecimiento de grabación y comportamiento de análisis.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/set-recording-and-analytics-behavior.png)
Los procedimientos de este tema describen los pasos para habilitar el análisis conversacional de las llamadas, los chats o los correos electrónicos.
**Topics**
+ [Cosas importantes que debe saber](#important-set-behaviorblock)
+ [Activación de Contact Lens en su instancia de Amazon Connect.](#enable-cl)
+ [Habilitación de la grabación de llamadas y el análisis de voz](#enable-callrecording-speechanalytics)
+ [Habilitación del análisis de chat](#enable-chatanalytics)
+ [Habilite el análisis del correo electrónico](#enable-emailanalytics)
+ [Habilitación de la supresión](#enable-redaction)
+ [Revisión de la supresión para comprobar su exactitud](#review-sensitive-data-redaction)
+ [Deshabilitación del análisis de opiniones](#disable-sentiment-analysis-voice-and-chat)
+ [Cómo habilitar la censura de forma dinámica en función del idioma del cliente](#dynamically-enable-analytics-contact-flow)
+ [Diseño de un flujo para los aspectos más destacados](#call-summarization-agent)
+ [¿Qué ocurre si el bloque de flujo no habilita el análisis de la conversación?](#troubleshoot-contactlens-enablement)
+ [Llamadas de varios participantes](#multiparty-calls-contactlens)
## Cosas importantes que debe saber
+ **Recopile datos después de transferir un contacto**: si desea seguir utilizando el análisis de conversación para recopilar datos después de transferir un contacto a otro agente o cola, deberá agregar otro bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) con la opción **Habilitar análisis** habilitada para el flujo. Esto se debe a que una transferencia genera un segundo ID de contacto y registro de contacto. El análisis de conversaciones también debe ejecutarse en ese registro de contacto.
**nota**
En el [queue-to-queuecaso de las transferencias](queue-to-queue-transfer.md), la información de configuración del análisis conversacional se copia en el contacto transferido.
+ Si eliges un idioma compatible con el análisis de opiniones y seleccionas Activar el análisis de **Contact Lensvoz, Activar el análisis del** **chat o Activar el análisis** **del correo electrónico** en el [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) bloque, el análisis de opiniones se habilita de forma predeterminada. Puede optar por [deshabilitar el análisis de opiniones](#disable-sentiment-analysis-voice-and-chat).
+ El lugar en el que se coloca el bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) en un flujo afecta a la experiencia del agente con los aspectos más destacados. Para obtener más información, consulte [Diseño de un flujo para los aspectos más destacados](#call-summarization-agent).
## Activación de Contact Lens en su instancia de Amazon Connect.
Antes de activar el análisis de conversación, debe habilitar Contact Lens para su instancia.
1. Abra la consola Amazon Connect en [https://console.aws.amazon.com/connect/](https://console.aws.amazon.com/connect/).
1. En la página de instancias, elija el alias de instancia. El alias de instancia también es su **nombre de instancia**, que aparece en su URL de Amazon Connect. En la siguiente imagen se muestra la página de **instancias del centro de contacto virtual de Amazon Connect**, con un recuadro alrededor del alias de instancia.
![\[Página de instancias del centro de contacto virtual de Amazon Connect, alias de instancia.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/instance.png)
1. En la consola de Amazon Connect, en el panel de navegación, seleccione **Herramientas de análisis** y, a continuación, **Habilitar Contact Lens**.
1. Seleccione **Save**.
## Habilitación de la grabación de llamadas y el análisis de voz
Después de habilitar Contact Lens para la instancia, puede agregar bloques de [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) a los flujos. Después, habilite el análisis de conversación al configurar el bloque **Establezca el comportamiento para las grabaciones y los análisis**.
1. En el diseñador de flujos, agregue un bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) a su flujo.
Para obtener información sobre los tipos de flujo que puede utilizar con este bloque y otros consejos, consulte [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md).
1. Abra la página de propiedades **Establezca el comportamiento para las grabaciones y los análisis**. En **Registros de llamada**, elija **El**, **Agente y cliente**.
Las grabaciones de las llamadas tanto de los agentes como de los clientes son necesarias con el fin de utilizar el análisis de conversación para los contactos de voz.
1. En **Análisis**, elija **Habilitar análisis de conversación de Contact Lens**, **Habilitar análisis de voz**.
Si no ve esta opción, Amazon Connect Contact Lens no se habrá activado para su instancia. Para obtener instrucciones sobre cómo habilitarlo, consulte [Activación de Contact Lens en su instancia de Amazon Connect.](#enable-cl).
1. Seleccione una de las siguientes opciones:
1. **Análisis posterior a la llamada**: Contact Lens analiza la grabación de la llamada cuando la conversación y el trabajo después del contacto (ACW) hayan finalizado. Esta opción proporciona la mejor precisión de transcripción.
1. **Análisis en tiempo real**: Contact Lens proporciona tanto información en tiempo real durante la llamada como análisis posteriores a la llamada, cuando la conversación y el trabajo después del contacto (ACW) han finalizado.
Si elige esta opción, le recomendamos que configure alertas basadas en palabras clave y frases que el cliente pueda pronunciar durante la llamada. Contact Lens analiza la conversación en tiempo real para detectar las palabras o frases clave especificadas y alerta a los supervisores. A partir de ahí, los supervisores pueden escuchar la llamada en directo y orientar al agente para ayudarlo a resolver el problema con mayor rapidez.
Para obtener información acerca de la configuración de las alertas, consulte [Alertas de llamadas para los supervisores en tiempo real](add-rules-for-alerts.md).
Si su instancia se creó antes de octubre de 2018, se necesita una configuración adicional para acceder al análisis de llamadas en tiempo real. Para obtener más información, consulte [Permisos de roles vinculados a servicios](connect-slr.md#slr-permissions).
1. Elija de entre la [lista de idiomas disponibles](supported-languages.md#supported-languages-contact-lens).
Para obtener instrucciones sobre cómo especificar el idioma de forma dinámica, consulte [Cómo habilitar la censura de forma dinámica en función del idioma del cliente](#dynamically-enable-analytics-contact-flow).
1. Opcionalmente, habilite la supresión de datos confidenciales. Para obtener más información, consulte la siguiente sección, [Habilitación de la supresión](#enable-redaction).
1. Seleccione **Save**.
1. Si el contacto se va a transferir a otro agente o cola, repita estos pasos para agregar otro bloque de [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) con **Habilitar Contact Lens para el análisis de conversación** activado.
## Habilitación del análisis de chat
1. En el bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md), en **Análisis**, elija **Habilitar Contact Lens para el análisis de conversación** y **Habilitar análisis de chat**.
**nota**
Si elige esta opción, recibirá el análisis en tiempo real y el posterior al chat.
Si no ve esta opción, Amazon Connect Contact Lens no se habrá activado para su instancia. Para obtener instrucciones sobre cómo habilitarlo, consulte [Activación de Contact Lens en su instancia de Amazon Connect.](#enable-cl).
1. Elija de entre la [lista de idiomas disponibles](supported-languages.md#supported-languages-contact-lens).
Para obtener instrucciones sobre cómo elegir el idioma y la censura de forma dinámica, consulte [Cómo habilitar la censura de forma dinámica en función del idioma del cliente](#dynamically-enable-analytics-contact-flow).
1. Opcionalmente, habilite la supresión de datos confidenciales. Para obtener más información, consulte la siguiente sección, [Habilitación de la supresión](#enable-redaction).
1. Seleccione **Save**.
1. Si el contacto se va a transferir a otro agente o cola, repita estos pasos para agregar otro bloque de [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) con **Habilitar Contact Lens para el análisis de conversación** activado.
## Habilite el análisis del correo electrónico
Puede habilitar el análisis Contact Lens conversacional para los contactos de correo electrónico para categorizar automáticamente los correos electrónicos, redactar datos confidenciales y generar resúmenes de contactos.
1. En el diseñador de flujos, añade un [Configure el comportamiento de registro, análisis y procesamiento](set-recording-analytics-processing-behavior.md) bloque a tu flujo de correo entrante. Coloca el bloqueo antes de que el contacto de correo electrónico se dirija a una cola o a un agente.
1. Abre las propiedades del bloque. En **Acción**, elija **Establecer el comportamiento de registro y análisis**.
1. En **Canal**, selecciona **Correo electrónico**.
1. En **Análisis**, selecciona **Habilitar el análisis Contact Lens conversacional y Habilitar el análisis** **del correo electrónico**.
Si no ve esta opción, Amazon Connect Contact Lens no se habrá activado para su instancia. Para obtener instrucciones sobre cómo habilitarlo, consulte [Activación de Contact Lens en su instancia de Amazon Connect.](#enable-cl).
1. Elija de entre la [lista de idiomas disponibles](supported-languages.md#supported-languages-contact-lens).
1. Opcionalmente, habilite la supresión de datos confidenciales. Para obtener más información, consulte [Habilitación de la supresión](#enable-redaction).
1. Si lo desea, en **Capacidades de IA generadora de lentes de contacto**, active el **resumen de contactos** para generar resúmenes para los contactos de correo electrónico.
1. Seleccione **Save**.
1. Si el contacto de correo electrónico se va a transferir a otro agente o cola, repite estos pasos para añadir otro [Configure el comportamiento de registro, análisis y procesamiento](set-recording-analytics-processing-behavior.md) bloque con la **opción Activar el análisis conversacional Contact Lens activada**.
## Habilitación de la supresión de datos confidenciales
Al configurar el bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) para el análisis de conversación, también tiene la opción de habilitar la censura de datos confidenciales en un flujo. Cuando se habilita la supresión, puede elegir entre las siguientes opciones:
+ Suprimir todos los datos de información de identificación personal (PII) (se admiten todas las entidades PII).
+ Elija qué entidades de PII desea suprimir de la lista de entidades admitidas.
Si acepta la configuración predeterminada, el análisis de conversación de Contact Lens suprime toda la información de identificación personal (PII) que identifica y la reemplaza por **[PII]** en la transcripción. En la siguiente imagen se muestra la configuración predeterminada porque se han seleccionado estas opciones: **Redactar datos confidenciales**, **Redactar todos los datos PII** y **Reemplazar por PII del marcador de posición**.
![\[La configuración predeterminada para la supresión de datos confidenciales.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-enable-redaction-default.png)
### Selección de entidades PII para supresión
En la sección **Redacción de datos**, puede seleccionar entidades específicas de PII para suprimirlas. En la siguiente imagen se muestra que **Número de tarjeta de crédito/débito** se va a suprimir.
![\[La sección de supresión de datos, una lista de entidades que puede suprimir.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-select-entities-to-redact.png)
### Elección del reemplazo de la supresión de datos
En la sección **Reemplazo de la redacción de datos**, puede elegir la máscara que se utilizará como reemplazo de la supresión de datos. Por ejemplo, en la siguiente imagen, la opción **Reemplazar por PII del marcador de posición** indica que **PII** reemplazará los datos.
![\[La opción de reemplazar los datos por PII.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-dataredactionreplacement.png)
Para obtener información sobre cómo usar la supresión, consulte [Uso de la supresión de datos confidenciales](sensitive-data-redaction.md).
## Revisión de la supresión de datos confidenciales para comprobar su exactitud
La característica de supresión está diseñada para identificar y eliminar datos confidenciales. No obstante, debido a la naturaleza predictiva del machine learning, es posible que no identifique ni elimine todos los casos de datos confidenciales en una transcripción generada por Contact Lens. Le recomendamos que revise los resultados de la supresión para asegurarse de que satisfacen sus necesidades.
**importante**
La característica de supresión no cumple los requisitos para la desidentificación según las leyes de privacidad médica como la Ley de Portabilidad y Responsabilidad de Seguros Médicos de 1996 (HIPAA), por lo que le recomendamos que siga tratándola como información sanitaria protegida después de la supresión.
Para conocer la ubicación de los archivos suprimidos y ver ejemplos, consulte [Ubicaciones de archivos de salida](example-contact-lens-output-locations.md).
## Deshabilitación del análisis de opiniones
Si elige un idioma compatible con el análisis de opiniones Y selecciona **Habilitar análisis de voz** o **Habilitar análisis de chat**, el análisis de opiniones se activa de forma predeterminada para todos los agentes y clientes. Para ver una lista de los idiomas compatibles con el análisis de opiniones, consulte [Características de IA](supported-languages.md#supported-languages-contact-lens).
En la siguiente imagen se muestra la opción de análisis de opiniones activada en el bloque **Establezca el comportamiento para las grabaciones y los análisis**.
![\[La opción de análisis de opiniones cuando está activada.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/sentiment-analysis-enabled.png)
En la siguiente imagen se muestra un idioma que no es compatible con el análisis de opiniones. Recomendamos abrir la sección **Opinión** para comprobar si está activada o desactivada.
![\[La opción de análisis de opiniones cuando está desactivada porque el idioma no es compatible.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/sentiment-analysis-verify.png)
Para deshabilitar el análisis de opiniones para todos los agentes y clientes, desmarque la opción **Activar el análisis de opiniones**, tal como se muestra en la siguiente imagen.
![\[La opción de análisis de opiniones cuando está desactivada.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/sentiment-analysis-disabled.png)
## Cómo habilitar la censura de forma dinámica en función del idioma del cliente
Puede habilitar la censura de los archivos de salida de forma dinámica en función del idioma del cliente. Por ejemplo, en el caso de los clientes que utilicen en-US, es posible que solo desee un archivo con supresión, mientras que en el caso de los que utilicen en-GB, es posible que desee tanto el archivo de salida original como el de supresión.
+ Supresión: elija una de las siguientes opciones (distinguen entre mayúsculas y minúsculas)
+ Ninguno
+ RedactedOnly
+ RedactedAndOriginal
+ Idioma: elija en la [lista de idiomas disponibles](supported-languages.md#supported-languages-contact-lens).
Puede establecer estos atributos de una de las siguientes formas:
+ Definido por el usuario: utilice un bloque **Establecer atributos de contacto**. Para obtener instrucciones generales sobre el uso de este bloque, consulte [Cómo hacer referencia a atributos de contacto](how-to-reference-attributes.md). Defina la **clave de destino** y el **valor** para la supresión y el idioma, según sea necesario.
En la siguiente imagen se muestra un ejemplo de cómo puede configurar el bloque **Establecer atributos de contacto** para utilizar atributos de contacto para la supresión. **Elige la opción **Usar texto**, establece la **clave de destino** en **redaction\$1option** y establece Valor en. **RedactedAndOriginal****
**nota**
En **Valor** se distingue entre mayúsculas y minúsculas.
![\[El bloque de establecimiento de atributos de contacto, la opción de utilizar texto, el valor distingue entre mayúsculas y minúsculas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction1.png)
En la siguiente imagen se muestra cómo utilizar los atributos de contacto para el idioma. Elija la opción Usar texto, establezca Clave de destino a language y **Valor** a **en-US**.
![\[El bloque de establecimiento de atributos de contacto, la opción de utilizar texto, el valor distingue entre mayúsculas y minúsculas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction2.png)
+ [Utilizar una función de Lambda](attribs-with-lambda.md). Es similar a cómo se establecen los atributos de contacto definidos por el usuario. Una función de AWS Lambda puede devolver el resultado como un par clave-valor, dependiendo del lenguaje de la respuesta de Lambda. En el siguiente ejemplo se muestra una respuesta Lambda en JSON:
```
{
'redaction_option': 'RedactedOnly',
'language': 'en-US'
}
```
## Diseño de un flujo para los aspectos más destacados
Los agentes pueden ver las transcripciones mediante el Panel de control de contactos (CCP) en función de si el análisis conversacional está habilitado en el flujo entrante, es decir, en un [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) flujo de transferencia. and/or
En esta sección, se presentan tres casos de uso para habilitar el análisis de la conversación en el bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) y se describe cómo afectan a la experiencia del agente con los aspectos destacados.
### Caso de uso 1: se habilita el análisis de la conversación solo en un flujo de entrada
+ Un contacto entra en el flujo entrante y no hay transferencias de llamada. A continuación, se ofrece la experiencia del agente:
El agente recibe la transcripción completa durante el trabajo después del contacto (ACW). La transcripción incluye todo lo que han dicho el agente y el cliente desde el momento en que el agente acepta la llamada inicial hasta que la llamada ha finalizado, como se muestra en la siguiente imagen.
![\[El panel de control de contacto, la transcripción de la conversación.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use1.png)
+ Un contacto introduce el flujo de entrada y se produce una transferencia de llamada. A continuación, se ofrece la experiencia del agente:
+ El agente 1 recibe una transcripción de la llamada al finalizar la transferencia, durante el conference/warm ACW.
La transcripción incluye todo lo dicho por el agente 1 y el cliente, desde el momento en que el agente acepta la llamada inicial hasta que el agente 1 abandona la parte de conference/warm transferencia de la llamada. La transcripción incluye los mensajes de flujo (transferencia o flujo de cola), como se muestra en la siguiente imagen.
![\[El mensaje de transferencia de flujo de la transcripción.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use2.png)
+ El agente 2 recibe una transcripción de la llamada al momento de aceptar la llamada conference/warm transferida del agente 1.
La transcripción incluye todo lo dicho por el agente 1 y el cliente, desde el momento en que el agente 1 acepta la llamada inicial hasta que el agente 1 abandona la parte de conference/warm transferencia de la llamada. La transcripción incluye los mensajes de flujo (transferencia o flujo de cola) y la conversación de transferencia en caliente, como se muestra en la siguiente imagen.
![\[La transcripción, el mensaje de transferencia de flujo y la transferencia en caliente entre dos agentes.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use2b.png)
Como el análisis de la conversación no está habilitado en el flujo de transferencia, el agente 2 no ve el resto de la transcripción cuando la llamada ha finalizado y pasa a ACW. En la siguiente imagen del ACW para el agente 2 se muestra que la transcripción está vacía.
![\[Una transcripción vacía.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use2c.png)
### Caso de uso 2: se habilita el análisis de la conversación en un flujo de entrada y en un flujo de transferencia (conexión rápida)
+ Un contacto entra en el flujo entrante y no hay transferencias de llamada. A continuación, se ofrece la experiencia del agente:
+ El agente 1 recibe una transcripción completa de la llamada (sin supresiones) durante el ACW.
La transcripción incluye todo lo que han dicho el agente 1 y el cliente desde el momento en que el agente acepta la llamada hasta que la llamada ha finalizado. Esto se muestra en la siguiente imagen del CCP para el agente 1.
![\[El CCP del agente 1, una transcripción completa de la llamada.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use3.png)
+ Un contacto introduce el flujo de entrada y se produce una transferencia de llamada. A continuación, se ofrece la experiencia del agente:
+ El agente 1 recibe una transcripción de la llamada al finalizar la conference/warm transferencia, durante el ACW.
La transcripción incluye todo lo dicho por el agente 1 y el cliente desde el momento en que el agente 1 acepta la llamada hasta que el agente 1 abandona la parte de conference/warm transferencia de la llamada. La transcripción incluye mensajes de flujo (transferencia o flujo de cola).
En la siguiente imagen se muestra la transcripción completa de la llamada hasta la transferencia en caliente.
![\[Una transcripción completa de la llamada hasta que el agente 1 abandona la conferencia.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use2b.png)
+ El agente 2 recibe una transcripción de la llamada al momento de aceptar la llamada conference/warm transferida del agente 1.
La transcripción incluye todo lo dicho por el agente 1 y el cliente, desde el momento en que el agente 1 acepta la llamada hasta que el agente 1 abandona la parte de conference/warm transferencia de la llamada. La transcripción incluye mensajes de flujo (transferencia o flujo de cola).
+ Como el análisis de la conversación está habilitado en el flujo de transferencia, el agente 2 recibe una transcripción de la llamada una vez finalizada esta, durante el ACW.
La transcripción incluye solo la parte restante de la llamada entre el agente 2 y el cliente, después de que el agente 1 haya abandonado la llamada. La transcripción incluye todo lo que han dicho el agente 2 y el cliente desde el momento de la conferencia o la transferencia en caliente hasta que ha finalizado la llamada. En la siguiente imagen se muestra una transcripción de ejemplo.
![\[Transcripción de la llamada entre el agente 2 y el cliente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-summarization-use3b.png)
## ¿Qué ocurre si el bloque de flujo no habilita el análisis de la conversación?
Es posible que el bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) no pueda habilitar el análisis de la conversación en un contacto. Si el análisis de la conversación no está habilitado para un contacto, [compruebe los registros de flujo](search-contact-flow-logs.md) en busca del error.
## Llamadas de varios participantes y análisis de la conversación
El análisis de conversación de Contact Lens admite llamadas con hasta dos participantes. Por ejemplo, si hay más de dos interlocutores (agente y cliente) en una llamada, o esta se transfiere a un tercero, la calidad de la transcripción y los análisis, como la opinión, la supresión y las categorías, entre otros, pueden deteriorarse. Le recomendamos que desactive el análisis de la conversación para las llamadas de varios participantes o con terceros si hay más de dos interlocutores (agente y cliente). Para ello, añada otro bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) al flujo y desactive el análisis de conversación. Para obtener más información sobre el comportamiento del bloque de flujo, consulte [Sugerencias de configuración](set-recording-behavior.md#set-recording-behavior-tips).
# Asignación de permisos para usar el análisis de conversación de Contact Lens en Amazon Connect
Para proteger los datos de los clientes, establezca permisos de perfil de seguridad para determinar quién puede acceder a la información que genera el análisis de conversación de Contact Lens.
A continuación, se describen los permisos de perfil de seguridad necesarios, así como algunos permisos que es útil tener, pero que no son obligatorios. Algunos de ellos son permisos de búsqueda, que se necesitan para poder encontrar los contactos que desea analizar. No son específicos del análisis de conversación de Contact Lens.
## Permisos de análisis de conversación
+ **Contact Lens: análisis de conversación**
+ En la página **Datos de contacto**, puede ver gráficos que resumen los análisis de conversación (opinión del cliente, tiempo de conversación para los contactos de voz), así como matices de opinión para cada turno de conversación en las transcripciones y las grabaciones. Por ejemplo, en la siguiente imagen se muestra cómo aparece esta información en la página **Datos de contacto** de un contacto de voz.
El permiso **Contact Lens - análisis de conversación - Vista** también es necesario para ver los indicadores de opinión en las grabaciones y transcripciones de las conversaciones.
![\[Gráficos en la página de datos de contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission.png)
![\[Gráficos en la página de datos de contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission-2.png)
+ **Grabaciones de llamadas (sin editar)**
En las páginas **Datos de contacto** y **Búsqueda de contactos** de un contacto, consulte las grabaciones de audio sin editar.
+ **Grabaciones de llamadas (editadas)**
En las páginas **Datos de contacto** y **Búsqueda de contactos** de un contacto, escuche las grabaciones de llamadas en las que se ha editado información confidencial.
+ **Transcripciones de contactos (sin editar)**
En las páginas **Datos de contacto** y **Búsqueda de contactos** de un contacto, consulte las conversaciones de chat y correo electrónico sin editar y las transcripciones de voz sin editar producidas por Contact Lens.
+ **Transcripciones de contactos (editadas)**
En las páginas **Datos de contacto** y **Búsqueda de contactos** de un contacto, vea las transcripciones de chat y voz en las que se han editado información confidencial.
**importante**
Si tiene permisos para:
**Transcripciones de contactos (sin editar) - Acceso** y **Transcripciones de contacto (editadas) - Acceso**
–O BIEN–
**Grabaciones de llamadas (sin editar) - Acceso** y **Grabaciones de llamadas (editadas) - Acceso**
Tenga en cuenta el siguiente comportamiento:
Si la edición está habilitada en el flujo, el contenido editado se mostrará en las páginas **Datos de contacto** y **Búsqueda de contactos**.
Si la edición está deshabilitada en el flujo o Contact Lens no analiza el contacto, el contenido no editado se muestra en las páginas **Datos de contacto** y **Búsqueda de contactos**.
No puede acceder al mismo tiempo a la versión con supresiones y sin supresiones de una conversación.
## Permisos de búsqueda
+ **Búsqueda de contactos**
Este permiso es necesario para poder acceder a la página **Búsqueda de contactos**, que es donde puede buscar contactos para poder revisar la grabación y la transcripción analizadas. Además, puede realizar búsquedas rápidas de texto completo en las transcripciones de las llamadas, así como búsquedas por puntuación de opinión y tiempo sin conversación.
+ **Ver mis contactos**
Este permiso es necesario si debe acceder a la página **Búsqueda de contactos**, revisar solo los contactos que ha gestionado y revisar la grabación y las transcripciones analizadas.
**importante**
Si se conceden los permisos **Búsqueda de contactos** y **Ver mis contactos**, el usuario tendrá acceso a todos los contactos.
+ **Buscar contactos por características de la conversación**
El análisis de conversación de Contact Lens no exige este permiso, pero es útil porque ofrece más opciones de búsqueda.
En la página **Búsqueda de contactos**:
+ Para los contactos de voz, puede acceder a filtros adicionales que le permiten devolver resultados por puntuación de opinión y tiempo sin conversación.
+ En el caso de los contactos de chat, puede acceder a un filtro adicional para buscar contactos por tiempo de respuesta.
+ Tanto para la voz como para el chat, puede buscar conversaciones que pertenezcan a categorías de contacto específicas.
Para obtener más información, consulte [Búsqueda de puntuación o cambio de opinión](search-conversations.md#sentiment-search), [Buscar tiempo sin conversación](search-conversations.md#nontalk-time-search) y [Búsqueda de una categoría de contacto](search-conversations.md#contact-category-search).
En la siguiente imagen se muestra la sección **Filtros** de la página **Búsqueda de contactos** y el menú desplegable **Filtros**. Los filtros con **CL** al lado solo están disponibles para los usuarios que tengan este permiso de perfil de seguridad.
![\[El menú desplegable Agregar filtros, filtros con CL a su lado.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-search-contact-category-3.png)
+ **Buscar contactos por palabras clave**
El análisis de conversación de Contact Lens no exige este permiso, pero es útil porque ofrece más opciones de búsqueda.
+ En la página **Búsqueda de contactos**, puede acceder a filtros adicionales que le permiten buscar contactos por **palabras o frases**, como “*gracias por su confianza*”. Para obtener más información, consulte [Búsqueda de palabras o frases](search-conversations.md#keyword-search).
![\[El menú desplegable Agregar filtros, el filtro de CL Palabras o frases.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
# Métricas de análisis de conversación en Amazon Connect
Las siguientes métricas se derivan del análisis de conversación de Contact Lens. Estas métricas solo están disponibles si [Contact Lens está habilitado para su instancia](enable-analytics.md#enable-cl) y el [análisis de conversación](enable-analytics.md#enable-callrecording-speechanalytics) está habilitado en el contacto.
Estas métricas se muestran en los informes de métricas históricas y en tiempo real. Para obtener instrucciones sobre cómo añadir estas métricas a su informe, consulte [Cómo crear un informe de métricas histórico](create-historical-metrics-report.md#historical-reports-howto-create).
Consulte también el [Panel de análisis de conversación de Contact Lens](contact-lens-conversational-analytics-dashboard.md) para ver datos de tendencias sobre los motivos de contacto a lo largo del tiempo.
## Porcentaje de tiempo de conversación del agente
Esta métrica mide el tiempo de conversación de un agente en una conversación de voz, expresado como porcentaje de la duración total de la conversación.
**Tipo de métrica**: porcentaje
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_TALK_TIME_AGENT`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: porcentaje de tiempo de conversación del agente
**Lógica de cálculo**:
+ Sumar todos los intervalos en los que un agente ha participado en una conversación (tiempo de conversación de agente).
+ Dividir la suma entre la duración total de la conversación.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Tiempo promedio de saludo del agente
Esta métrica representa el tiempo medio de primera respuesta de los agentes en el chat, lo que indica la rapidez con la que interactúan con los clientes tras unirse al chat.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_GREETING_TIME_AGENT`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: tiempo medio de saludo de los agentes
**Lógica de cálculo**:
+ Esta métrica se calcula dividiendo el tiempo total que tarda un agente en iniciar su primera respuesta entre el número de contactos de chat.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Promedio de interrupciones del agente
Esta métrica cuantifica la frecuencia media de las interrupciones de los agentes durante las interacciones con los clientes.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_INTERRUPTIONS_AGENT`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: promedio de interrupciones de los agentes
**Lógica de cálculo**:
+ Esta métrica se calcula al dividir el número total de interrupciones del agente entre el número total de contactos.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Tiempo promedio de interrupción del agente
Esta métrica mide el promedio de interrupciones totales del agente mientras habla con una persona.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_INTERRUPTION_TIME_AGENT`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: tiempo medio de interrupciones de los agentes
**Lógica de cálculo**:
+ Sumar los intervalos de interrupción de cada conversación.
+ Dividir la suma entre el número de conversaciones que han sufrido, al menos, una interrupción.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Promedio de tiempo de conversación del agente
Esta métrica mide el tiempo medio que un agente ha dedicado a hablar en una conversación.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_TALK_TIME_AGENT`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: tiempo medio de conversación de los agentes
**Lógica de cálculo**:
+ Sumar la duración de todos los intervalos durante los que el agente ha estado hablando.
+ Dividir la suma entre el número total de contactos.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Duración promedio de la conversación
Esta métrica mide la duración media de las conversaciones de los contactos de voz con los agentes.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_CONVERSATION_DURATION`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: duración media de la conversación
**Lógica de cálculo**:
+ Esta métrica mide el tiempo total transcurrido desde el inicio de la conversación hasta la última palabra pronunciada por el agente o el cliente.
+ A continuación, este valor se divide entre el número total de contactos para obtener una representación promedio del tiempo de conversación empleado en la llamada.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Tiempo promedio de conversación del cliente
Esta métrica mide el tiempo medio que un cliente ha dedicado a hablar en una conversación.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_TALK_TIME_CUSTOMER`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: tiempo medio de conversación de los clientes
**Lógica de cálculo**:
+ Sumar la duración de todos los intervalos durante los cuales el cliente ha estado hablando.
+ Dividir la suma entre el número total de contactos.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Tiempo promedio sin conversación
Esta métrica proporciona el promedio de tiempo sin conversación total en una conversación de voz. El tiempo sin conversación se refiere a la duración combinada del tiempo de espera y los periodos de silencio superiores a tres segundos, durante los cuales ni el agente ni el cliente mantienen una conversación.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_NON_TALK_TIME`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: promedio de tiempo sin conversación
**Lógica de cálculo**:
+ Sumar todos los intervalos en los que ambos participantes han permanecido en silencio.
+ Dividir la suma entre el número de contactos.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Tiempo promedio de conversación
Esta métrica mide el promedio de tiempo que se ha dedicado a hablar durante un contacto de voz, ya sea por parte del cliente o del agente.
**Tipo de métrica**: cadena (*hh:mm:ss*)
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_TALK_TIME`
**Cómo acceder a través del sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: promedio de tiempo de la conversación
**Lógica de cálculo**:
+ Sumar todos los intervalos en los que un agente, un cliente o ambos han participado en una conversación.
+ Dividir la suma entre el número total de contactos.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Porcentaje de tiempo de conversación del cliente
Esta métrica proporciona el tiempo de conversación de un cliente en una conversación de voz, que se expresa como un porcentaje de la duración total de la conversación.
**Tipo de métrica**: porcentaje
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_TALK_TIME_CUSTOMER`
**Cómo acceder mediante el sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: porcentaje de tiempo de conversación del cliente
**Lógica de cálculo**:
+ Sumar todos los intervalos en los que un cliente ha participado en una conversación.
+ Dividir la suma entre la duración total de la conversación.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Porcentaje de tiempo sin conversación
Tiempo sin conversación en una conversación de voz expresado como porcentaje de la duración total de la conversación.
**Tipo de métrica**: porcentaje
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_NON_TALK_TIME`
**Cómo acceder mediante el sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: porcentaje de tiempo sin conversación
**Lógica de cálculo**:
+ Sumar todos los intervalos en los que los participantes han permanecido en silencio (tiempo sin conversación).
+ Dividir la suma entre la duración total de la conversación.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
## Porcentaje de tiempo de conversación
Esta métrica proporciona el tiempo de conversación en una conversación de voz, expresado como un porcentaje de la duración total de la conversación.
**Tipo de métrica**: porcentaje
**Categoría de métrica**: métrica basada en el análisis de conversación
**Cómo acceder mediante la API de Amazon Connect**:
+ GetMetricDataIdentificador métrico de la API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_TALK_TIME`
**Cómo acceder mediante el sitio web Amazon Connect de administración**:
+ Informes de métricas históricas: porcentaje de tiempo de conversación
**Lógica de cálculo**:
+ Sumar todos los intervalos en los que un agente, un cliente o ambos han participado en una conversación (tiempo de conversación).
+ Dividir la suma entre la duración total de la conversación.
**Notas:**
+ Esta métrica solo está disponible para los contactos analizados mediante el análisis de conversación de Contact Lens.
# Tipos de notificación de Amazon Connect Contact Lens
Contact Lens ofrece los siguientes tipos de notificación:
+ Contact LensPublica una coincidencia de Call/Chat reglas: se publica un EventBridge evento cada vez que una Contact Lens regla coincide y se desencadena la acción de la EventBridge regla.
Este evento contiene información útil sobre la regla de Contact Lens que se ha desencadenado, incluida la categoría asignada y los datos del agente, el contacto y la cola.
+ Contact Lens Call/Chat Reglas coincidentes en tiempo real: se genera un EventBridge evento cada vez que una Contact Lens regla coincide y se activa en tiempo real.
Este evento contiene información útil sobre la regla de Contact Lens que se ha desencadenado, incluida la categoría asignada y los datos del agente, el contacto y la cola.
+ Contact LensCambio de estado del análisis: se EventBridge publica un evento cuando no Contact Lens se puede analizar la grabación de un contacto. El evento contiene el código de motivo del evento, que proporciona los detalles de por qué no se ha podido procesar la grabación.
Puede utilizar estos tipos de notificación en diversos escenarios. Por ejemplo, utilice los eventos de cambio de estado del Contact Lens análisis para señalar errores inesperados en el procesamiento de un archivo de contactos, donde los detalles del EventBridge evento se puedan almacenar posteriormente en un CloudWatch registro para su posterior revisión, activar flujos de trabajo adicionales o alertar a los equipos de soporte pertinentes para que investiguen más a fondo.
Los eventos de Contact Lens para el análisis de voz y chat habilitan numerosos casos de uso nuevos, como la aparición y visualización de información adicional, por ejemplo:
+ Generación de alertas cuando la opinión del cliente decaiga en tiempo real en todas las llamadas y chats
+ Agrupar e informar sobre cuestiones y temas recurrentes
+ Medir el impacto de la última campaña de marketing con la detección de cuántos clientes han hecho referencia a ella durante una llamada
+ Personalizar los estándares de cumplimiento de los agentes para cada región y línea de negocio, e inscribir a los agentes en formación adicional cuando sea necesario.
# Adición de vocabularios personalizados a Contact Lens mediante el sitio web de administración de Amazon Connect
Puede mejorar la precisión del reconocimiento de voz de los nombres de productos, las marcas y la terminología específica de un dominio ampliando y adaptando el vocabulario del speech-to-text motor. Contact Lens
En este tema se explica cómo añadir vocabularios personalizados mediante el sitio web de administración. Amazon Connect También puedes añadirlos con las teclas [CreateVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateVocabulary.html)y [AssociateDefaultVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateDefaultVocabulary.html) APIs.
## Lo que hay que saber sobre los vocabularios personalizados
+ Debe establecer un vocabulario como el **predeterminado** a fin de que se aplique a los análisis para generar transcripciones. En la siguiente imagen se muestra la página **Vocabularios personalizados**. Elija los puntos suspensivos y, a continuación, elija **Establecer como predeterminado**.
![\[La página de vocabularios personalizados, la ubicación de los puntos suspensivos, la opción de establecer como predeterminado.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-custom-vocab-default.png)
+ Puede aplicar un vocabulario por idioma a los análisis. Esto significa que solo un archivo por idioma puede encontrarse en el estado **Listo (predeterminado)**.
+ Puede cargar y activar más de 20 archivos de vocabulario. Puede activar los 20 archivos al mismo tiempo.
+ La transcripción es un evento único. Un vocabulario recién cargado no se aplica retroactivamente a las transcripciones existentes.
+ Su archivo de texto debe estar en formato LF. Si utiliza otro formato, como el formato CRLF, Amazon Transcribe no aceptará su vocabulario personalizado.
+ El archivo de vocabulario de muestra solo puede descargarse si elige una configuración de idioma inglés.
+ Para conocer los límites del tamaño de un archivo de vocabulario y otros requisitos, consulte [Vocabularios personalizados](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary.html) en la *Guía para desarrolladores de Amazon Transcribe*.
+ Los vocabularios personalizados se aplican solo al análisis de voz. No se aplican a las conversaciones de chat porque las transcripciones ya existen.
## Permisos necesarios
Para poder agregar vocabularios personalizados a Amazon Connect, necesita el permiso **Análisis y optimización**, **Contact Lens: vocabularios personalizados** asignado a su perfil de seguridad.
De forma predeterminada, en las nuevas instancias de Amazon Connect, el **administrador** y los perfiles de **CallCenterManager**seguridad tienen este permiso.
Para obtener información acerca de cómo agregar más permisos a un perfil de seguridad existente, consulte [Actualización de los perfiles de seguridad predeterminados en Amazon Connect](update-security-profiles.md).
## Agregar un vocabulario personalizado
1. Inicie sesión en Amazon Connect con una cuenta de usuario que disponga de los permisos necesarios para agregar vocabularios personalizados.
1. Vaya a **Análisis y optimización**, **Vocabularios personalizados**.
1. Seleccione **Agregar vocabulario personalizado**.
1. En la página **Agregar vocabulario personalizado**, introduzca un nombre para el vocabulario, elija el inglés y, a continuación, seleccione **Descargar un archivo de muestra**.
**nota**
El archivo de vocabulario de muestra solo puede descargarse si elige una configuración de idioma inglés. De lo contrario, aparecerá un mensaje de error, como se muestra en la siguiente imagen.
![\[El mensaje de error que indica que se ha producido un error al procesar el archivo de vocabulario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-custom-vocab-sample-error.png)
En la siguiente imagen se presenta el aspecto del archivo de vocabulario de muestra. El encabezado contiene `Phrase`, `IPA`, `SoundsLike` y `DisplayAs`. El encabezado es obligatorio.
![\[Un archivo de vocabulario de muestra, el encabezado.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-custom-vocab-header.png)
1. La información del archivo está separada por una [TABULACIÓN] por entrada. Para obtener más información sobre cómo agregar palabras y acrónimos a su archivo de vocabulario, consulte [Creación de un vocabulario personalizado con una tabla](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary-create-table.html) en la *Guía para desarrolladores de Amazon Transcribe*.
En la siguiente imagen se presentan las palabras de un archivo de vocabulario de muestra. Las palabras de la columna Phrase son obligatorias. Las palabras de las columnas `IPA`, `SoundsLike` y `DisplayAs` son opcionales.
![\[Un archivo de vocabulario de muestra, se requieren palabras en la columna de frases.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-custom-vocab-phrase-column.png)
Para introducir varias palabras en la columna **Phrase**, separe cada palabra con un guion (-); no utilice espacios.
## Estados del vocabulario
+ **Listo (predeterminado)**: el vocabulario se aplica a los análisis para generar transcripciones. Se aplica tanto a los análisis en tiempo real como a los posteriores a la llamada.
+ **Listo**: el vocabulario no se aplica a los análisis, pero es un archivo válido y está disponible. Para aplicarlo a los análisis, establézcalo como predeterminado.
+ **Procesando**: Amazon Connect está validando el vocabulario que ha cargado e intentando aplicarlo a los análisis para generar transcripciones.
+ **Eliminando**: ha elegido **Eliminar** el vocabulario y Amazon Connect lo está eliminando ahora.
Amazon Connect tarda unos 90 minutos en eliminar un vocabulario.
Si intenta cargar un vocabulario que no se valida, se produce un estado **Error**. Por ejemplo, si agrega frases de varias palabras a la columna **Phrase** y las separa con espacios en lugar de guiones, se producirá un error.
## Descarga y visualización de un vocabulario personalizado
Para ver un vocabulario personalizado que se haya cargado, descargue y abra el archivo. Solo pueden descargarse y visualizarse los archivos con el estado **Listo**.
1. Vaya a **Análisis y optimización**, **Vocabularios personalizados**.
1. Elija **Más** y **Descargar**. La ubicación de **Descargar** se muestra en la siguiente imagen.
![\[La página de vocabularios personalizados, una lista de vocabularios, el menú desplegable más, la opción de descarga.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-custom-vocab-download.png)
1. Abra la descarga para ver el contenido.
1. Puede cambiar el contenido y, a continuación, elegir **Guardar y cargar**.
# Creación de reglas de Contact Lens en el sitio web de administración de Amazon Connect
Contact LensLas reglas le permiten clasificar automáticamente los contactos, recibir alertas o generar tareas en función de las palabras clave que se utilizan durante una llamada, un chat o un correo electrónico, las puntuaciones de opinión, los atributos de los clientes y otros criterios.
En este tema se explica cómo crear reglas mediante el sitio web de Amazon Connect administración. Para crear y administrar reglas mediante programación, consulte [Acciones de reglas](https://docs.aws.amazon.com/connect/latest/APIReference/rules-api.html) y el [lenguaje Amazon Connect Rules Function](https://docs.aws.amazon.com/connect/latest/APIReference/connect-rules-language.html) en la *Guía de referencia de la API de Amazon Connect*.
**sugerencia**
Para obtener una lista de las especificaciones de las características de las reglas (por ejemplo, cuántas reglas puede crear), consulte [Amazon Connect Reglas, características y especificaciones](feature-limits.md#rules-feature-specs).
## Paso 1: definición de las condiciones de las reglas para el análisis de conversación
1. En el menú de navegación, elija **Análisis y optimización** y **Reglas**.
1. Seleccione **Crear una regla** y **Análisis de conversaciones**.
1. **En **Cuándo**, usa la lista desplegable para elegir el análisis **posterior a la llamada, el análisis** **en tiempo real, el análisis** **posterior al chat o el análisis del** correo electrónico.**
![\[La página de la nueva regla, el menú desplegable cuándo.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. Elija **Add condition**.
Puede combinar criterios de un conjunto de condiciones grande para crear reglas de Contact Lens muy específicas. A continuación, se detallan las condiciones disponibles:
+ **Palabras o frases**: elija entre [Coincidencia exacta, coincidencia de patrones o coincidencia semántica](exact-match-pattern-match-semantic-match.md) para desencadenar una alerta o una tarea cuando se pronuncien las palabras clave.
+ **Lenguaje natural - coincidencia semántica**: proporciona una instrucción en lenguaje natural (por ejemplo, el cliente ha llamado para cancelar su cuenta) para que coincida con las transcripciones de las conversaciones mediante la IA generativa y toma una medida (por ejemplo, activar una tarea, realizar una evaluación, etc.). Para obtener más información, consulte [Coincidencia semántica basada en la IA generativa](natural-language-semantic-match.md)
+ **Trabajo después del contacto (ACW)**: cree reglas para medir la eficiencia de los agentes a la hora de completar el trabajo después del contacto.
+ **Jerarquía de agentes**: cree reglas que se apliquen a una jerarquía de agentes específica. Las jerarquías de agentes pueden representar ubicaciones geográficas, departamentos, productos o equipos.
Para ver la lista de jerarquías de agentes y poder añadirlas a las reglas, necesitará el permiso **Jerarquía de agentes: visualización** en su perfil de seguridad.
+ **Agente**: cree reglas que se ejecuten en un subconjunto de agentes. Por ejemplo, cree una regla para asegurarse de que los agentes recién contratados cumplen los estándares de la empresa.
Para ver los nombres de los agentes y poder agregarlos a las reglas, necesita los permisos **Usuarios: ver** en su perfil de seguridad.
+ **Agente de IA**: identifique los contactos en los que un agente de Connect AI en particular realizó el autoservicio o la asistencia de un agente. Puede seleccionar varios agentes de IA o seleccionar una versión específica de un agente.
Para ver los nombres de los agentes de IA y poder añadirlos a las reglas, necesita **agentes de IA: consulte** los permisos en su perfil de seguridad.
+ **Agente de IA: escalación**: identifique los contactos cuando un agente de Connect AI utilizado para el autoservicio de clientes se convierta en humano.
Para ver los nombres de los agentes de IA y poder añadirlos a las reglas, necesita **agentes de IA: consulte** los permisos en su perfil de seguridad.
+ **Duración de la interacción del agente**: cree reglas para identificar los contactos que han tenido una interacción con el agente superior o inferior a la esperada. Esta característica se aplica solo a las llamadas.
+ **Atributos de los segmentos de contacto**: puede identificar los contactos dentro de las reglas mediante atributos de segmento de contacto personalizados con valores rellenados por otros sistemas o mediante una lógica personalizada. Puede [definir un atributo](predefined-attributes.md#predefined-attributes-create-web-admin) y establecer su valor en los flujos. Los atributos de segmento personalizados solo están presentes en ese ID de contacto específico y no en toda la cadena de contactos. Por ejemplo, puede crear una regla que identifique que el contacto se autenticó previamente en el IVR antes de conectarse con el agente.
Para ver la lista de atributos de los segmentos de contactos que se van a añadir a una regla, necesita **Atributos predefinidos:** Ver permisos.
+ **Motivo de desconexión**: crea reglas que comprueben por qué un contacto se ha desconectado. Por ejemplo, si el agente se desconectó antes que el cliente o si el contacto se transfirió.
+ **Puntuación de sonoridad más alta**: cree reglas que comprueben la puntuación máxima de sonoridad (en decibelios) durante la conversación para el agente o el cliente. Un volumen más alto (por ejemplo, más de 70 dB) puede estar asociado con la emoción o la ira, mientras que hablar por debajo de una determinada puntuación de volumen (por ejemplo, 30 dB o menos) puede resultar difícil de entender.
+ **Tiempo de espera**: cree reglas para identificar los contactos que tuvieron tiempos de espera inusuales para identificar oportunidades de gestionar los contactos de manera más eficiente. Puede establecer reglas utilizando el tiempo de espera más largo, el tiempo de espera total y el número de retenciones. También puedes comprobar el tiempo de espera como un porcentaje del tiempo total que el cliente estuvo conectado con el agente (el tiempo de espera del cliente dividido entre la duración de la interacción con el agente y el tiempo de espera del cliente).
+ **Método de inicio**: crea reglas que comprueben si un contacto era entrante, saliente, transferido, etc.
+ **Atributos de contacto**: cree reglas que se ejecuten en los valores de los [atributos de contacto](what-is-a-contact-attribute.md) personalizados. Por ejemplo, puede crear reglas específicas para una línea de negocio concreta o para clientes concretos, como las basadas en su nivel de miembro, su país de residencia actual o si tienen un pedido pendiente.
Puede agregar hasta cinco atributos de contacto a una regla.
+ **Opinión: período de tiempo**: cree reglas que se ejecuten en los resultados del análisis de opinión (positivos, negativos o neutrales) durante un período de tiempo posterior.
Por ejemplo, puede crear una regla para cuando la opinión del cliente haya sido negativa durante un periodo de tiempo establecido. Si el participante se unió al contacto más tarde, el periodo de tiempo establecido aquí se aplica al momento en que el participante estaba presente.
Cuando las reglas se aplican a los contactos que no tienen datos de opinión, se utiliza una opinión neutral.
+ **Opinión: todo el contacto**: cree reglas que se ejecuten en el valor de las puntuaciones de opinión de todo un contacto. Por ejemplo, puede crear una regla cuando la opinión del cliente haya sido bajo durante todo el contacto o puede crear una tarea para que un analista de la experiencia del cliente revise la transcripción de la llamada y haga un seguimiento.
Cuando las reglas se aplican a los contactos que no tienen datos de opinión, se utiliza una opinión neutral.
+ **Interrupciones**: cree reglas que detecten si el agente ha interrumpido al cliente más de X veces. Esta característica se aplica solo a las llamadas.
+ **Tiempo sin conversación**: cree reglas que comprueben que no se detecte voz. Esto puede incluir períodos en los que un cliente esté en espera. Puedes comprobar el tiempo total sin conversación, el período de tiempo más prolongado sin conversación en una conversación o el porcentaje de tiempo sin conversación durante la conversación. Un alto tiempo sin hablar, como un porcentaje del tiempo sin hablar que supere el 50 por ciento de la conversación, puede indicar una oportunidad para mejorar los procesos o las oportunidades de orientación de los agentes. Esta característica se aplica solo a las llamadas.
+ **Tiempo de respuesta**: cree reglas para identificar los contactos en los que el participante ha tenido un tiempo de respuesta superior o inferior al esperado: promedio o máximo.
Por ejemplo, puede establecer una regla para **Tiempo de saludo del agente**, también conocido como **Tiempo de primera respuesta**: después de que el agente se una al chat, cuánto tiempo transcurre hasta que envía el primer mensaje de saludo. Esto lo ayudará a identificar cuándo un agente ha tardado demasiado en interactuar con el cliente.
+ **Posible problema de desconexión**: crea reglas que comprueben cualquier problema técnico (como problemas de conectividad de red o de dispositivos). Puede usarlo para excluir a los contactos de las evaluaciones automatizadas del desempeño de los agentes, en caso de que haya problemas de conectividad ajenos al control del agente.
+ **Colas**: cree reglas que se ejecuten en un subconjunto de colas o compruebe si el contacto no estaba en cola. A menudo, las organizaciones utilizan las colas para indicar una línea de negocio, un tema o un dominio. Por ejemplo, puedes crear reglas específicas para tus colas de ventas, hacer un seguimiento del impacto de una campaña de marketing reciente o, como alternativa, reglas para tus colas de atención al cliente, haciendo un seguimiento de la opinión general. En el caso de las interacciones de autoservicio, puedes comprobar si el contacto nunca estuvo en cola, lo que podría indicar que el autoservicio se ha gestionado satisfactoriamente con un agente de IA.
Para ver los nombres de las colas y poder añadirlos a las reglas, necesitas **Colas: consulta** los permisos en tu perfil de seguridad.
+ **Perfil de enrutamiento**: identifique los contactos gestionados por los agentes asignados a un perfil de enrutamiento específico. El perfil de enrutamiento puede indicar el departamento del agente o su competencia. Por ejemplo, puede realizar evaluaciones automatizadas de los agentes con el perfil de enrutamiento: los nuevos empleados, formados en la solución de problemas básicos y utilizando diferentes criterios de evaluación, en comparación con los agentes con múltiples habilidades.
Para ver los perfiles de enrutamiento y poder añadirlos a las reglas, necesita **Perfiles de enrutamiento: ver** los permisos en su perfil de seguridad.
+ **Tiempo de conversación**: cree reglas utilizando el umbral del tiempo absoluto dedicado a hablar por el agente o el cliente. Esto se puede utilizar para identificar los casos en los que el cliente no habló en absoluto, lo que provocó que el agente se desconectara o los casos en los que el agente mostrara comportamientos para evitar llamadas, como no hablar después de levantar el teléfono.
+ **Duración de la interacción del agente**: cree reglas para identificar los contactos que han tenido una interacción con el agente superior o inferior a la esperada. Esta característica se aplica solo a las llamadas.
En la siguiente imagen se muestra una regla de ejemplo con varias condiciones para un contacto de voz.
![\[Una regla de ejemplo con varias condiciones para un contacto de voz.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-conditions.png)
En la siguiente imagen se muestra una regla de ejemplo con varias condiciones para un contacto de chat. La regla se desencadena cuando el tiempo de **primera** respuesta es mayor o igual a 1 minuto y el agente no mencionó ninguna de las palabras o frases de saludo de la lista en su primera respuesta.
**Tiempo de primera respuesta** = después de que el agente se haya unido al chat, cuánto tiempo pasará hasta que envíe el primer mensaje al cliente.
![\[Una regla de ejemplo con varias condiciones para un contacto de chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-conditions-chat.png)
1. Elija **Siguiente**.
## Paso 2: definir las acciones de regla
1. Seleccione **Agregar acción**. Puede elegir las acciones siguientes:
+ [Crear tarea](contact-lens-rules-create-task.md): esta opción no está disponible para el chat en tiempo real
+ [Enviar notificación por correo electrónico](contact-lens-rules-email.md)
+ [Genera un evento EventBridge ](contact-lens-rules-eventbridge-event.md)
![\[El menú desplegable para agregar acciones, una lista de acciones.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-action-no-wisdom.png)
1. Elija **Siguiente**.
1. Revise y realice cualquier edición; a continuación, elija **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
# Clasificación automática de los contactos haciendo coincidir las conversaciones con instrucciones en lenguaje natural o palabras y frases específicas
El análisis de conversación de Contact Lens le permite categorizar automáticamente los contactos para identificar los principales factores, la experiencia del cliente y el comportamiento de los agentes de sus contactos. En la página **Datos de contacto** de un chat, las categorías aparecen encima de la transcripción, tal como se muestra en la siguiente imagen.
![\[Página Datos de contacto, sección Categorías.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-category-overview-chat2.png)
Estas son algunas de las cosas clave que puede hacer al categorizar los contactos:
+ Con la categorización de contactos basada en IA generativa, puede proporcionar criterios para categorizar los contactos en lenguaje natural (por ejemplo, ¿el cliente ha intentado realizar un pago con cargo a su saldo?).
+ Puede proporcionar palabras o frases específicas pronunciadas por los agentes o los clientes para que coincidan con una conversación. A continuación, Contact Lens etiqueta automáticamente los contactos que cumplen los criterios de coincidencia y proporciona los puntos relevantes de la conversación.
+ Puede definir acciones para recibir alertas y generar tareas en los contactos categorizados.
+ Puede especificar criterios adicionales para categorizar los contactos, como la puntuación de sentimiento del cliente, las colas o cualquier atributo personalizado que haya agregado a los contactos, como la información de fidelidad de los clientes.
## Cuándo usar palabras o frases
El uso de palabras o frases específicas resulta útil cuando hay una lista bien definida de palabras o frases que detectar, por ejemplo, para supervisar el cumplimiento del guion del agente o evaluar el interés de los clientes por un producto.
## Cuándo usar el lenguaje natural
El uso de instrucciones en lenguaje natural para que coincidan con los contactos resulta útil cuando hay demasiadas palabras o frases posibles o cuando se quiere que coincidan con criterios específicos del contexto, por ejemplo, “El cliente quería hacer un cambio en su plan de suscripción” o “El agente ha resuelto todos los problemas del cliente”.
## Agregar reglas para categorizar contactos
En esta sección:
+ [Paso 1: definir las condiciones](#add-category-rules-define-conditions)
+ [Paso 2: definir las acciones](#add-category-rules-define-actions)
### Paso 1: definir las condiciones
1. Inicie sesión en Amazon Connect con una cuenta de usuario que tenga asignado el perfil de **CallCenterManager**seguridad o que esté habilitada para los permisos de **Rules**.
1. En el menú de navegación, elija **Análisis y optimización** y **Reglas**.
1. Seleccione **Crear una regla** y **Análisis de conversaciones**.
1. Asigne un nombre a la regla.
1. **En **Cuándo**, usa la lista desplegable para elegir el **análisis posterior a la llamada**, el análisis **en tiempo real, el análisis** **posterior al chat, el análisis del chat** **en tiempo real o el análisis** del correo electrónico.**
![\[La página Nueva regla, la lista desplegable Cuándo.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. Elija **Agregar condición** y, a continuación, elija el tipo de coincidencia:
+ **Palabras o frases: coincidencia exacta** busca contactos que coincidan con las palabras o frases exactas. Introduzca las palabras o frases separadas por comas.
+ **Palabras o frases: coincidencia de patrones** busca contactos según un patrón de palabras o frases. También puede especificar la distancia entre palabras. Por ejemplo, si busca contactos en los que se haya mencionado la palabra “crédito”, pero no desea que se mencione “tarjeta de crédito”, puede definir una categoría de coincidencia de patrones para buscar la palabra “crédito” que no se encuentre a una distancia de una palabra “tarjeta”.
+ **Lenguaje natural: coincidencia semántica** utiliza la IA generativa para buscar contactos que coincidan con la instrucción en lenguaje natural proporcionada. La instrucción se tiene que poder responder con una respuesta afirmativa o negativa. Lenguaje natural: coincidencia semántica se utiliza cuando se quiere hacer coincidir contactos con criterios específicos del contexto o si hay demasiadas palabras o frases posibles que coinciden. A continuación se muestran algunos ejemplos:
+ “El cliente quería hacer un cambio en su plan de suscripción”.
+ “El cliente ha indicado su deseo de cancelar los servicios actuales”.
+ “El agente ha ofrecido múltiples opciones de pago”.
+ “El agente ha asegurado al cliente que su llamada es importante y ha solicitado más tiempo de espera”.
+ “El agente ha resuelto todos los problemas del cliente”.
**nota**
Las condiciones de Lenguaje natural: coincidencia semántica no se pueden usar para el análisis en tiempo real.
Para crear reglas que utilicen la IA generativa se necesita un permiso adicional: **Reglas: IA generativa**.
**Consejo profesional**: utilice la opción **Lenguaje natural: coincidencia semántica** con tecnología de IA generativa si anteriormente ha utilizado **Palabras o frases: coincidencia semántica**.
+ **Palabras o frases: coincidencia semántica** busca palabras que pueden ser sinónimos. Por ejemplo, si introduce “disgustado” puede coincidir con “no contento”, “poco aceptable” puede coincidir con “inaceptable” y “darse de baja” puede coincidir con “cancelar suscripción”. Del mismo modo, puede hacer coincidir semánticamente frases. Por ejemplo, “muchas gracias por ayudarme”, “muchas gracias y esto es muy útil” y “me alegro mucho de que pueda ayudarme”.
Esto elimina la necesidad de definir una lista exhaustiva de palabras clave al crear las categorías y le ofrece la posibilidad de lanzar una red más amplia para buscar frases similares que sean importantes para usted. Para obtener los mejores resultados de coincidencia semántica, proporcione palabras clave o frases con un significado similar en una tarjeta de coincidencia semántica. Actualmente, puede proporcionar un máximo de cuatro palabras y frases clave por tarjeta de coincidencia semántica.
1. Con **Palabras o frases: coincidencia semántica** como ejemplo, introduzca las palabras o frases, separadas por una coma, que desee resaltar y elija **Agregar**. Cada palabra o frase separada por una coma tiene su propia línea en la tarjeta.
![\[Página Nuevas reglas, sección Palabras o frases: coincidencia exacta.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-script.png)
![\[Página Nuevas reglas, sección Palabras o frases: coincidencia exacta, botón Agregar.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-script2.png)
La lógica que utiliza Contact Lens para leer estas frases es: (Hola AND gracias AND por AND llamar AND a AND Empresa AND Ejemplo) OR (agradecemos AND su AND interés) OR (cómo AND puedo AND ayudarlo).
Como alternativa, use la condición **Lenguaje natural: coincidencia semántica** e introduzca una instrucción en lenguaje natural en el cuadro de texto que la IA generativa debería poder evaluar como verdadera o falsa.
![\[Página Nuevas reglas, sección Lenguaje natural: coincidencia semántica.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-natural-language-semantic.png)
1. Para agregar más palabras o frases, elija **Agregar grupo de palabras o frases**. En la siguiente imagen, el primer grupo de palabras o frases son las que podría pronunciar el agente y el segundo grupo son las que podría pronunciar el cliente.
![\[Palabras o frases: coincidencia exacta para el agente, la palabra Y, una sección Palabras o frases para el cliente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. La lógica que utiliza Contact Lens para leer estas frases es: (Hola AND gracias AND por AND llamar AND a AND Empresa AND Ejemplo) OR (agradecemos AND su AND interés) OR (cómo AND puedo AND ayudarlo).
1. Las dos tarjetas están conectadas con una operación Y. Esto significa que hay que pronunciar una de las frases de la primera tarjeta Y luego pronunciar una de las frases de la segunda.
La lógica que utiliza Contact Lens para leer las dos tarjetas de palabras o frases es (tarjeta 1) AND (tarjeta 2).
1. Elija **Agregar condición** para aplicar las reglas a:
+ Colas específicas
+ Cuando los atributos de contacto tienen determinados valores
+ Cuando las puntuaciones de opinión tienen determinados valores
Por ejemplo, la siguiente imagen muestra una regla que se aplica cuando un agente está trabajando en las BasicQueue colas de facturación y pagos, el cliente busca un seguro de automóvil y el agente se encuentra en Seattle.
![\[Una regla con varias condiciones.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
### Paso 2: definir las acciones
Además de categorizar un contacto, puede definir qué acciones debe realizar Amazon Connect:
1. [Genera un evento EventBridge ](contact-lens-rules-eventbridge-event.md)
1. [Crear tarea](contact-lens-rules-create-task.md)
1. [Crear caso](contact-lens-rules-create-case.md)
1. [Enviar notificaciones por correo electrónico](contact-lens-rules-email.md)
1. [Crear una regla que envíe una evaluación automática](contact-lens-rules-submit-automated-evaluation.md)
### Paso 3: revisar y guardar
1. Cuando haya terminado, elija **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
# Cuando una regla o categoría no puede ser evaluada por Amazon Connect Contact Lens
Cuando Amazon Connect Contact Lens evalúa una regla o categoría durante un análisis posterior al contacto de un contacto de voz o chat, es posible que la regla o la categoría no se puedan evaluar.
Los siguientes son los posibles resultados de categoría cuando se evalúa una regla o una categoría durante el análisis de contactos:
1. **Coincidencia correcta y aplicación al contacto**. Cuando las categorías se muestran en la página **Detalles del contacto**, esto indica que se han emparejado correctamente y se han aplicado al contacto.
1. **Evaluación correcta pero sin que se aplique al contacto**. Si las categorías no aparecen en la página **Detalles del contacto**, significa que no se aplican al contacto, pero que se han evaluado correctamente según las reglas de Contact Lens.
1. **Se ha completado el análisis del contacto, pero no se ha evaluado ninguna categoría específica**. Cuando una categoría no se evalúa, no significa que la categoría no se aplique al contacto (según sus criterios), sino que Contact Lens ha completado el análisis del contacto sin evaluar esta categoría específica.
La siguiente imagen muestra que las categorías con errores se indican con bordes discontinuos, fondos transparentes, iconos de error y prefijos fallidos. Al pasar el ratón sobre una categoría con errores, se muestran los detalles sobre el motivo por el que no se ha podido evaluar la categoría.
![\[Categorías con errores en la página Datos de contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/failed-categories1.png)
Estas categorías con errores solo existen a partir de reglas con la condición de coincidencia semántica. Las dos posibles razones son:
1. **Cuota superada**: se ha superado el límite de acciones de IA generativa durante ese período de tiempo. Puedes solicitar un aumento de cuota a través de AWS Support.
1. **Normas de seguridad con errores**: se ha producido un error en el procesamiento de las categorías porque no cumplen las barreras de protección de seguridad y calidad.
Le recomendamos añadir más condiciones a las reglas de coincidencia semántica para reducir el número de contactos a los que se puede aplicar. Esto ayudará a evitar errores por superar la cuota.
## Archivo de S3 del cliente del resultado del análisis posterior al contacto de Contact Lens
Las categorías fallidas aparecen en el archivo de análisis, en JobDetails > Análisis omitido.
La sección `SkippedAnalysis` muestra el análisis de contactos que se ha marcado como Omitido, aunque el análisis se ha completado para ese contacto. Contiene las propiedades «Función» y «ReasonCode». `POST_CONTACT_SUMMARY`es una de las funciones existentes.
`CATEGORIZATION` se añade como característica nueva al análisis omitido. Hay un elemento de categorización único en la matriz `SkippedAnalysis` para cada `ReasonCode` único que ha provocado un error en la categorización. Se introduce una nueva `SkippedEntities` propiedad para cada elemento único, que contiene una lista de todos los nombres de las categorías (y su regla asociada IDs) que han fallado debido al código de motivo asociado.
A continuación, se muestra un ejemplo de categorías con errores en `JobDetails`:
```
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "CATEGORIZATION",
"ReasonCode": "QUOTA_EXCEEDED",
"SkippedEntities": [
{
"CategoryName": "PotentialFraud"
"RuleId": "a1130485-9529-4249-a1d4-5738b4883748"
},
{
"CategoryName": "Refund"
"RuleId": "bbbbbbb-9529-4249-a1d4-5738b4883748"
}
]
},
{
"Feature": "CATEGORIZATION",
"ReasonCode": "FAILED_SAFETY_GUIDELINES",
"SkippedEntities": [
{
"CategoryName": "ManagerEscalation"
"RuleId": "cccccccc-9529-4249-a1d4-5738b4883748"
},
]
},
{
"Feature": "POST_CONTACT_SUMMARY",
"ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT"
}
]
},
```
Para obtener más información, consulte [Ejemplo de archivos de salida de análisis de conversación de Contact Lens para una llamada](contact-lens-example-output-files.md).
# Adición de alertas en tiempo real a Contact Lens para supervisores en función de las palabras clave y las frases de una llamada
Una vez [habilitado el análisis en tiempo real](enable-analytics.md) en su flujo, podrá agregar reglas que alerten automáticamente a los supervisores cuando se produzca un problema relacionado con la experiencia del cliente.
Por ejemplo, Contact Lens puede enviar automáticamente una alerta cuando se mencionan determinadas palabras clave o frases durante la conversación o cuando detecta otros criterios. El supervisor ve la alerta en el panel de métricas en tiempo real. A partir de ahí, los supervisores pueden escuchar la llamada en directo y orientar al agente por el chat para ayudarlo a resolver el problema con mayor rapidez.
En la siguiente imagen se muestra un ejemplo de lo que vería un supervisor en el informe de métricas en tiempo real cuando recibe una alerta. En este caso, Contact Lens ha detectado una situación de cliente enfadado.
![\[La página de métricas en tiempo real, una alerta de un cliente enfadado.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-real-time-metrics-alert2.png)
Cuando el supervisor escucha una llamada en directo, Contact Lens le proporciona una transcripción en tiempo real y una tendencia de la opinión del cliente que lo ayuda a comprender la situación y a evaluar la acción adecuada. La transcripción también elimina la necesidad de que los clientes tengan que repetir lo que han dicho si la llamada se transfiere a otro agente.
En la siguiente imagen se muestra una transcripción en tiempo real de ejemplo.
![\[Una transcripción en tiempo real de ejemplo.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-real-time-transcript.png)
## Agregar reglas para alertas en tiempo real durante las llamadas
1. Inicie sesión en Amazon Connect con una cuenta de usuario que tenga asignado el perfil de **CallCenterManager**seguridad o que esté habilitada para los permisos de **Rules**.
1. En el menú de navegación, elija **Análisis y optimización** y **Reglas**.
1. Seleccione **Crear una regla** y **Análisis de conversaciones**.
1. Asigne un nombre a la regla.
1. En **Cuándo**, utilice la lista desplegable para elegir **Análisis en tiempo real**.
1. Elija **Agregar condición** y, a continuación, elija el tipo de coincidencia:
+ **Coincidencia exacta**: busca solo las palabras o frases exactas.
+ **Coincidencia de patrones**: encuentra coincidencias que pueden ser inferiores al 100 % exactas. También puede especificar la distancia entre palabras. Por ejemplo, puede buscar contactos en los que se mencione la palabra “crédito”, pero no quiere ver ninguna mención a las palabras “tarjeta de crédito”. Puede definir una categoría de coincidencia de patrones para buscar la palabra “crédito” que esté separada más de una palabra del término “tarjeta”.
**sugerencia**
La coincidencia semántica no está disponible para el análisis en tiempo real.
1. Introduzca las palabras o frases, separadas por una coma, que desee resaltar. Las reglas en tiempo real solo admiten las palabras clave o frases **mencionadas**.
![\[Una regla de palabras y frases.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. Elija **Añadir**. Cada palabra o frase separada por una coma tiene su propia línea.
![\[Una regla de palabras y frases con varias frases, cada una en su propia línea.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
La lógica que utiliza Contact Lens para leer estas palabras o frases es: (Hable OR con OR su OR administrador) OR (esto OR no OR es OR útil) OR (hable OR con OR su OR supervisor), etc.
1. Para agregar más palabras o frases, elija **Agregar grupo de palabras o frases**. En la siguiente imagen, el primer grupo de palabras o frases son las que podría pronunciar el agente. El segundo grupo es lo que el cliente podría pronunciar.
![\[Una regla de palabras y frases con varias frases para el cliente y el agente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. En esta primera tarjeta, Contact Lens lee cada línea como una operación O. Por ejemplo: (Hola) O (gracias O por O llamar O a O Empresa O Ejemplo) O (agradecemos O su O interés).
1. Las dos tarjetas están conectadas con una operación Y. Esto significa que hay que pronunciar una de las frases de la primera tarjeta Y luego pronunciar una de las frases de la segunda.
La lógica que utiliza Contact Lens para leer las dos tarjetas de palabras o frases es (tarjeta 1) AND (tarjeta 2).
1. Elija **Agregar condición** para aplicar las reglas a:
+ Colas específicas
+ Cuando los atributos de contacto tienen determinados valores
+ Cuando las puntuaciones de opinión tienen determinados valores
Por ejemplo, la siguiente imagen muestra una regla que se aplica cuando un agente está trabajando en las BasicQueue colas de facturación y pagos, el cliente busca un seguro de automóvil y el agente se encuentra en Seattle.
![\[Una regla de palabras y frases con varias condiciones.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. Cuando haya terminado, elija **Siguiente**.
1. En el cuadro **Asignar categoría de contacto**, agregue un nombre a la categoría. Por ejemplo, **Conforme** o **No\$1conforme**.
1. Elija **Siguiente** y, a continuación, **Guardar y publicar**.
# Adición de alertas en tiempo real a Contact Lens para supervisores en función de palabras clave y las frases de un chat
Una vez [habilitado el análisis en tiempo real](enable-analytics.md) en su flujo, podrá agregar reglas que alerten automáticamente a los supervisores cuando se produzca un problema relacionado con la experiencia del cliente.
Por ejemplo, Contact Lens puede enviar automáticamente una alerta cuando se mencionan determinadas palabras clave o frases durante el chat o cuando detecta otros criterios. A continuación, el supervisor puede ver la página **Datos de contacto** de un chat en tiempo real y ver el problema. A partir de ahí, los supervisores pueden unirse al chat y orientar al agente por el chat para ayudarlo a resolver el problema con mayor rapidez.
En la siguiente imagen se muestra un ejemplo de lo que vería un supervisor en la página **Datos de contacto** si recibe una alerta de un chat en tiempo real. En este caso, Contact Lens ha detectado una situación de cliente enfadado.
![\[Página de datos de contacto con una alerta de un chat de un cliente enfadado en tiempo real.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-realtime-alert-chat.png)
Cuando el supervisor controla un chat, Contact Lens le proporciona una transcripción en tiempo real y una tendencia de la opinión del cliente que lo ayuda a comprender la situación y a pensar en la acción adecuada. La transcripción también elimina la necesidad de que los clientes tengan que repetir lo que han dicho si la llamada se transfiere a otro agente.
## Agregación de reglas para alertas en tiempo real en los chats
1. Inicie sesión en Amazon Connect con una cuenta de usuario que tenga asignado el perfil de **CallCenterManager**seguridad o que esté habilitada para los permisos de **Rules**.
1. En el menú de navegación, elija **Análisis y optimización** y **Reglas**.
1. Seleccione **Crear una regla** y **Análisis de conversaciones**.
1. Asigne un nombre a la regla.
1. En **Cuándo**, utilice la lista desplegable para elegir **Análisis en tiempo real**.
1. Elija **Agregar condición** y, a continuación, el tipo de coincidencia. La siguiente imagen muestra una regla configurada para la condición **Opinión - Período de tiempo**.
![\[Condiciones para una regla de análisis del chat en tiempo real.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-realtime-chat-rule2.png)
Puede elegir entre las siguientes opciones:
+ **Coincidencia exacta**: busca solo las palabras o frases exactas.
+ **Coincidencia de patrones**: encuentra coincidencias que pueden ser inferiores al 100 % exactas. También puede especificar la distancia entre palabras. Por ejemplo, puede buscar contactos en los que se mencione la palabra “crédito”, pero no quiere ver ninguna mención a las palabras “tarjeta de crédito”. Puede definir una categoría de coincidencia de patrones para buscar la palabra “crédito” que esté separada más de una palabra del término “tarjeta”.
**sugerencia**
La coincidencia semántica no está disponible para el análisis en tiempo real.
1. Introduzca las palabras o frases, separadas por una coma, que desee resaltar. Las reglas en tiempo real solo admiten las palabras clave o frases **mencionadas**.
![\[Una regla de palabras y frases.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. Elija **Añadir**. Cada palabra o frase separada por una coma tiene su propia línea.
![\[Una regla de palabras y frases con varias frases, cada una en su propia línea.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
La lógica que utiliza Contact Lens para leer estas palabras o frases es: (Hable OR con OR su OR administrador) OR (esto OR no OR es OR útil) OR (hable OR con OR su OR supervisor), etc.
1. Para agregar más palabras o frases, elija **Agregar grupo de palabras o frases**. En la siguiente imagen, el primer grupo de palabras o frases es lo que podría mencionar el agente. El segundo grupo es lo que el cliente podría mencionar.
![\[Una regla de palabras y frases con varias frases para el cliente y el agente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. En esta primera tarjeta, Contact Lens lee cada línea como una operación O. Por ejemplo: (Hola) O (gracias O por O llamar O a O Empresa O Ejemplo) O (agradecemos O su O interés).
1. Las dos tarjetas están conectadas con una operación Y. Esto significa que hay que mencionar una de las frases de la primera tarjeta Y luego una de las frases de la segunda.
La lógica que utiliza Contact Lens para leer las dos tarjetas de palabras o frases es (tarjeta 1) AND (tarjeta 2).
1. Elija **Agregar condición** para aplicar las reglas a:
+ Colas específicas
+ Cuando los atributos de contacto tienen determinados valores
+ Cuando las puntuaciones de opinión tienen determinados valores
Por ejemplo, la siguiente imagen muestra una regla que se aplica cuando un agente está trabajando en las BasicQueue colas de facturación y pagos, el cliente busca un seguro de automóvil y el agente se encuentra en Seattle.
![\[Una regla de palabras y frases con varias condiciones.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. Cuando haya terminado, elija **Siguiente**.
1. En el cuadro **Asignar categoría de contacto**, agregue un nombre a la categoría. Por ejemplo, **Conforme** o **No\$1conforme**.
1. Seleccione **Agregar acción** para especificar qué acción debe realizar Amazon Connect cuando se cumplan las condiciones. Puede configurar las alertas de los supervisores mediante notificaciones por correo electrónico o desarrollando una integración personalizada con EventBridge.
![\[Las opciones Generar un EventBridge evento y Enviar notificaciones por correo electrónico.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-realtime-chat-rule3.png)
1. Si ha seleccionado **Enviar notificación por correo electrónico**, consulte [Creación de reglas de que envían notificaciones por correo electrónico](contact-lens-rules-email.md) para obtener más información sobre cómo rellenar la página y sobre los límites del correo electrónico.
Si seleccionó **Generar un EventBridge evento**, consulte [Cree una regla que genere un EventBridge evento](contact-lens-rules-eventbridge-event.md) para obtener más información sobre cómo completar la página y sobre cómo suscribirse a los tipos de EventBridge eventos.
# Creación de reglas de que envían notificaciones por correo electrónico
Puede crear reglas de que envíen notificaciones por correo electrónico a las personas de su organización. Esto lo ayuda a responder con mayor rapidez a los posibles problemas de su centro de contacto. Por ejemplo, puede crear una regla para notificar a las siguiente personas:
+ Un supervisor de equipo cuando se produce una escalada o una cancelación de cuenta
+ Grupo de personas en su centro de contacto como resultado de la mención de ciertas palabras durante una conversación.
+ Una persona designada en su centro de contacto cuando se produce un desacuerdo durante la llamada
+ Un agente que había gestionado el contacto que se analizó o evaluó con el análisis conversacional de Amazon Connect.
**importante**
Todos los correos electrónicos se envían desde `no-reply@amazonconnect.com`.
Los usuarios de SAML no tienen direcciones de correo electrónico principales, sino que inician sesión con nombres de usuario. En el inicio de sesión, el nombre de usuario suele ser una dirección de correo electrónico, pero no es obligatorio. Para estos usuarios, la etiqueta de campo **Dirección de correo electrónico** está vacía en Amazon Connect. Si se envían notificaciones por correo electrónico a los usuarios de SAML, estos deberán tener un correo electrónico secundario configurado para poder recibirlas. Si no tienen un correo electrónico secundario configurado, el usuario no las recibirá.
**Cómo crear una regla de que envíe una notificación por correo electrónico**
1. Inicie sesión en Amazon Connect con una cuenta de usuario que disponga de los [permisos necesarios](permissions-for-rules.md) para crear reglas.
1. Vaya a **Análisis y optimización** y **Reglas**.
1. En la página **Reglas**, elija **Crear una regla** y, a continuación, en la lista desplegable, elija **Análisis de conversación** o **Formularios de evaluación**.
![\[La página de reglas, la lista desplegable de crear una regla, la opción contact lens.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-create-rule.png)
1. En la página **Nueva regla**, defina las condiciones de la regla. Para obtener más información, consulte lo siguiente:
+ [Definición de las condiciones de las reglas para el análisis de conversación](build-rules-for-contact-lens.md#rule-conditions)
+ [Defina las condiciones de las reglas para los formularios de evaluación](create-evaluation-rules.md#rule-conditions-eval).
1. Cuando defina acciones para la regla, elija **Enviar notificación por correo electrónico** para la acción.
![\[La página de nueva regla, la lista desplegable de agregar acción, la acción de enviar notificación por correo electrónico.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-email-action.png)
1. En la sección **Enviar notificación por correo electrónico**, elige quién va a recibir el correo electrónico mediante una de estas opciones:
+ **Seleccionar destinatarios por inicio de sesión: enruta el correo electrónico al usuario especificado.**
**importante**
Los usuarios de SAML deberán tener un correo electrónico secundario configurado para poder recibirlas. Si no tienen un correo electrónico secundario configurado, el usuario no las recibirá.
+ **Seleccionar destinatarios por etiquetas**. Enruta el correo electrónico dinámicamente en función de los valores de etiqueta del agente.
+ **Seleccionar el agente que ha gestionado el contacto**. Enruta el correo electrónico hacia el agente que ha gestionado el contacto.
En la siguiente imagen, la regla envía un correo electrónico de notificación al agente que ha gestionado el contacto.
![\[En la sección Enviar notificación por correo electrónico, la opción Seleccione el agente que gestionó el contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-email-tag.png)
1. En **Asunto**, agregue el asunto del correo electrónico. En **Cuerpo**, agregue el contenido de la notificación por correo electrónico.
Utilice **@ para añadir variables dinámicas** que se rellenan durante la ejecución de la regla. Para las reglas de análisis conversacional y las reglas de los formularios de evaluación, puede agregar el **nombre de la regla, la URL de la instancia, la información de contacto, agente** y **cola** del contacto que coincida con la regla. Las reglas de los formularios de evaluación también le permiten insertar el ID de **evaluación**.
![\[El cuerpo del correo electrónico, la lista de variables disponibles.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/rules-send-email-dynamic-variables.png)
**nota**
Otros tipos de reglas admiten diferentes variables:
Las reglas de métricas en tiempo real permiten introducir el **nombre de la regla, la URL de la instancia** y la lista de **agentes, colas, flujos o perfiles de enrutamiento** que superaron el umbral para activar la alerta.
Las reglas de casos permiten insertar el **nombre de la regla, la URL de la instancia** y el identificador del **caso**.
1. Elija **Siguiente**. Revise la selección y, a continuación, seleccione **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
## Límites de correo electrónico
+ Amazon Connect tiene un límite predeterminado de 500 correos electrónicos al día. Cuando se supera ese límite, la instancia de Amazon Connect queda bloqueada durante 24 horas para enviar más correos electrónicos. Esto se debe a que los correos electrónicos están sujetos a límites de rebotes y reclamaciones. Para obtener más información, consulte las secciones **Rebote** y **Reclamación** en [Descripción de la capacidad de entrega de correo electrónico en Amazon SES](https://docs.aws.amazon.com/ses/latest/dg/send-email-concepts-deliverability.html).
+ Todos los correos electrónicos se envían desde `no-reply@amazonconnect.com`, que usted no puede personalizar.
+ Los usuarios de SAML no tienen direcciones de correo electrónico principales, sino que inician sesión con nombres de usuario. En el inicio de sesión, el nombre de usuario suele ser una dirección de correo electrónico, pero no es obligatorio. Para estos usuarios, la etiqueta de campo **Dirección de correo electrónico** está vacía en Amazon Connect. Si se envían notificaciones por correo electrónico a los usuarios de SAML, estos deberán tener un correo electrónico secundario configurado para poder recibirlas. Si no tienen un correo electrónico secundario configurado, el usuario no las recibirá.
Si la opción predeterminada para enviar correos electrónicos no cumple sus requisitos, póngase en contacto con su administrador técnico de cuentas o Soporte hable con el equipo de servicio de Amazon Connect.
# Crea una regla que genere un EventBridge evento
En tiempo real o tras una llamada o chat, puede obtener eventos y utilizarlos para desencadenar notificaciones o alertas posteriores, o agregar informes fuera de Amazon Connect. Puede hacer mucho con estos datos. Por ejemplo:
+ Recibe alertas en tiempo real en un QuickSight panel de control.
+ Crear informes agregados fuera de Amazon Connect
+ Unir datos con su CRM
+ Conecta tu solución de notificaciones EventBridge y asegúrate de que, al final del día, todos los eventos de cierto tipo vayan a una bandeja de entrada determinada. La carga le indica el contacto, el agente y la cola.
**nota**
En el caso de las reglas de métricas en tiempo real, los recursos que activan la regla aparecerán en la sección **Recursos**. Por ejemplo, si creas una regla que te avise sobre las métricas de las colas, como el tiempo medio de respuesta de las colas, la lista de colas que superaron el umbral aparecerá en la sección Recursos.
**Para crear una regla que genere un evento EventBridge**
1. Al crear la regla, selecciona **Generar EventBridge evento** para la acción.
![\[La nueva página de reglas, la sección Realizar estas acciones, la lista desplegable para añadir una acción y la acción Generar un EventBridge evento.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-events-example1.png)
1. En **Nombre de acción**, introduzca el nombre de la carga de evento.
**nota**
El valor que asignes al **nombre de la acción** está visible en la carga EventBridge útil. Al agregar eventos, el nombre de la acción proporciona una dimensión adicional que puede utilizar para procesarlos. Por ejemplo, tiene 200 nombres de categoría, pero solo 50 tienen un nombre de acción específico, como NOTIFY\$1CUSTOMER\$1RETENTION.
![\[La sección Realizar estas acciones, la sección asignar categoría de contacto y la sección Generar un EventBridge evento.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-add-eb-action.png)
1. Elija **Siguiente**. Revise y, a continuación, **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
1. Para aprovechar los EventBridge datos, suscríbase al tipo de EventBridge evento. Lea el siguiente procedimiento.
## Suscríbase a los tipos de EventBridge eventos
Para suscribirse a los tipos de EventBridge eventos, cree una EventBridge regla personalizada que coincida con lo siguiente:
+ “source” = “aws.connect”
+ «detail-type» = «Las reglas Contact Lens posteriores a la llamada coinciden» o una de las siguientes opciones:
+ **Reglas de Contact Lens en tiempo real coincidentes**
+ **Reglas de chat de Contact Lens en tiempo real coincidentes**
+ **Reglas de Contact Lens posteriores al chat coincidentes**
+ **Contact LensLas reglas de evaluación coinciden**
+ **Reglas de métricas coincidentes**
En la siguiente imagen se muestran estas configuraciones en la sección Patrón de eventos de la página de nueva regla.
![\[La sección de patrones de eventos de la nueva página de EventBridge reglas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-eb-rules-events.png)
### Ejemplos de cargas EventBridge útiles
A continuación se muestra un ejemplo del aspecto de la EventBridge carga útil cuando coinciden **las reglas Contact Lens posteriores a la llamada**.
```
{
"version": "0", // set by EventBridge
"id": "aaaaaaaa-bbbb-cccc-dddd-bf3703467718", // set by EventBridge
"source": "aws.connect",
"detail-type": "Contact Lens Post Call Rules Matched",
"account": "your AWS account ID",
"time": "2020-04-27T18:43:48Z",
"region": "us-east-1", // set by EventBridge
"resources": ["arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN"],
"detail": {
"version": "1.0",
"ruleName": "ACCOUNT_CANCELLATION", // Rule name
"actionName": "NOTIFY_CUSTOMER_RETENTION",
"instanceArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN",
"contactArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/contact/contact-ARN",
"agentArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/agent/agent-ARN",
"queueArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/queue/queue-ARN",
}
}
```
A continuación, se muestra un ejemplo del aspecto de la carga útil cuando las **reglas de Contact Lens en tiempo real coinciden**.
```
{
"version": "0", // set by EventBridge
"id": "aaaaaaaa-bbbb-cccc-dddd-bf3703467718", // set by EventBridge
"source": "aws.connect",
"detail-type": "Contact Lens Realtime Rules Matched",
"account": "your AWS account ID",
"time": "2020-04-27T18:43:48Z",
"region": "us-east-1", // set by EventBridge
"resources": ["arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN"],
"detail": {
"version": "1.0",
"ruleName": "ACCOUNT_CANCELLATION", // Rule name
"actionName": "NOTIFY_CUSTOMER_RETENTION",
"instanceArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN",
"contactArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/contact/contact-ARN",
"agentArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/agent/agent-ARN",
"queueArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/queue/queue-ARN",
}
}
```
# Crea una regla que genere una tarea
Las reglas de Amazon Connect le permiten generar tareas. Esto le ayuda a crear acciones rastreables con los propietarios y le proporciona visibilidad sobre la finalización de las tareas y la productividad desde el primer momento.
A continuación se muestran algunos ejemplos:
+ Revisa un contacto si el cliente es fraudulento. Por ejemplo, puede crear una tarea de seguimiento cuando un cliente pronuncie palabras o frases que le hagan parecer potencialmente fraudulento.
+ Realizar un seguimiento cuando el cliente mencione temas específicos de los que usted desee realizar posteriormente una venta adicional o proporcionarle apoyo adicional poniéndose en contacto con él.
+ Evalúe el desempeño de los agentes en situaciones específicas, por ejemplo, la confianza del cliente fue muy baja durante la conversación y el cliente expresó su frustración.
+ Tome medidas operativas, como asignar agentes adicionales a las colas en las que el tiempo medio de respuesta de las colas en la última hora haya superado los umbrales aceptables.
**Para crear una regla que cree una tarea**
1. Al crear la regla, elija **Crear tarea** para la acción.
![\[La página de nueva regla, el menú desplegable para agregar acciones y la opción para crear tareas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-add-task-example1.png)
1. Complete los campos de tarea como se indica a continuación:
![\[La página de nueva regla, la sección de asignación de categoría de contacto y la sección Crear tarea.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-add-tasks-example2.png)
1. **Nombre de la categoría**: el nombre de la categoría aparece en el registro de contacto. Longitud máxima: 200 caracteres.
1. **Nombre**: el nombre aparece en el Panel de control de contacto (CCP) del agente. Longitud máxima: 512 caracteres.
1. **Descripción**: la descripción aparece en el Panel de control de contacto (CCP) del agente. Longitud máxima: 4096 caracteres.
**nota**
En Nombre y descripción, utilice **@ para añadir variables dinámicas** que se rellenen durante la ejecución de la regla. Para las reglas de análisis conversacional y las reglas de los formularios de evaluación, puede agregar el **nombre de la regla, la URL de la instancia, la información de contacto, agente** y **cola** del contacto que coincida con la regla. Las reglas de los formularios de evaluación también le permiten insertar el ID de **evaluación**.
![\[La acción de la tarea con variables dinámicas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/rules-create-task-dynamic-variables.png)
Otros tipos de reglas admiten diferentes variables:
Las reglas de métricas en tiempo real permiten introducir el **nombre de la regla, la URL de la instancia y la lista de agentes, colas, flujos o perfiles de enrutamiento** que superaron el umbral para activar la alerta.
Las reglas de casos permiten insertar el **nombre de la regla, la URL de la instancia** y el identificador del **caso**.
1. **Nombre de referencia de la tarea**: se trata de una referencia predeterminada que aparece automáticamente en el CCP del agente.
+ En el caso de las reglas en tiempo real, la referencia de la tarea enlaza con la página de detalles en tiempo real.
+ En el caso de las reglas posteriores a la llamada o chat, la referencia de la tarea enlaza con la página **Datos de contacto**.
1. **Nombre de referencia adicional**: longitud máxima de 4096 caracteres. Puede agregar hasta 25 referencias.
1. **Seleccione un flujo**: elija el flujo diseñado para enrutar la tarea al propietario adecuado de la tarea. El flujo debe guardarse y publicarse para que aparezca en su lista de opciones del menú desplegable.
1. En la siguiente imagen se muestra un ejemplo de cómo aparece esta información en el CCP del agente.
![\[Una tarea en el Panel de control de contacto del agente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-add-tasks-ccp.png)
En este ejemplo, el agente ve los siguientes valores para **Nombre**, **Descripción** y **Nombre de referencia de la tarea**:
1. **Nombre** = **Action-Required-Contact Lens- ba2cf8fe....**
1. **Descripción** = **Test**
1. **Nombre de referencia de la tarea** = taskRef y la URL de la página de detalles en tiempo real
1. Elija **Siguiente**. Revise la tarea y elija **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
## Los registros de contacto de voz y tarea están vinculados
Cuando una regla crea una tarea, se genera automáticamente un registro de contacto para la tarea. Se vincula al registro de contacto de la llamada de voz o chat que cumplió los criterios de la regla para crear la tarea.
Por ejemplo, una llamada llega a su centro de contacto y genera CTR1:
![\[Información sobre el registro de contacto inicial cuando entra una llamada.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
El motor de reglas genera una tarea. En el registro de contacto de la tarea, el registro de contacto de voz aparece como **ID del contacto anterior**. Además, el registro de contacto de tarea hereda los atributos de contacto del registro de contacto de voz, como se ilustra en la siguiente imagen:
![\[Registro de contacto 2 para la tarea.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
## Acerca de los valores dinámicos para ContactId AgentId, QueueId, RuleName
Los valores dinámicos entre corchetes [] se denominan [atributos de contacto](what-is-a-contact-attribute.md). Los atributos de contacto permiten almacenar información temporal sobre el contacto para poder utilizarla en un flujo.
Al añadir atributos de contacto entre corchetes [] ContactId, como, AgentId QueueId, o RuleName —, el valor se transfiere de un registro de contacto a otro. Puede utilizar atributos de contacto en su flujo para ramificar y encaminar el contacto en consecuencia.
Para obtener más información, consulte [Usar los atributos de contacto](connect-contact-attributes.md).
# Creación de una regla en Contact Lens que finalice las tareas asociadas de un caso
**Para crear una regla que finalice las tareas asociadas**
1. Al crear la regla, seleccione **Se ha actualizado un caso nuevo** como origen del evento.
![\[La página de la nueva regla, el menú desplegable para agregar acciones y la opción de adición de un caso.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. Al crear la regla, elija **Finalizar tareas** para la acción.
![\[La página de la nueva regla, el menú desplegable para agregar acciones y la opción para finalizar tareas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-2.png)
![\[La opción Finalizar tareas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-3.png)
1. Elija **Siguiente**. Revise y elija **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
# Creación de una regla en Contact Lens que cree un caso
**Para crear una regla que cree un caso**
1. Al crear la regla, selecciona «El análisis **posterior a la llamada está disponible», «El análisis** **posterior a la conversación está disponible**» o «El **análisis del correo electrónico está disponible» como fuente** del evento.
![\[En la página de definición de condiciones, selecciona El análisis posterior a la llamada está disponible, el análisis posterior al chat está disponible o el análisis del correo electrónico está disponible como fuente del evento.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-create-case-1.png)
1. Elija **Siguiente**.
1. En la página de acciones, elija **Crear caso** para la acción.
![\[La página de la nueva regla, el menú desplegable para agregar acciones y la opción para crear un caso.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-create-case-2.png)
1. En la tarjeta **Crear caso**, seleccione una **plantilla de caso**.
![\[En la tarjeta Crear caso, seleccione una plantilla de caso.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-create-case-3.png)
1. Rellene los **campos obligatorios** y añada **campos de caso opcionales** para rellenar los datos del caso.
**nota**
Para que esta acción funcione, se debe asociar un perfil de cliente a un contacto. Para obtener más información, consulte [Habilitación de Cases](enable-cases.md).
![\[Rellene los campos obligatorios y añada campos de caso opcionales para rellenar los datos del caso.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-create-case-4.png)
1. Elija **Siguiente**. Revise y elija **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
# Creación de una regla en Contact Lens que actualice un caso
**Cómo crear una regla que actualice un caso**
1. Al crear la regla, seleccione **Se ha actualizado un caso** como origen del evento y elija **Siguiente**.
![\[La página de la nueva regla, el menú desplegable para agregar acciones y la opción de actualización de un caso.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. Al crear la regla, elija **Actualizar caso** para la acción.
![\[La página de la nueva regla, el menú desplegable para agregar acciones y la opción para actualizar un caso.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-update-case-2.png)
1. Seleccione cualquier campo de caso que desee actualizar en el menú desplegable y defina su nuevo valor.
![\[Seleccione cualquier campo de caso que desee actualizar en el menú desplegable y defina su nuevo valor.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-update-case-3.png)
![\[Seleccione cualquier campo de caso que desee actualizar en el menú desplegable y defina su nuevo valor.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-update-case-4.png)
1. Elija **Siguiente**. Revise y elija **Guardar**.
1. Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
# Creación de una regla en Contact Lens que envíe una evaluación automática
Contact Lens le permite cumplimentar y enviar evaluaciones automáticamente utilizando la información y las métricas del análisis de conversación.
## Paso 1: configuración de la automatización en el formulario de evaluación
Antes de poder crear una regla que envíe una evaluación automática, debe configurar la automatización en el formulario de evaluación. Para obtener instrucciones detalladas, consulte [Paso 6: Habilitar las evaluaciones automatizadas](create-evaluation-forms.md#step-automate) en [Creación de un formulario de evaluación](create-evaluation-forms.md).
A continuación, se muestra un resumen de los pasos:
1. Configure la automatización de todas las preguntas de un formulario de evaluación.
1. Active la opción **Permitir el envío automático de evaluaciones** antes de activar el formulario de evaluación.
1. Al activar el formulario de evaluación con la automatización configurada, aparece un mensaje para que cree una regla, como se muestra en la siguiente imagen.
![\[Un mensaje para crear una regla.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/create-a-rule-to-submit-automated-evaluations-1.png)
1. Elija **Create a rule (Crear una regla)**.
1. En la página **Reglas**, defina una regla que especifique qué contactos se evalúan automáticamente con el formulario de evaluación seleccionado. En el procedimiento siguiente se ofrecen instrucciones.
## Paso 2: definición de una regla que especifique qué contactos se evalúan automáticamente
Puede activar las evaluaciones automáticas con dos tipos de regla:
+ Una regla de **Análisis de conversación** que evalúa automáticamente el contacto después de que Contact Lens complete el análisis.
+ Una regla de **Formularios de evaluación** que se puede utilizar para activar un formulario de evaluación específico para cada situación como resultado de un formulario de evaluación genérico. Por ejemplo, si la respuesta a la pregunta de evaluación *¿El cliente estaba interesado en comprar un producto?* es *Sí*, podrá activar otro formulario de evaluación para medir el *Rendimiento de las ventas del agente*.
### Activación de las evaluaciones automáticas con una regla de análisis de conversación
Este es el tipo de regla predeterminado que se selecciona al crear una regla para enviar una evaluación automática durante la activación del formulario. También puede crear una regla de este tipo seleccionando **Crear una regla**, **Análisis de conversación** en la página **Reglas**.
1. Elija **Hay disponible un análisis posterior a la llamada con Contact Lens** o **Hay disponible un análisis posterior al chat con Contact Lens** como origen del evento. Estas dos opciones aparecen resaltadas en la imagen siguiente.
![\[Las opciones de análisis posterior a la llamada y posterior al chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/defined-conditions-evaluations.png)
1. Defina las condiciones para identificar los contactos que se evaluarán automáticamente y, a continuación, seleccione **Siguiente**.
Algunos ejemplos de condiciones que puede utilizar para identificar el conjunto específico de agentes o contactos a los que se aplica el formulario de evaluación son:
+ Agentes
+ Jerarquía de agente
+ Agente de IA
+ Colas
+ Método de iniciación
Además, puedes excluir los contactos que puedan haber finalizado prematuramente debido a problemas de conectividad u otros problemas mediante condiciones como las siguientes:
+ Duración de la interacción (por ejemplo, más de 30 segundos)
+ Tiempo de conversación (por ejemplo, el cliente habla durante más de 10 segundos)
+ Posible problema de desconexión cuando el problema no existe o no se conoce ningún problema de conectividad o dispositivo durante la conversación
1. En la página **Definir acciones**, introduzca un nombre de categoría para identificar la regla.
1. Elija **Añadir acción**, seleccione **Enviar una evaluación automatizada** y seleccione el formulario que desee utilizar para enviar automáticamente una evaluación. (Esta acción ya está seleccionada en la página si ha creado la regla al activar el formulario).
1. Elija **Siguiente**. Revise y elija **Guardar y publicar**.
Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
**importante**
No puede aplicar reglas a conversaciones pasadas y almacenadas.
### Activación de las evaluaciones automáticas con una regla de formularios de evaluación
1. Vaya a la página **Reglas**. Seleccione **Crear una regla**, **Formularios de evaluación**.
1. En **Cuándo**, seleccione el origen del evento como **Hay un resultado de evaluación de Contact Lens disponible**.
1. Seleccione **Agregar condición** para activar una evaluación específica de la situación. Por ejemplo:
+ Una respuesta específica sobre otra evaluación, que se muestra en la siguiente imagen.
![\[Una respuesta específica sobre otra evaluación.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/add-condition-1.png)
+ La puntuación de otro formulario de evaluación, que se muestra en la siguiente imagen.
![\[La puntuación de otro formulario de evaluación.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/add-condition-2.png)
1. Elija **Añadir acción**, seleccione **Enviar una evaluación automatizada** y seleccione el formulario que desee utilizar para enviar automáticamente una evaluación.
1. Elija **Siguiente**. Revise y elija **Guardar y publicar**.
## Preguntas frecuentes (FAQ)
1. **¿Puede una evaluación automática anular una evaluación que se ha enviado manualmente?**
No, una evaluación automática no puede anular una evaluación enviada manualmente. Si ya existe una evaluación, la evaluación automática fallará para ese contacto y los administradores de la cuenta podrán ver esas notificaciones de error en CloudWatch ella.
1. **¿Cómo puedo identificar las evaluaciones automatizadas?**
Si una evaluación se envía automáticamente, se marca como “enviada mediante automatización de Contact Lens” en la página **Datos de contacto**. Si un evaluador edita y vuelve a enviar una evaluación automática, en la información sobre el autor del envío se incluye el nombre del evaluador.
1. **¿Puedo evaluar automáticamente a un contacto usando varios formularios de evaluación?**
Sí, puede enviar automáticamente las evaluaciones de un contacto mediante varios formularios de evaluación. Debe crear varias reglas para enviar evaluaciones automatizadas mediante los diferentes formularios de evaluación.
# Uso de una condición de palabra o frase en una regla de Contact Lens
En la regla **Análisis de conversación** de Contact Lens, tiene la opción de especificar una condición de palabras o frases. Puede elegir coincidencia exacta, coincidencia semántica o coincidencia de patrones para las palabras o frases. En este tema se explica cada tipo de coincidencia.
**nota**
Los tres tipos de coincidencia no distinguen entre mayúsculas y minúsculas; por ejemplo, si ha especificado la palabra “facturación”, también coincidirá con la transcripción que contenga la palabra “Facturación”.
## Cómo utilizar la coincidencia exacta
Una **Coincidencia exacta** es una coincidencia exacta de palabras, en singular o en plural.
Puede agregar palabras clave o frases empleando uno de los siguientes métodos:
+ Seleccione **Escriba frases o palabras clave** e introduzca los valores manualmente en el cuadro de texto. Si hay varios valores, puede separarlos mediante una coma.
![\[Introduzca la opción de palabras clave o frases en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/exact-match-1.png)
+ Seleccione **Importe de una colección de textos** para importar palabras y frases predefinidas a partir de colecciones de palabras.
![\[Opción de importación de una colección de palabras en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/exact-match-2.png)
Las colecciones de palabras se pueden clasificar en dos tipos: colecciones de palabras de usuario y colecciones de palabras del sistema. Amazon Connect predefine las colecciones de palabras del sistema: los usuarios no pueden editarlas. Los usuarios pueden crear, leer, actualizar y eliminar una colección de palabras de usuario (CRUD). Para obtener más información, consulte [Administración de las colecciones de palabras al crear reglas de análisis de conversación en Contact Lens](manage-word-collections.md).
## Cómo utilizar la coincidencia de patrones
Si desea que coincidan palabras relacionadas, agregue un asterisco (\$1) a los criterios. Por ejemplo, si desea coincidencias en todas las variaciones de “vecino” (vecinos o vecindario) escribiría **vecin\$1**.
Con **Coincidencia de patrones** puede especificar lo siguiente:
+ **Lista de valores**: es útil cuando se desea crear expresiones con valores intercambiables. Por ejemplo, la expresión podría ser:
*Llamo por un corte de suministro eléctrico en [“Pekín” o “Londres” o “Nueva York” o “París” o “Tokio”]*
Después, en su lista de valores agregaría las ciudades: Pekín, Londres, Nueva York, París y Tokio.
La ventaja de utilizar valores es que puede crear una expresión, en lugar de varias. De este modo, se reduce el número de tarjetas que tiene que crear.
+ **Número**: esta opción se usa con más frecuencia en los guiones de conformidad o si busca un contexto cuando sabe que en algún punto intermedio hay un número (en dígitos [del 0 al 9]). De esta forma, puede incluir todos sus criterios en una expresión en lugar de utilizar dos. Por ejemplo, el guion de cumplimiento de un agente podría decir:
*Llevo [num] años en este sector y me gustaría hablar de este tema con usted.*
O un cliente podría decir:
*He sido miembro durante [num] años.*
**nota**
Al extraer números de las transcripciones de audio o del chat, solo se reconocen los dígitos numéricos (del 0 al 9).
En el caso de los contactos de voz, es posible que algunos idiomas no conviertan los números hablados al formato digital durante la [transcripción de números](https://docs.aws.amazon.com/transcribe/latest/dg/how-numbers.html). Esto significa que la coincidencia de patrones numéricos podría no funcionar en estos casos. Para ver una lista de los idiomas que admiten la transcripción numérica, consulte [Idiomas compatibles y características específicas de cada idioma](https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html) en la *Guía para desarrolladores de Amazon Transcribe*.
+ **Definición de proximidad**: busca coincidencias que pueden tener una coincidencia inferior al 100 %. También puede especificar la distancia entre palabras. Por ejemplo, si busca contactos en los que se haya mencionado la palabra “crédito”, pero no desea que se mencione “tarjeta de crédito”, puede definir una categoría de coincidencia de patrones para buscar la palabra “crédito” que no se encuentre a una distancia de una palabra “tarjeta”.
Por ejemplo, una definición de proximidad podría ser:
*tarjeta [no está a menos de 1 palabra de] crédito*
**sugerencia**
Para ver una lista de los lenguajes admitidos en la coincidencia de patrones, consulte [Características de IA](supported-languages.md#supported-languages-contact-lens).
## Cómo usar la coincidencia semántica
La coincidencia semántica solo se admite para el análisis posterior a la llamada o al chat.
+ Una “intención” es un ejemplo de expresión. Puede ser una frase o una oración.
+ Puede introducir hasta cuatro intenciones en una tarjeta (grupo).
+ Recomendamos utilizar intenciones semánticamente similares en una tarjeta para obtener los mejores resultados. Por ejemplo, hay una categoría para “cortesía”. Incluye dos intenciones: “saludos” y “despedida”. Recomendamos separar estas intenciones en dos tarjetas:
+ Tarjeta 1: “Cómo está hoy” y “Cómo va todo”. Son saludos semánticamente similares.
+ Tarjeta 2: “Gracias por contactarnos” y “Gracias por ser nuestro cliente”. Son despedidas semánticamente similares.
Separar las intenciones en dos tarjetas proporciona más precisión que ponerlas todas en una sola.
# Uso de la IA generativa para hacer coincidir semánticamente los contactos con las instrucciones en lenguaje natural
Dentro de una regla de **análisis de conversación** de Contact Lens, tiene la opción de especificar la condición **Lenguaje natural: coincidencia semántica** que usa la IA generativa para buscar contactos que coinciden con una instrucción en lenguaje natural. Lenguaje natural: coincidencia semántica se utiliza cuando se quiere hacer coincidir los contactos con criterios específicos del contexto (por ejemplo, el problema del cliente se ha resuelto durante la llamada) o si hay demasiadas palabras o frases posibles como para utilizar las condiciones **Palabras o frases**.
Consejo profesional: utilice la opción Lenguaje natural: coincidencia semántica con tecnología de IA generativa si anteriormente ha utilizado Palabras o frases: coincidencia semántica.
## Cómo usar la opción Lenguaje natural: coincidencia semántica
****
1. Inicie sesión en Amazon Connect con un usuario que tenga los permisos **Reglas** y **Reglas: IA generativa**.
1. En el menú de navegación, elija **Análisis y optimización** y, a continuación, **Reglas**.
1. Seleccione **Crear una regla** y **Análisis de conversación**.
![\[Opción de importación de una colección de palabras en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/create-natural-semantic-match-rule.png)
1. Seleccione Hay disponible un análisis posterior a la llamada con Contact Lens o Hay disponible un análisis posterior al chat con Contact Lens.
1. Seleccione **Agregar condición** y, a continuación, elija **Lenguaje natural: coincidencia semántica**.
![\[Opción de importación de una colección de palabras en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/choose-natural-semantic-match.png)
1. Escriba una instrucción en lenguaje natural que la IA generativa pueda evaluar como verdadera o falsa y haga que coincida con la transcripción de la conversación.
![\[Opción de importación de una colección de palabras en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/enter-natural-language-statement.png)
1. Añada cualquier condición adicional, por ejemplo, colas, atributos de contacto personalizados, etc.
1. Elija **Siguiente** y proporcione un nombre de categoría (sin espacios) que se usaría para etiquetar los contactos con la declaración en lenguaje natural, por ejemplo **CustomerAddressChange**.
1. Puede especificar acciones adicionales, como [generar tareas](contact-lens-rules-create-task.md), [enviar notificaciones por correo electrónico](contact-lens-rules-email.md) o [enviar evaluaciones automáticamente](contact-lens-rules-submit-automated-evaluation.md), entre otras.
1. Seleccione **Siguiente** para revisar la regla antes de darle a **Guardar y publicar**. Si no quiere publicar la regla todavía, también puede **Guardar como borrador**.
## Pautas para usar la coincidencia semántica
La siguiente lista detalla la mejor manera de utilizar la coincidencia semántica:
+ La instrucción debería ser algo que pueda evaluarse como verdadera o falsa.
+ Lenguaje natural: coincidencia semántica solo usa la transcripción de la conversación. Si quiere usar otros atributos de contacto (por ejemplo, colas) en los criterios de coincidencia, debe especificarlos como condiciones independientes dentro de la regla.
+ Si es posible, utilice el término agente en lugar de términos como colega, empleado, representante, defensor o asociado. Del mismo modo, utilice el término cliente en lugar de términos como miembro, persona que llama, invitado o suscriptor.
+ Utilice únicamente comillas dobles únicamente si quiere comprobar las palabras exactas que pronuncian el agente o el cliente. Por ejemplo, si la instrucción es buscar al agente que dice “¡Qué pases un buen día\$1”, la IA generativa no detectará “¡Qué pases una buena tarde\$1”. En cambio, la instrucción en lenguaje natural debería decir “El agente le ha deseado al cliente un buen día”.
**Ejemplos de instrucciones a usar con la coincidencia semántica**
+ El cliente quería hacer un cambio en su plan de suscripción.
+ El cliente ha expresado su gratitud por la ayuda del agente.
+ El cliente ha indicado su deseo de cancelar los servicios actuales.
+ El cliente ha solicitado una interacción posterior.
+ El cliente ha pedido al agente que repita la información, lo que indica falta de comprensión.
+ El cliente ha pedido hablar con el supervisor del agente.
+ El agente ha solicitado al cliente información adicional o una validación antes de dar una respuesta definitiva.
+ El agente ha ofrecido múltiples opciones de pago.
+ El agente ha asegurado al cliente que su llamada es importante y ha solicitado más tiempo de espera.
+ El agente ha resuelto todos los problemas del cliente.
# Administración de las colecciones de palabras al crear reglas de análisis de conversación en Contact Lens
Una *colección de palabras* es un conjunto de palabras y frases prediseñadas que puede utilizar para definir la condición de coincidencia exacta al crear reglas de análisis de conversación. Al añadir condiciones de coincidencia exacta a una regla, puede elegir una lista de palabras y frases en un menú desplegable.
## Permisos necesarios
Reglas de Contact Lens: las colecciones de palabras usan el mismo grupo de permisos de perfil de seguridad que las Reglas de Contact Lens. Para obtener más información, consulte [Permisos del perfil de seguridad para reglas de Contact Lens](permissions-for-rules.md).
## Cómo acceder a la página de administración de colecciones de palabras
1. Al crear o actualizar una regla de análisis de conversación, selecciona el icono con forma de engranaje situado en la parte superior derecha de la tarjeta de condición de **Coincidencia exacta**, como se muestra en la imagen siguiente.
![\[Introduzca la opción de palabras clave o frases en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/word-collections-permissions-how-to-access-1.png)
1. En la página de administración de **Colecciones de palabras**, puede ver las colecciones de palabras existentes y crear nuevas colecciones de palabras.
![\[Introduzca la opción de palabras clave o frases en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/word-collections-permissions-how-to-access-2.png)
## Cómo crear una colección de palabras de usuario
****
1. En la página de administración de **Colecciones de palabras**, seleccione **Crear una colección de palabras**.
![\[Introduzca la opción de palabras clave o frases en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/create-user-word-collections-1.png)
1. Introduzca el nombre de la colección de palabras, añada palabras y frases y, a continuación, seleccione **Guardar**.
![\[Introduzca la opción de palabras clave o frases en la interfaz de usuario.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/create-user-word-collections-2.png)
## Límites de la colección de palabras
+ Amazon Connect tiene un límite predeterminado de 100 colecciones de palabras de usuario por instancia.
+ Cada colección de palabras puede tener un máximo de 100 palabras o frases.
+ Cada palabra o frase está limitada a no más de 512 caracteres.
+ Solo puede administrar las colecciones de palabras de los usuarios. No puede administrar ni editar las colecciones de palabras del sistema.
# Introducción de un guion en una regla de Contact Lens para que los agentes lo sigan
Introduzca un guion en una regla de Contact Lens cuando quiera que los agentes utilicen unas palabras específicas en las llamadas con los clientes.
Para introducir un guion en una regla, introduzca frases. Por ejemplo, si desea resaltar los momentos en que los agentes dicen *Gracias por ser miembro. Agradecemos su interés*, introduzca dos frases:
+ Gracias por ser miembro.
+ Agradecemos su interés.
Para aplicar la regla a determinadas líneas de negocio, agregue una condición para las colas a las que se aplica o atributos de contacto. Por ejemplo, la siguiente imagen muestra una regla que se aplica cuando un agente está trabajando en las BasicQueue colas de facturación y pagos, el cliente busca un seguro de automóvil y el agente se encuentra en Seattle.
![\[La página Nueva regla, sección Palabras o frases: coincidencia exacta, varias condiciones.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
# Permisos del perfil de seguridad para reglas de Contact Lens
Para ver, editar o agregar reglas de la categorización automática, debe estar asignado a un perfil de seguridad que tenga el permiso **Análisis y optimización - Reglas**.
Para ver, editar o añadir una regla que utilice la IA generativa (mediante la condición **Lenguaje natural: coincidencia semántica**), su perfil de seguridad también debe tener asignado el permiso **Análisis y optimización - Reglas: IA generativa**.
Para ver los nombres de los agentes y poder agregarlos a las reglas, necesita los permisos **Usuarios y permisos - Ver** en su perfil de seguridad.
Para ver los nombres de las colas y poder agregarlos a las reglas, necesita los permisos **Enrutamiento: Colas - Ver** en su perfil de seguridad.
Para obtener más información, consulte [Asignación de permisos para usar el análisis de conversación de Contact Lens en Amazon Connect](permissions-for-contact-lens.md).
# Diseño de un flujo para usar los atributos de contacto en una regla de Contact Lens
Puede tener hasta cinco atributos de contacto en una regla.
Los atributos de contacto se obtienen al principio de la sesión de análisis de contactos en tiempo real. Lo que se obtiene en ese momento se utiliza para evaluar las reglas durante toda la sesión. No se recoge ninguna actualización de los atributos de contacto una vez iniciada la sesión.
Puede diseñar flujos para utilizar los atributos de contacto que especifique en una regla y, a continuación, enrutar la tarea en consecuencia. Por ejemplo, una llamada o un chat llegan a su centro de contacto. Cuando Contact Lens analiza la llamada o el chat, comprueba que se cumple la regla **Cumplimiento**. El registro de contacto que se crea para la llamada, por ejemplo, incluye información similar a la siguiente imagen. Muestra la **categoría** = **Cumplimiento** y tiene dos atributos de contacto personalizados: **CustomerType**= **VIP** y **AgentLocation**= **NYC**.
![\[El registro de contacto cuando se desencadena la regla de cumplimiento.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
El motor de reglas genera una tarea. El registro de contacto para la tarea hereda los atributos de contacto del registro de contacto de voz, como se ilustra en la siguiente imagen.
![\[El registro de contacto para la tarea, los atributos de contacto personalizados.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
El registro de contacto de voz aparece como **ID del contacto anterior**.
El flujo que especifique en la regla debe estar diseñado para utilizar los atributos de contacto y enrutar la tarea al propietario correspondiente. Por ejemplo, es posible que desee redirigir las tareas donde **CustomerType = VIP** a un agente específico.
Para obtener más información, consulte [Usar los atributos de contacto](connect-contact-attributes.md).
# Las reglas se aplican a los contactos nuevos cuando Contact Lens analiza las conversaciones
Una vez que haya agregado las reglas, se aplicarán a los nuevos contactos que se produzcan después de haberlas agregado. Las reglas se aplican cuando el análisis conversacional de Amazon Connect analiza las conversaciones.
No puede aplicar reglas a conversaciones pasadas y almacenadas.
# Notificaciones de error: cuando Contact Lens no puede analizar un contacto
Es posible que Contact Lens no pueda analizar un archivo de contactos, aunque el análisis esté habilitado en el flujo. Cuando esto ocurre, Contact Lens envía notificaciones de error mediante Amazon EventBridge events.
Los eventos se emiten en la [medida de lo posible](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html).
## Suscríbase a EventBridge las notificaciones
Para suscribirse a estas notificaciones, cree una EventBridge regla personalizada que coincida con lo siguiente:
+ “source” = “aws.connect”
+ “detail-type” = “Contact Lens Analysis State Change”
También puede agregar al patrón que se le notifique cuando se produzca un código de evento específico. Para obtener más información, consulta [Patrones de eventos](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html) en la *Guía del EventBridge usuario de Amazon*.
El formato de una notificación se parece al siguiente ejemplo:
```
{
"version": "0", // set by CloudWatch Events
"id": "55555555-1111-1111-1111-111111111111", // set by CloudWatch Events
"source": "aws.connect",
"detail-type": "Contact Lens Analysis State Change",
"account": "111122223333",
"time": "2020-04-27T18:43:48Z",
"region": "us-east-1", // set by CloudWatch Events
"resources": [
"arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e",
"arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e/contact/efgh4567-pqrs-5678-t9c0-111111111111"
],
"detail": {
"instance": "arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e",
"contact": "arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e/contact/efgh4567-pqrs-5678-t9c0-111111111111",
"channel": "VOICE",
"state": "FAILED",
"reasonCode": "RECORDING_FILE_CANNOT_BE_READ"
}
}
```
## Códigos de evento
En la siguiente tabla se enumeran los códigos de evento que pueden producirse cuando Contact Lens no puede analizar un contacto.
| Código de motivo de evento | Description (Descripción) |
| --- | --- |
| INVALID\$1ANALYSIS\$1CONFIGURATION | Contact Lens ha recibido valores no válidos al iniciarse el flujo, como un código de idioma no admitido o no válido o un valor no admitido para el comportamiento de supresión. |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Contact Lens no puede obtener el archivo de grabación. Esto puede deberse a que el archivo no está presente en el bucket de S3 o a que hay problemas con los permisos. |
| RECORDING\$1FILE\$1TOO\$1SMALL | El archivo de grabación es demasiado pequeño para el análisis (menos de 105 ms). Si el archivo no tiene el formato esperado, se produce un error INVALID. El JSON vacío también es un objeto inesperado. |
| RECORDING\$1FILE\$1TOO\$1LARGE | El archivo de grabación supera el límite de duración para el análisis. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/contact-lens-error-notifications.html) |
| RECORDING\$1FILE\$1INVALID | El archivo de grabación no es válido. |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Se ha producido un error cuando Contact Lens intentaba leer el archivo de grabación. |
| RECORDING\$1FILE\$1EMPTY | El archivo de grabación está vacío. |
| RECORDING\$1SAMPLE\$1RATE\$1NOT\$1SUPPORTED | No se admite la frecuencia de muestreo del archivo de audio. Contact Lens actualmente admite archivos de audio con una frecuencia de muestreo de 8 kHz. Esa es la frecuencia de muestreo de las grabaciones de Amazon Connect. |
# Notificaciones de error cuando una regla de Amazon Connect no se ejecuta
Es importante saber cuándo se ha producido un error en la acción de una regla específica en un entorno de producción y cuál ha sido la causa. Así podrá mitigar de forma proactiva este tipo de errores en el futuro.
Para obtener información en tiempo real sobre las acciones que no se pudieron ejecutar, integre las reglas de Amazon Connect con EventBridge los eventos de Amazon. Esto le permite recibir notificaciones cuando, por ejemplo, la acción “Crear tarea” no se ejecutó porque el número máximo de **tareas activas simultáneas por instancia** alcanzó la cuota de servicio. Cuando esto ocurre, Amazon Connect envía notificaciones de error mediante Amazon EventBridge events.
Los eventos se emiten en la [medida de lo posible](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html).
## Suscríbase a EventBridge las notificaciones
Para suscribirse a estas notificaciones, cree una EventBridge regla personalizada que coincida con lo siguiente:
+ “source” = “aws.connect”
+ “detail-type” = “Contact Lens Rules Action Execution Failed”
También puede agregar al patrón que se le notifique cuando se produzca un código de evento específico. Para obtener más información, consulta [Patrones de eventos](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html) en la *Guía del EventBridge usuario de Amazon*.
El formato de una notificación se parece al siguiente ejemplo:
```
{
"version": "0",
"id": "8d122163-6c07-f8cb-06e7-373a1bcf8fc6",
"source": "aws.connect",
"detail-type": "Amazon Connect Rules Action Execution Failed",
"account": "123456789012",
"time": "2022-01-05T01:30:42Z",
"region": "us-east-1",
"resources": ["arn:aws:connect:us-east-1:123456789012:instance/cb54730f-5aac-4376-b2f4-7c822889931e"],
"detail": {
"ruleId": "7410c94b-21c2-4db0-a707-c6d751edbe8f",
"actionType": "CREATE_TASK",
"triggerEvent": "THIRD_PARTY",
"instanceArn": "arn:aws:connect:us-east-1:123456789012:instance/cb54730f-5aac-4376-b2f4-7c822889931e",
"reasonCode": "ResourceNotFoundException",
"error": "ContactFlowId provided does not belong to connect instance",
"additionalInfo": "{\n \"message\": \"Not Found\",\n \"code\": \"ResourceNotFoundException\",\n \"statusCode\": 404,\n \"time\": \"2022-01-03T20:23:07.073Z\",\n \"requestId\": \"048e4403-71c1-47d6-96fc-825744f518e7\",\n \"retryable\": false,\n \"retryDelay\": 28.217537834500316\n}"
}
}
```
## Tipos de acción admitidos
+ `CREATE_TASK`
+ `GENERATE_EVENTBRIDGE_EVENT`
+ `SEND_NOTIFICATION`
Para obtener más información sobre `ASSIGN_CONTACT_CATEGORY`, consulte [Notificaciones de error: cuando Contact Lens no puede analizar un contacto Solución de problemas](contact-lens-error-notifications.md).
## Eventos desencadenadores admitidos
+ `REAL_TIME_CALL`
+ `REAL_TIME_CHAT`
+ `POST_CALL`
+ `POST_CHAT`
+ `THIRD_PARTY`
## Códigos de motivo de las acciones con error
Cuando se produce un error en una acción, el servicio de notificación de errores recopila los códigos de motivo de las acciones admitidas. Para obtener más información sobre los códigos de motivo de los errores de tareas y EventBridge acciones, consulte los siguientes temas:
+ Para ver los códigos de motivo de los errores en las acciones de las tareas, consulte el tema [Errores](https://docs.aws.amazon.com/connect/latest/APIReference/API_StartTaskContact.html#API_StartTaskContact_Errors) en la **StartTaskContact**API de la *Guía de referencia de la API de Amazon Connect*.
+ Para ver los códigos de motivo de los errores de EventBridge acción, consulta el tema [Errores](https://docs.aws.amazon.com/eventbridge/latest/APIReference/API_PutEvents.html#API_PutEvents_Errors) en la **PutEvents**API de la *Guía de referencia de las EventBridge API de Amazon*.
# Especifique variables para determinados parámetros al crear o gestionar reglas mediante Amazon Connect APIs
Al crear o gestionar reglas mediante programación mediante Amazon Connect APIs (por ejemplo, [CreateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateRule.html)o [UpdateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_UpdateRule.html)), puede especificar variables para determinados parámetros. Las variables se resuelven en tiempo de ejecución, cuando se activa la acción, en función del valor del [EventSourceName](https://docs.aws.amazon.com/connect/latest/APIReference/API_RuleTriggerEventSource.html)parámetro.
Por ejemplo, supongamos que está configurando una acción de tarea y desea agregar más contexto. A continuación, se muestra un ejemplo de cómo podría utilizar inyecciones de variables para incluir el ID del contacto y el ID del agente en el campo `Description` de la tarea:
+ El cliente no está satisfecho con la llamada telefónica. Se ha detectado una palabrota durante la conversación con el agente `$.ContactLens.PostCall.Agent.AgentId` en el contacto `$.ContactLens.PostCall.ContactId`
Cuando se desencadene la acción, su cadena se resolvería como “El cliente no está satisfecho con la llamada telefónica. Se detectó una palabrota durante una conversación con el agente 12345678-1234-1234-1234- al teléfono 87654321-1234-1234-1234-» EXAMPLEID012 EXAMPLEID345
La siguiente tabla muestra cada fuente de eventos y las que se deben usar en los campos que admiten la inyección de variables. JSONPath
| EventSourceName | JSONPath Referencia |
| --- | --- |
| OnPostCallAnalysisAvailable | \$1.ContactLens.PostCall.ContactId \$1. ContactLens. PostCall.Agente. AgentId \$1. ContactLens. PostCall.Cola. QueueId |
| OnRealTimeCallAnalysisAvailable | \$1.ContactLens.RealTimeCall.ContactId \$1. ContactLens. RealTimeCall.Agente. AgentId \$1. ContactLens. RealTimeCall.Cola. QueueId |
| OnPostChatAnalysisAvailable | \$1.ContactLens.PostChat.ContactId \$1. ContactLens. PostChat.Agente. AgentId \$1. ContactLens. PostChat.Cola. QueueId |
| OnSalesforceCaseCreate | \$1. ThirdParty.Salesforce. CaseCreate. CaseNumber \$1. ThirdParty.Salesforce. CaseCreate.Nombre \$1. ThirdParty.Salesforce. CaseCreate.Correo electrónico \$1. ThirdParty.Salesforce. CaseCreate.Teléfono \$1. ThirdParty.Salesforce. CaseCreate.Empresa \$1. ThirdParty.Salesforce. CaseCreate.Tipo \$1. ThirdParty.Salesforce. CaseCreate.Motivo \$1. ThirdParty.Salesforce. CaseCreate.Origen \$1. ThirdParty.Salesforce. CaseCreate.Asunto \$1. ThirdParty.Salesforce. CaseCreate.Prioridad \$1. ThirdParty.Salesforce. CaseCreate. CreatedDate \$1. ThirdParty.Salesforce. CaseCreate.Descripción |
| OnZendeskTicketCreate | \$1. ThirdParty.Zendesk. TicketCreate.Id. \$1. ThirdParty.Zendesk. TicketCreate.Prioridad \$1. ThirdParty.Zendesk. TicketCreate. CreatedAt |
| OnZendeskTicketStatusUpdate | \$1. ThirdParty.Zendesk. TicketStatusUpdate.Id. \$1. ThirdParty.Zendesk. TicketStatusUpdate.Prioridad \$1. ThirdParty.Zendesk. TicketStatusUpdate. CreatedAt |
# Búsqueda de conversaciones analizadas por Contact Lens
Puede buscar las grabaciones analizadas y transcritas basándose en lo siguiente:
+ Interlocutor (agente o cliente)
+ Palabras clave
+ Puntuación de opinión
+ Tiempo sin conversación (solo para llamadas)
+ Tiempo de respuesta (solo para chats)
Además, puede buscar conversaciones que se encuentren en categorías de contacto específicas (es decir, la conversación se ha categorizado en función de las palabras clave y las frases pronunciadas).
Estos criterios se describen en las siguientes secciones.
**importante**
Cuando se habilita Contact Lens en un contacto, después de que finalice una llamada o un chat **y** el agente complete el trabajo después del contacto (ACW), Contact Lens analiza (y en el caso de las llamadas, transcribe) la grabación de la conversación entre el cliente y el agente. En primer lugar, el agente debe elegir **Cerrar contacto**.
Las transcripciones de los chats se indexan para la búsqueda cuando Contact Lens está habilitado; no se indexan para la búsqueda si Contact Lens no está habilitado.
## Permisos necesarios para buscar conversaciones
Para poder buscar conversaciones, necesita los siguientes permisos en su perfil de seguridad. Le permiten realizar el tipo de búsqueda que desea.
+ Habilite uno de los siguientes permisos para acceder a la página **Búsqueda de contactos**:
+ **Búsqueda de contactos**. Le permite buscar todos los contactos.
+ **Ver mis contactos**: le permite buscar solo los contactos que ha gestionado como agente.
+ **Buscar contactos por características de la conversación**. Esto incluye el tiempo sin conversación, la puntuación de opinión y la categoría de contacto.
+ **Buscar contactos por palabras clave**
Para obtener más información, consulte [Asignar permisos](permissions-for-contact-lens.md).
## Búsqueda de palabras o frases
Para la búsqueda de palabras clave, Contact Lens utiliza el `standard` analizador de Amazon OpenSearch Service. Este analizador no distingue entre mayúsculas y minúsculas. Por ejemplo, si introduce *gracias por utilizar nuestros servicios 2 Vuelos CANCELADOS*, la búsqueda será:
[gracias, por, nuestros, servicios, 2, vuelos, cancelados].
Si introduce *"Gracias por utilizar nuestros servicios", dos, "Vuelos CANCELADOS"*, la búsqueda será:
[gracias por utilizar nuestros servicios, dos, vuelos cancelados].
**Para buscar palabras o frases en las conversaciones**
1. En Amazon Connect, inicie sesión con una cuenta de usuario que tenga asignado el perfil de **CallCenterManager**seguridad o que esté habilitada para el permiso **Buscar contactos por palabras clave**.
1. Elija **Análisis y optimización** y **Búsqueda de contactos**.
1. En la sección **Filtro**, especifique el periodo que desee buscar e indique el canal.
**sugerencia**
Para buscar por fecha, puede buscar hasta ocho semanas a la vez.
1. Elija **Haga clic aquí para añadir filtro** y, en el menú desplegable, elija **Palabras o frases**.
![\[La página de búsqueda de contactos, la sección de filtros, el menú desplegable para agregar filtros y la opción Palabras o frases.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
1. En la sección **Usado por**, elija en qué parte de la conversación desea buscar. Tenga en cuenta lo siguiente:
+ **Sistema** se aplica al chat, en el que el participante puede ser un bot de Lex o un mensaje.
+ Para buscar palabras o frases que utilicen todos los participantes, seleccione **Agente**, **Cliente** y **Sistema**.
+ Si no se selecciona ninguna casilla, significa que hay que buscar las palabras o frases que utilice cualquiera de los participantes.
1. En la sección **Lógica**, elija una de las siguientes opciones:
+ Elija **Match any** (Coincidir con cualquiera) para que se devuelvan los contactos que tengan alguna de las palabras presentes en las transcripciones.
Por ejemplo, la siguiente consulta implica una coincidencia (hola O cancelación O "aerolínea de ejemplo"). Y, como no se ha seleccionado ninguna casilla **Usado por**, significa “encontrar contactos en los que cualquiera de estas palabras la haya utilizado alguno de los participantes”.
![\[El cuadro de diálogo Palabras o frases y la opción Coincidir con cualquiera.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/match-any.png)
+ Elija **Match all** (Coincidir con todo) para que se devuelvan los contactos que tengan todas las palabras presentes en las transcripciones.
Por ejemplo, la siguiente consulta implica una coincidencia ("gracias por utilizar nuestros servicios" Y cancelación Y "aerolínea de ejemplo"). Y, como todas las casillas de los participantes están seleccionadas, significa “encontrar contactos en los que todas estas palabras y frases las hayan utilizado todos los participantes”.
![\[El cuadro de diálogo Palabras o frases y la opción Coincidir con todo.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/match-all.png)
1. En la sección **Palabras o frases**, introduzca las palabras que desee buscar separadas por comas. Si va a introducir una frase, póngala entre comillas.
Puede introducir hasta 128 caracteres.
## Búsqueda de la puntuación de opinión o evaluación del cambio de opinión
Con Contact Lens puede buscar en conversaciones las puntuaciones o cambios de opinión en una escala de -5 (más negativo) a \$15 (más positivo). Esto le permite identificar patrones y factores por los que las llamadas van bien o mal.
![\[La página de búsqueda de contactos, el filtro de puntuación de opinión.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-sentiment-score-shift.png)
Por ejemplo, supongamos que desea identificar e investigar todos los contactos en los que la opinión del cliente finalizó negativamente. Puede buscar todos los contactos donde la puntuación de opinión sea **<=** (menor o igual a) -1.
Para obtener más información, consulte [Investigación de las puntuaciones de opinión](sentiment-scores.md).
**Para buscar las puntuaciones de opinión o evaluación del cambio de opinión**
1. En Amazon Connect, inicie sesión con una cuenta de usuario que tenga asignado el perfil de **CallCenterManager**seguridad o que esté habilitada para el permiso **Buscar contactos por características de conversación**.
1. En la página **Búsqueda de contactos**, especifique si desea la puntuación de opinión de las palabras o frases pronunciadas por el cliente o el agente.
1. En **Tipo de análisis de puntuación**, especifique qué tipo de puntuaciones se van a devolver:
+ **Puntuación de opinión**: devuelve la puntuación media de la parte de la conversación del cliente o del agente.
Además de buscar las puntuaciones de opinión cuando el agente o el cliente están en el contacto, puede filtrar la búsqueda por los siguientes momentos:
+ **Con el agente en el chat**
+ **Sin el agente en el chat**: este es el momento en que el cliente está chateando con un bot, los mensajes y el tiempo en la cola.
![\[El filtro de puntuación de opinión, el menú desplegable de participantes, el cliente sin agente en la opción de chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-search-sentiment-participant.png)
+ **Cambio de opinión**: identifique dónde cambió la opinión del cliente o el agente durante el contacto.
Por ejemplo, en la siguiente imagen se muestra un ejemplo de búsqueda de contactos en los que la puntuación de la opinión del cliente comienza en menos o igual a -1 y termina en más o igual a \$11. Además, el cliente está chateando con el agente presente.
![\[El filtro de puntuación de opinión, la opción de cambio de opinión.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-search-sentiment-score.png)
## Buscar tiempo sin conversación
Para ayudarle a identificar las llamadas que investigar, puede buscar el tiempo sin conversación. Por ejemplo, es posible que desee buscar todas las llamadas en las que el tiempo sin conversación sea superior al 20 % y, a continuación, investigarlas.
El tiempo sin conversación incluye el tiempo de espera y cualquier silencio en el que ambos participantes no estén hablando durante más de tres segundos. Esta duración no se puede personalizar.
Utilice la flecha desplegable para especificar si desea buscar conversaciones para la duración o el porcentaje del tiempo sin conversación. Estas opciones se muestran en la siguiente imagen.
Para obtener información sobre cómo utilizar esta métrica, consulte [Investigación del tiempo sin conversación](non-talk-time.md).
![\[El filtro de tiempo sin conversación, las opciones de duración y porcentaje.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/non-talk-time.png)
## Búsqueda por tiempo de respuesta en las conversaciones de chat
Puede buscar por:
+ Tiempo promedio de respuesta del agente o el cliente durante el chat
+ Tiempo máximo de respuesta del agente o el cliente durante el chat
Especifique si la duración es menor, mayor o igual a un tiempo determinado. Para obtener información sobre cómo utilizar esta métrica, consulte [Investigación del tiempo de respuesta durante los chats en Contact Lens](response-time.md).
Para conocer los tiempos de respuesta mínimos y máximos admitidos, consulte [Amazon Connect Reglas, características y especificaciones](feature-limits.md#rules-feature-specs).
En la siguiente imagen se muestra una búsqueda de contactos en los que el tiempo promedio de respuesta del agente fue mayor o igual a 1 minuto.
![\[El filtro de tiempo de respuesta.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/response-time.png)
## Búsqueda de una categoría de contacto
1. En la página **Búsqueda de contactos**, seleccione **Añadir filtro** y **Categoría de contacto**.
1. En el cuadro **Categorías de contacto**, utilice el cuadro desplegable para ver todas las categorías actuales en las que puede buscar. O, si empieza a escribir, la entrada se utiliza para hacer coincidir las categorías existentes y filtrar las que no coinciden.
+ **Coincidir con cualquiera**: busca contactos que coincidan con alguna de las categorías seleccionadas.
+ **Coincidir con todos**: busca contactos que coincidan con todas las categorías seleccionadas.
+ **Coincida con ninguna**: busca contactos que no coincidan con ninguna de las categorías seleccionadas. Tenga en cuenta que esto solo devolvería los contactos analizados por el análisis de conversación de Contact Lens.
En la siguiente imagen se muestra un menú desplegable con todas las categorías actuales enumeradas.
![\[El filtro de categorías de contacto, la opción de coincidencia con todo, las categorías de contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-search-contact-category2.png)
# Revisión de las conversaciones analizadas con Contact Lens
Al utilizar Amazon Connect Contact Lens, puede revisar la transcripción e identificar qué parte del contacto le interesa. No necesitará escuchar una llamada entera ni leer toda la transcripción de un chat para enterarse de lo que le interesa. Puede centrarse en partes específicas del audio o de la transcripción. Ambos están resaltados para usted donde haya puntos de interés.
Por ejemplo, podría escanear la transcripción del contacto y ver un emoji de opinión rojo para un turno de cliente, lo que indica que el cliente está expresando una opinión negativa. Puede elegir la marca temporal y saltar a esa parte de la grabación de audio o de la interacción en el chat.
En la siguiente imagen se muestra un ejemplo de un contacto de voz.
![\[Análisis de un contacto de voz.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-category-hit.png)
En la siguiente imagen se muestra un ejemplo de un contacto de chat. **Mensaje del sistema** se aplica al chat, en el que el participante puede ser un bot de Lex o un mensaje.
![\[Análisis de un contacto de chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-category-hit-chat.png)
**Para revisar las conversaciones analizadas**
1. Inicie sesión en Amazon Connect con una cuenta de usuario que tenga los permisos **Búsqueda de contactos** y **Contact Lens: análisis de conversación** en el perfil de seguridad.
1. En Amazon Connect, elija **Análisis y optimización** y **Búsqueda de contactos**.
1. Utilice los filtros de la página para acotar la búsqueda de un contacto. Para la fecha, puede buscar hasta 14 días a la vez. Para obtener más información sobre la búsqueda de contactos, consulte [Búsqueda de contactos completados y en curso](contact-search.md).
1. Elija el ID de contacto para ver los detalles del contacto.
1. En las secciones **Grabación** y **Transcripción** de la página **Datos de contacto**, revise lo que se habló o escribió, cuándo y su opinión.
1. En las llamadas, si lo desea, elija la reproducción del mensaje para escuchar la grabación. O bien, haga clic en la parte correspondiente de la grabación para escuchar la parte que le interese.
1. Para los chats, si lo desea, utilice el gráfico para navegar hasta la parte de la transcripción que le interese.
# Desplazamiento por las transcripciones y el audio en Amazon Connect Contact Lens
A menudo se pide a los supervisores que revisen los contactos de muchos agentes, por motivos de control de calidad. La turn-by-turn transcripción y los datos de opinión le ayudan a identificar rápidamente la parte de la grabación que le interesa y navegar hasta ella.
En la siguiente imagen de un registro de contacto se muestran características que le permiten navegar rápidamente por las transcripciones y el audio para encontrar las áreas que requieren su atención. Aunque la imagen muestra un contacto de voz, las mismas características se aplican a los contactos de chat.
![\[Análisis de un contacto de voz.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-navigate-transcripts2.png)
1. Usa [Mostrar los aspectos más destacados](#contact-lens-contact-summarization) para revisar solo el problema, el resultado o el elemento de and/or acción.
1. Utilice [Desplazamiento automático](#autoscroll) para los contactos de voz, para saltar por el audio o la transcripción. Los dos permanecen siempre sincronizados.
1. Busque [emojis de opinión](#sentiment-emojis) para identificar rápidamente una parte de la transcripción que desea leer o escuchar.
1. Elija la marca temporal para saltar a esa parte de la grabación de audio o de la transcripción. La marca temporal se calcula a partir del inicio de la interacción del cliente en el contacto.
## Visualización de los aspectos más destacados
Puede llevar mucho tiempo revisar transcripciones de contactos que tienen cientos de líneas. Para que este proceso sea más rápido y eficaz, Contact Lens ofrece la opción de ver los aspectos más destacados. En los aspectos más destacados solo aparecen las líneas en las que Contact Lens ha identificado un problema, un resultado o un elemento de acción en la transcripción.
+ **Problema** representa el motivo de la llamada. Por ejemplo: “Estoy pensando en actualizarme a su plan de suscripción en línea”.
+ **Resultado** representa la conclusión o el resultado probables del contacto. Por ejemplo: “Basándome en su plan actual, le recomendaría los planes esenciales en línea que tenemos”.
+ **Elemento de acción** representa el elemento de acción que realiza el agente. Por ejemplo: “Esté atento a un correo electrónico con un presupuesto. Se lo enviaré en breve”.
Cada contacto no tiene más de un problema, un resultado y un elemento de acción. No todos los contactos tendrán los tres.
**nota**
Si Contact Lens muestra el mensaje **No hay aspectos más destacados para esta transcripción**, significa que no se ha identificado ningún problema, resultado ni elemento de acción.
No es necesario configurar los aspectos más destacados. Funciona out-of-the-box sin ningún tipo de entrenamiento del modelo de aprendizaje automático.
## Activación del desplazamiento automático para sincronizar la transcripción y el audio
Para los contactos de voz, utilice **Desplazamiento automático** para saltar por el audio o la transcripción, y ambos permanecerán siempre sincronizados. Por ejemplo:
+ Cuando escucha una conversación, la transcripción avanza con ella, mostrándole emojis de opinión y cualquier tema detectado.
+ Puede desplazarse por la transcripción y elegir la marca temporal del turno para escuchar ese punto concreto de la grabación.
Como el audio y la transcripción están alineados, la transcripción puede ayudarlo a entender lo que dicen el agente y el cliente. Esto es especialmente útil cuando:
+ El audio es deficiente, tal vez debido a un problema de conexión. La transcripción puede ayudarlo a entender lo que se dice.
+ Hay un dialecto o una variante lingüística. Nuestros modelos están entrenados en diferentes acentos para que la transcripción pueda ayudarlo a entender lo que se dice.
## Búsqueda de emojis de opinión
Los emojis de opinión lo ayudan a escanear rápidamente una transcripción para que pueda escuchar esa parte de la conversación.
Por ejemplo, si ve emojis rojos para los turnos de cliente y luego un emoji verde, puede elegir la marca temporal para saltar a ese punto concreto de la conversación y comprobar cómo ayudó ese agente al cliente.
## Toque o haga clic en las etiquetas de categoría para navegar por la transcripción
Al tocar o hacer clic en las etiquetas de categoría, Contact Lens navega automáticamente a la correspondiente point-of-interests en la transcripción. También hay marcadores de categoría en la visualización de la interacción para indicar qué parte del archivo de grabación tiene enunciados relacionados con la categoría.
En la siguiente imagen se muestra parte de una página **Datos de contacto** para un chat.
![\[Una transcripción de chat, una categoría, la sección pertinente de la transcripción.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-category-tag-navigation.png)
# Vista de resúmenes generativos posteriores al contacto con IA generativa en Amazon Connect
**nota**
**Desarrollado por Amazon Bedrock**: AWS implementa la [detección automática de abusos](https://docs.aws.amazon.com//bedrock/latest/userguide/abuse-detection.html). Dado que los resúmenes posteriores al contacto con tecnología de IA generativa se basan en Amazon Bedrock, los usuarios pueden sacar el máximo partido de los controles implementados en Amazon Bedrock para garantizar la protección, la seguridad y el uso responsable de la inteligencia artificial (IA).
Puede ahorrar un tiempo valioso con los resúmenes posteriores al contacto con IA generativa que proporcionan información esencial de las conversaciones con los clientes en un formato estructurado, conciso y fácil de leer. Puede revisar rápidamente los resúmenes y comprender el contexto en lugar de leer las transcripciones y supervisar las llamadas.
Puede acceder a los resúmenes posteriores al contacto con IA generativa de varias maneras:
+ **Los agentes** pueden acceder a los resúmenes posteriores al contacto de los contactos de voz y correo electrónico en el Panel de control de contactos (CCP). Pueden utilizar los resúmenes para completar rápidamente su trabajo después del contacto (ACW). Para obtener información sobre la experiencia del agente, consulte [Vista de los resúmenes posteriores al contacto en el CCP](#summaries-on-agentws).
+ **Los gerentes y supervisores** **pueden acceder a los resúmenes de los contactos de voz, chat y correo electrónico en el sitio web de Amazon Connect administración, en las páginas de **detalles de contacto** y búsqueda de contactos.** Pueden usar los resúmenes para comprender rápidamente los problemas y los resultados de los contactos que están revisando. Para obtener más información sobre la experiencia de los administradores, consulte [Consulta los resúmenes posteriores al contacto en el sitio web de administración Amazon Connect](#summaries-on-website).
+ **Los desarrolladores** pueden transferir directamente los resúmenes a sistemas de terceros. [APIs](contact-lens-api.md) También pueden [integrarse con Amazon Kinesis Data Streams](contact-analysis-segment-streams.md) para el streaming. Esta última opción resulta útil cuando tiene cargas más altas y quiere evitar que se limite el TPS.
**Topics**
+ [Habilitación de los resúmenes tras el contacto](#gen-ai-getstarted)
+ [Habilita los resúmenes de contactos para el correo electrónico](#enable-email-summaries)
+ [Vista de los resúmenes posteriores al contacto en el CCP](#summaries-on-agentws)
+ [Consulta los resúmenes posteriores al contacto en el sitio web de administración Amazon Connect](#summaries-on-website)
+ [Por qué no se genera un resumen](#summary-not-generated)
## Habilitación de los resúmenes tras el contacto
**Para habilitar los resúmenes posteriores al contacto en el CCP del agente para los contactos de voz**
1. Agregue un [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) bloque a su flujo.
1. Configure la página **Propiedades** del bloque:
1. Establezca la **Registros de llamada** en **Activado**. Seleccione **Agente y cliente**, tal como se muestra en la siguiente imagen.
![\[La página de propiedades del bloque Establezca el comportamiento para las grabaciones y los análisis para el registro de llamadas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/call-recording-summaries.png)
1. Establezca **Análisis** en **Activado**.
1. Seleccione **Habilitar análisis de voz**.
1. Seleccione **Análisis en tiempo real y posterior a la llamada**.
1. En **Capacidades de IA generativa de Contact Lens**, seleccione **Resumen posterior al contacto**.
La siguiente imagen muestra la sección de **Análisis** de una página de **Propiedades** que está configurada para habilitar los resúmenes posteriores al contacto en el CCP del agente:
![\[La página de propiedades del bloque Establezca el comportamiento para las grabaciones y los análisis.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/set-block-post-contact-summaries-ccp.png)
1. Asigne los siguientes permisos al perfil de seguridad del agente:
+ **Panel de control de contacto (CCP) - Datos de Contact Lens - Acceso**
+ **Análisis y optimización - Resumen posterior al contacto de Contact Lens - Vista**
+ **Análisis y optimización - Conversaciones grabadas (editadas)**, **Ver las conversaciones grabadas (sin editar)**, **Todas** o **Acceso** (el privilegio mínimo es **Acceso** que es la opción recomendada)
+ **Análisis y optimización - Ver mis contactos** o **Búsqueda de contacto**
**Para habilitar los resúmenes posteriores al contacto en el sitio web de administración Amazon Connect**
1. Configure la página **Propiedades** de [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md) del siguiente modo:
1. Establezca **Análisis** en **Activado**.
1. Seleccione **Habilitar análisis de voz**, **Habilitar análisis de chat** o ambas opciones.
Si elige el análisis de voz, seleccione una de las opciones siguientes:
+ **Análisis posterior a la llamada**
+ **Análisis en tiempo real y posterior a la llamada**: elija esta opción si el usuario quiere ver los resúmenes posteriores al contacto de los contactos en curso (es decir, el agente sigue en ACW pero la llamada ha finalizado).
1. No se admite la edición detallada en los resúmenes posteriores al contacto. Si se selecciona la edición detallada, el resumen posterior al contacto suprime toda la PII identificada en el texto y la reemplaza por una etiqueta [PII].
1. En **Capacidades de IA generativa de Contact Lens**, seleccione **Resumen posterior al contacto**.
1. Asigne los siguientes permisos al perfil de seguridad del agente:
+ **Análisis y optimización - Búsqueda de contacto** o **Ver mis contactos**
+ **Análisis y optimización - Resumen posterior al contacto de Contact Lens - Vista**
+ **Análisis y optimización - Conversaciones grabadas (editadas)**, **Ver las conversaciones grabadas (sin editar)**, **Todas** o **Acceso** (el privilegio mínimo es **Acceso** que es la opción recomendada)
## Habilita los resúmenes de contactos para el correo electrónico
**Para habilitar los resúmenes de contactos para los contactos de correo electrónico**
1. Agrega un [Configure el comportamiento de registro, análisis y procesamiento](set-recording-analytics-processing-behavior.md) bloque a tu flujo de correo entrante.
1. Configure la página **Propiedades** del bloque:
1. En **Canal**, selecciona **Correo electrónico**.
1. Establezca **Análisis** en **Activado**.
1. Selecciona **Activar el análisis del correo electrónico**.
1. En **Capacidades de IA Contact Lens generativa**, selecciona **Resumen de contactos**.
1. Seleccione **Save**.
## Vista de los resúmenes posteriores al contacto en el CCP
Para ayudar a los agentes a realizar su trabajo posterior al contacto (ACW), Amazon Connect muestra en su CCP un resumen generativo posterior al contacto basado en la IA generativa para los contactos de voz. En la siguiente imagen se muestra un resumen de ejemplo.
![\[El Panel de control de contacto muestra un resumen posterior al contacto creado por la IA generativa durante el trabajo posterior al contacto (ACW).\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/genai-summary-ccp1.png)
1. El agente está en ACW. Puede consultar la transcripción mientras aparece el banner Generando resumen... en la parte superior de la página.
1. Mientras el agente navega, aparece un mensaje que indica que el resumen está disponible. Si el agente hace clic en el banner, el CCP se desplaza hasta la parte superior de la página cuando se muestra el resumen.
1. El banner desaparece cuando el agente hace clic en él.
**nota**
Los resúmenes posteriores al contacto basados en inteligencia artificial generativa admiten contactos de voz, chat y correo electrónico en el CCP.
## Consulta los resúmenes posteriores al contacto en el sitio web de administración Amazon Connect
Para ayudar a los gerentes y otros usuarios a revisar los contactos, pueden ver los resúmenes posteriores al contacto en el sitio web de administración. Amazon Connect En la imagen siguiente, se muestra un ejemplo de resumen posterior al contacto creado por la IA generativa en la página **Datos de contacto**.
![\[Página Datos de contacto que muestra un resumen posterior al contacto creado por la IA generativa con información estructurada sobre la conversación del cliente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/genai-summary2.png)
En la imagen siguiente, se muestra un ejemplo de resumen posterior al contacto creado por la IA generativa en la página **Búsqueda de contacto**.
![\[Página Búsqueda de contacto que muestra resúmenes posteriores al contacto basados en la IA generativa para las múltiples interacciones con los clientes en un formato de vista de lista.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/genai-summary-contactsearch2.png)
No se genera más de un resumen para cada contacto. No se genera un resumen de todos los contactos; para obtener más información, consulte [Por qué no se genera un resumen](#summary-not-generated).
## Por qué no se genera un resumen
Si no se genera un resumen, se muestra un mensaje de error en las páginas de **Datos de contacto** y **Búsqueda de contacto**. Además, el error ReasonCode for the aparece en el `ContactSummary` objeto del archivo de Contact Lens salida, de forma similar al ejemplo siguiente:
```
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "POST_CONTACT_SUMMARY",
"ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT"
}
]
},
```
A continuación, se muestra una lista de los mensajes de error que pueden aparecer en las páginas de Datos de contacto o Búsqueda de contacto si no se genera un resumen. También se muestra el código de motivo asociado que aparece en el archivo de salida de Contact Lens.
+ **No se ha podido generar el resumen porque se ha superado la cuota de resúmenes simultáneos**. ReasonCode:. `QUOTA_EXCEEDED`
Si recibe este mensaje, le recomendamos que [envíe un ticket](https://console.aws.amazon.com/support/home#/case/create?issueType=service-limit-increase&limitType=service-code-connect) para aumentar la cuota de [trabajos con resumen posterior al contacto simultáneos](amazon-connect-service-limits.md#contactlens-quotas).
+ **No se ha podido generar el resumen porque no hay suficientes conversaciones aptas para ello**. ReasonCode:`INSUFFICIENT_CONVERSATION_CONTENT`.
En el caso de la voz, debe haber una intervención de cada participante. Para el chat, debe haber 1 mensaje de los tipos admitidos de cada participante. Los tipos de mensajes admitidos son `text/plain` y `text/markdown`. Los mensajes de otros tipos, por ejemplo `application/json`, no se utilizan para el resumen.
+ **Contact Flow tenía una Contact Lens configuración de PostContact Resumen no válida, por ejemplo, un código de idioma no compatible o no válido**. ReasonCode:`INVALID_ANALYSIS_CONFIGURATION`.
Este error se devuelve si el resumen activado no es compatible con otros ajustes de Contact Lens, especialmente si está activado para una configuración regional no compatible.
+ **No se puede proporcionar un resumen porque no cumplía con las normas de seguridad y calidad.** ReasonCode:. `FAILED_SAFETY_GUIDELINES`
Este error puede producirse en Amazon Connect para los trabajos de resumen simultáneos posteriores al contacto. Amazon Connect transfiere los datos de contacto a Amazon Bedrock para generar resúmenes. Si los datos de contacto contienen información de identificación personal (PII) no editada, se activan las directrices de seguridad de Amazon Bedrock. En consecuencia, Amazon Bedrock se niega a generar el resumen para proteger la información confidencial, lo que provoca un error en Amazon Connect.
+ Error interno del sistema. ReasonCode: `INTERNAL_ERROR`
# Vea los aspectos más destacados de las conversaciones con los clientes en el Panel de control de contacto (CCP)
Puede llevar mucho tiempo revisar transcripciones de contactos que tienen cientos de líneas. Para que este proceso sea más rápido y eficiente, Contact Lens identifica y etiqueta automáticamente las partes clave de las conversaciones con los clientes y, a continuación, muestra los aspectos más destacados de las conversaciones. Los administradores pueden ver esos aspectos destacados en la página **Datos de contacto**. Los agentes pueden ver los aspectos más destacados en el Panel de control de contactos (CCP).
**sugerencia**
Para obtener una lista de los idiomas admitidos, consulte la columna *Aspectos más destacados* del tema [Idiomas compatibles de Amazon Connect Contact Lens](supported-languages.md#supported-languages-contact-lens).
Una vez activado, Contact Lens identifica las partes clave de la conversación con un cliente, asigna etiquetas (como el tema, el resultado o la acción) a dichas partes y muestra los aspectos más destacados de la conversación con el cliente. Puede ampliar los aspectos destacados para ver la transcripción completa del contacto.
En el siguiente ejemplo, se muestran los aspectos más destacados de la página **Datos de contacto**.
![\[Aspectos más destacados de la página Datos de contacto.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-key-highlights.png)
1. Active y desactive **Mostrar los aspectos más destacados** según sea necesario.
1. **Problema** representa el motivo de contacto. Por ejemplo: “Estoy pensando en actualizarme a su plan de suscripción en línea”.
1. **Elemento de acción** representa el elemento de acción que realiza el agente. Por ejemplo: “Esté atento a un correo electrónico con un presupuesto. Se lo enviaré en breve”.
1. **Resultado** representa la conclusión o el resultado probables del contacto. Por ejemplo: “Según su plan actual, le recomendaría nuestros planes esenciales en línea”.
Los contactos solo tienen un problema, un resultado y un elemento de acción. Es posible que algunos contactos no tengan los tres.
**nota**
Contact Lens muestra el mensaje **No hay aspectos más destacados para esta transcripción** si no se ha identificado ningún problema, resultado o elemento de acción.
Para conocer la experiencia del agente (qué parte de la transcripción se muestra en el Panel de control de contactos (CCP) y cuándo), consulte [Diseño de un flujo para los aspectos más destacados](enable-analytics.md#call-summarization-agent).
# Uso de la detección de temas en Amazon Connect Contact Lens para detectar problemas con los contactos
Utilice la detección de temas para descubrir temas de contacto previamente desconocidos o emergentes a partir de miles de interacciones con los clientes. Por ejemplo, puede detectar motivos comunes del contacto del cliente como “cancelar reserva” o “pedido retrasado”. A continuación, podrá tomar las medidas oportunas para mejorar la experiencia del cliente mediante la agilización de la resolución de incidencias y la mejora de las opciones de IVR, los artículos de la base de conocimientos y la formación de los agentes.
## Cosas importantes que debe saber
+ La detección de temas está disponible en los siguientes idiomas compatibles con Amazon Connect Contact Lens:
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/use-theme-detection.html)
+ La detección de temas es compatible con los contactos creados a partir del 30 de enero de 2023.
+ El botón **Generar informe de temas** se habilita solo cuando la búsqueda guardada contiene al menos 300 contactos con problemas detectados por Contact Lens.
+ El informe de detección de temas se genera para los 3000 contactos más recientes.
+ Los informes de detección de temas están disponibles durante 30 días después de su creación. Transcurridos 30 días, los informes se eliminan de la base de datos y no se pueden recuperar.
+ Los 20 informes de temas más recientes de una búsqueda guardada están disponibles en el menú desplegable **Ver informes de temas**, como se muestra en la siguiente imagen.
![\[La página de búsqueda de contactos y el menú desplegable para ver informes de temas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-view-theme-reports.png)
## Cómo generar un informe de temas
1. Inicie sesión en Amazon Connect mediante una cuenta que tenga los siguientes permisos de perfil de seguridad:
+ **Búsqueda de contactos - Acceder**
+ **Contact Lens - detección de tema - Crear**
+ **Contact Lens - detección de tema - Ver**
1. En Amazon Connect, en el menú de navegación de la izquierda, elija **Análisis y optimización** y **Búsqueda de contacto**.
1. En la página **Búsqueda de contacto**, aplique filtros para seleccionar un grupo de contactos que haya analizado Contact Lens.
**importante**
La consulta de búsqueda debe devolver al menos 300 contactos con problemas detectados por Contact Lens. De lo contrario, el botón **Generar informe de temas** no estará habilitado.
1. Seleccione **Guardar búsqueda** para guardar los resultados. Asigne un nombre a la búsqueda.
1. A continuación, elija **Generar informe de temas**.
Contact Lens aplica machine learning para agrupar automáticamente los contactos con problemas similares. Cuando se genera el informe, un banner muestra un enlace al informe de temas. En la siguiente imagen se muestra un ejemplo de banner.
![\[La página de búsqueda de contactos, el banner de detección de temas.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-theme-detection-banner.png)
1. Haga clic o toque el enlace del informe de temas.
Aparece el informe de temas. Incluye etiquetas de temas y una lista de contactos, como se muestra en la siguiente imagen.
![\[Un informe de temas con varias etiquetas de tema.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-theme-detection-drilldown.png)
1. Haga clic o toque las etiquetas de los temas para ver los contactos asociados, escuchar grabaciones específicas y leer las transcripciones para realizar un análisis más profundo.
# Investigación de las puntuaciones de opinión durante las conversaciones que usan Contact Lens
## ¿Qué son las puntuaciones de opinión?
Una puntuación de opinión es un análisis del texto, y una calificación de si incluye principalmente un lenguaje positivo, negativo o neutro. Los supervisores pueden utilizar las puntuaciones de opinión para buscar conversaciones e identificar contactos asociados con diferentes grados de experiencia del cliente (positivas o negativas). Les ayuda a identificar qué contactos investigar.
Puede ver una puntuación de opinión para toda la conversación, así como la tendencia de opinión de todo el contacto.
## Cómo investigar las puntuaciones de opinión
Cuando trabaje para mejorar su centro de contacto, tal vez desee centrarse en lo siguiente:
+ Contactos que comienzan con una puntuación de opinión positiva, pero terminan negativa.
Si desea centrarse en un conjunto limitado de contactos de los que tomar muestras para el control de calidad, por ejemplo, puede fijarse en los contactos en los que sabe que el cliente tenía una opinión positiva al principio, pero terminó con una opinión negativa. Eso demuestra que abandonó la conversación descontento por algo.
+ Contactos que comienzan con una puntuación de opinión negativa, pero terminan positiva.
El análisis de estos contactos lo ayudará a identificar qué experiencias puede recrear en su centro de contacto. Podrá compartir técnicas que hayan dado buenos resultados con otros agentes.
Una forma adicional de ver el progreso de la opinión es comprobar la línea de tendencia de la opinión. Puede ver la variación de la opinión del cliente a medida que avanza el contacto. Por ejemplo, en el siguiente imagen se muestra una conversación con una puntuación de opinión muy baja al principio de la conversación, luego sube y, al final, vuelve a bajar.
![\[Tendencia de la opinión del cliente.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-sentiment-trend.png)
Para obtener más información, consulte [Búsqueda de la puntuación de opinión o evaluación del cambio de opinión](search-conversations.md#sentiment-search).
## Cómo se determinan las puntuaciones de opinión
Amazon Connect Contact Lens analiza la opinión de cada interlocutor en una conversación como positiva, negativa o neutra. A continuación, tiene en cuenta dos factores por cada turno de participante para asignar una puntuación que oscila entre -5 y \$15 para cada periodo de la llamada:
+ Frecuencia. El número de veces que la opinión es positiva, negativa o neutral.
+ Rachas de opiniones. Los giros consecutivos tienen la misma opinión.
La puntuación de opinión global es la media de las puntuaciones asignadas durante cada parte de la llamada.
# Investigación del tiempo sin conversación durante las llamadas con Amazon Connect Contact Lens
## ¿Qué es el tiempo sin conversación?
Amazon Connect Contact Lens también identifica el *tiempo sin conversación******* en una llamada. El tiempo sin conversación es igual tiempo de espera más cualquier silencio en el que los dos participantes no estén hablando durante más de 3 segundos. Esta duración no se puede personalizar.
En la siguiente imagen se muestra la ubicación de los datos de tiempo sin conversación en la página **Datos de contacto**.
![\[La página de datos de contacto, la sección de tiempo sin conversación.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-nontalk-time-overview.png)
## Cómo investigar el tiempo sin conversación
El tiempo sin conversación puede ayudarlo a identificar las llamadas que han ido mal. Esto puede deberse a lo siguiente:
+ El cliente estaba haciendo una pregunta nueva para su centro de contacto.
+ El agente tarda mucho tiempo en hacer algo, pero tiene una buena formación. Esto indica que puede haber un problema con las herramientas que utiliza el agente. Por ejemplo, las herramientas no tienen suficiente capacidad de respuesta o no son fáciles de utilizar.
+ El agente no tenía una respuesta lista, pero era bastante nuevo. Esto indica que necesita más formación.
Puede decidir si desea centrarse en estos contactos para mejorar su centro de contacto. Por ejemplo, puede ir a esa sección del audio y examinar la transcripción para ver lo que estaba ocurriendo.
En el siguiente ejemplo, el tiempo sin conversación se produjo cuando el agente buscaba el identificador de trayecto del intermediario. Esto podría indicar que hay un problema con las herramientas del agente. O si el agente es nuevo, necesita más formación.
![\[La grabación y transcripción del audio del contacto, la ubicación del tiempo sin conversación.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-non-talk-time-transcript.png)
Para obtener más información, consulte [Buscar tiempo sin conversación](search-conversations.md#nontalk-time-search).
# Investigación del tiempo de respuesta durante los chats en Contact Lens
Utilice la métrica del tiempo de respuesta para conocer la capacidad de reacción del agente o del cliente durante un contacto de chat.
Contact Lens calcula las siguientes métricas:
+ **Tiempo de saludo del agente**. Se trata del tiempo de primera respuesta del agente, que es la rapidez con la que el agente interactuó con el cliente después de que el agente se uniera al chat. Un tiempo de primera respuesta prolongado puede explicar, por ejemplo, si un cliente tiene una opinión negativa al principio de la conversación.
+ **Tiempo medio de respuesta del agente** y **Tiempo medio de respuesta del cliente**. El tiempo de respuesta del agente lo ayuda a comparar el rendimiento de un agente con respecto a la línea de base de su organización.
+ **Tiempo máximo de respuesta del agente** y **Tiempo máximo de respuesta del cliente**.
El tiempo máximo de respuesta del cliente puede explicar el tiempo de respuesta de un agente. Por ejemplo, si un cliente no responde durante cinco minutos y luego envía un mensaje, es posible que el agente haya tardado más de lo habitual en responder porque estaba atendiendo otros chats al mismo tiempo.
Recomendamos examinar las métricas de tiempo de respuesta junto con el gráfico de interacciones que muestra las lagunas en la conversación y la opinión del participante
Puede hacer clic o tocar el valor del tiempo de respuesta más largo en el gráfico para que se le dirija al mensaje asociado en la transcripción.
En la siguiente imagen de la **página Datos de contacto** se muestran las métricas de las conversaciones de chat. Tenga en cuenta que **Tiempo de saludo del agente** = después de que el agente se uniera al chat, cuánto tiempo transcurrió hasta que envió la primera respuesta.
![\[La página de datos de contacto, métricas de chat.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
Para obtener más información, consulte [Búsqueda por tiempo de respuesta en las conversaciones de chat](search-conversations.md#response-time-search).
# Investigación del volumen de los agentes y los clientes en las llamadas con Contact Lens
Esta puntuación mide el volumen del cliente o el agente durante una llamada. Contact Lens muestra un análisis de la conversación que le permite identificar dónde pueden estar hablando en voz alta el cliente o el agente y tener una opinión negativa.
## Cómo utilizar las puntuaciones de volumen
Recomendamos utilizar las puntuaciones de volumen junto con las opiniones. Busque áreas de la conversación en las que la puntuación de volumen sea alta y la opinión baja. A continuación, lea esa parte de la transcripción o escuche esa sección de la llamada.
Por ejemplo, a continuación se muestra la imagen de una grabación y el análisis de la transcripción. Las barras verticales puntiagudas indican los lugares en los que el cliente habla en voz alta. Las barras rojas horizontales indican que su opinión es negativa.
![\[La página de datos de contacto, puntuaciones de volumen.\]](http://docs.aws.amazon.com/es_es/connect/latest/adminguide/images/contact-lens-amplitude.png)
# Uso de la supresión de información confidencial para proteger la privacidad de los clientes con Contact Lens
Para ayudarlo a proteger la privacidad de sus clientes, el análisis Contact Lens conversacional le permite redactar automáticamente los datos confidenciales de las transcripciones de las conversaciones, los archivos de audio y las transcripciones de los correos electrónicos. Suprime datos confidenciales, como el nombre, la dirección y la información de la tarjeta de crédito, mediante la comprensión del lenguaje natural.
Cuando habilita el análisis de conversaciones en el bloque **Establezca el comportamiento para las grabaciones y los análisis**, tiene la opción de habilitar la supresión. Para obtener más información, consulte [Habilitación de la supresión de datos confidenciales](enable-analytics.md#enable-redaction).
En el caso de los contactos de voz, la redacción de los datos confidenciales se aplica después de que se desconecte una llamada. En el caso de los contactos de correo electrónico, la redacción se aplica una vez finalizado el contacto de correo electrónico.
**importante**
La característica de supresión está diseñada para identificar y eliminar datos confidenciales. No obstante, debido a la naturaleza predictiva del machine learning, es posible que no identifique ni elimine todos los casos de datos confidenciales en una transcripción generada por Contact Lens. Le recomendamos que revise los resultados de la supresión para asegurarse de que satisfacen sus necesidades.
La característica de supresión no cumple los requisitos para la desidentificación según las leyes de privacidad médica como la Ley de Portabilidad y Responsabilidad de Seguros Médicos de 1996 (HIPAA), por lo que le recomendamos que siga tratándola como información sanitaria protegida después de la supresión.
Para obtener una lista de los idiomas compatibles con la edición de Contact Lens, consulte [Idiomas compatibles con Amazon Connect](supported-languages.md).
## Acerca de los archivos suprimidos
Los archivos de voz redactados se almacenan en tu bucket de Amazon S3 de Voice, por ejemplo: connect- *instanceARN* /Analysis.
Los archivos de chat redactados se almacenan en tu bucket de chat de Amazon S3, por ejemplo: connect- *instanceARN* /Analysis/Chat
Los archivos de correo electrónico redactados se almacenan en el bucket de Amazon S3 de su correo electrónico, por ejemplo: connect- *instanceARN* /Analysis/Email
Puede acceder a todos los archivos ( con supresión, sin supresión, sin procesar, etc.) a través de la consola de AWS , mediante la consola de Amazon S3.
[A continuación se incluye una lista de los elementos a los que puede acceder desde el sitio web de Amazon Connect administración (por ejemplo, en la página de **detalles de contacto**), siempre que cuente con los permisos de perfil de seguridad adecuados:](permissions-for-contact-lens.md)
+ Accede a los archivos de voz, chat y correo electrónico redactados.
+ Descarga de las grabaciones de voz con supresión.
**nota**
Actualmente, no puede descargar archivos de chat y transcripciones de voz con supresión.
Cuando la supresión está habilitada, Contact Lens genera los siguientes archivos:
+ Un archivo con supresión. Este archivo se genera de forma predeterminada cuando la supresión está habilitada. Es el esquema de salida, con los datos confidenciales suprimidos. Para ver un archivo de ejemplo, consulte [Ejemplo de archivo editado de una llamada analizada por el análisis de conversación de Contact Lens](contact-lens-example-output-files.md#example-redacted-file).
+ Un archivo original (sin procesar) analizado. Este archivo se genera solo cuando elige **Obtener transcripciones con supresión y originales con audio con supresión** en el bloque [Establecimiento de comportamiento de grabación y análisis](set-recording-behavior.md). Para ver un archivo de ejemplo, consulte [Ejemplo de archivo original de una llamada analizada por el análisis de conversación de Contact Lens](contact-lens-example-output-files.md#example-original-output-file).
**importante**
En el caso de los contactos de voz, el archivo original analizado es el único lugar donde se almacena la conversación completa. Si la elimina, no quedará constancia de los datos confidenciales que se suprimieron.
+ Un archivo de audio con supresión (wav) para los contactos de voz. Los datos confidenciales de los archivos de audio se suprimen como silencio. Estos tiempos de silencio no se marcan en el sitio web de Amazon Connect administración ni en ningún otro lugar como tiempo sin conversación.
Utilice sus políticas de retención de archivos para determinar cuánto tiempo debe conservar estos archivos.
# Úsalo para el análisis Contact Lens APIs del chat
Contact Lensincluye dos APIs que admiten el análisis conversacional. Úselos APIs para crear soluciones que hagan que su centro de contacto sea más eficiente.
+ [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html): Se usa para contactos de voz.
+ [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html): Se usa para contactos de chat.
Estos análisis conversacionales APIs son sondeos APIs, con un request/response intercambio estándar, donde no es necesario integrarlos con ningún otro servicio. Sin embargo, hay [limitaciones de tasas](amazon-connect-service-limits.md#connect-contactlens-api-quotas). Si es necesario, puede eliminar estas limitaciones mediante la [API de streaming](contact-analysis-segment-streams.md). Requiere la integración con Amazon Kinesis Data Streams.
A continuación, se presentan dos casos de uso de la API de análisis de llamadas y chats.
## Mejores transferencias de contactos
Cuando un contacto se transfiere de un agente a otro, puede transferir una transcripción de la conversación al nuevo agente. De este modo, el nuevo agente explicará por qué el cliente contacta con su centro de contacto y no deberá repetir la información que ya ha proporcionado. Usa la [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html)API para los contactos de voz y la API [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html) para los chats para obtener la transcripción completa de la conversación hasta un punto determinado y compártela con el nuevo agente.
## Destacar las partes clave de la conversación, como las etiquetas, los problemas, los elementos de acción y los resultados
Gracias a los aspectos más destacados, los agentes pueden tomar notas rápidamente una vez finalizado el contacto y los supervisores pueden identificar rápidamente los contactos para gestionar la calidad y el rendimiento de los agentes. Esto hace que los agentes y supervisores sean más productivos en sus trabajos.
# Acceso a los análisis de Contact Lens para contactos de voz y chat mediante Amazon Kinesis Data Streams
Las secuencias de segmentos de análisis de contactos le permiten acceder a los análisis de Contact Lens para los contactos de voz y chat. La transmisión supera las limitaciones de escalado de los análisis de [llamadas y chats](contact-lens-api.md) existentes. APIs Para los contactos de voz, también proporciona acceso a un segmento de datos llamado `Utterance`, que le permite acceder a transcripciones parciales. Esto le permite cumplir los requisitos de latencia ultrabaja para ayudar a los agentes en las llamadas en directo.
En esta sección se explica cómo integrarse con Amazon Kinesis Data Streams para el streaming.
A través del streaming, puede recibir los siguientes tipos de eventos:
+ Eventos STARTED publicados al inicio de una sesión de análisis de contactos.
+ Eventos SEGMENTS publicados durante las sesiones de análisis de contactos. Estos eventos contienen una lista de segmentos con información analizada.
+ Eventos COMPLETED o FAILED publicados al final de una sesión de análisis de contactos.
**Topics**
+ [Habilitación de secuencias de segmentos de análisis de contactos](enable-contact-analysis-segment-streams.md)
+ [Voz: modelo de datos para transmisiones de segmentos de análisis de conversación](real-time-contact-analysis-segment-streams-data-model.md)
+ [Chat: modelo de datos para transmisiones de segmentos de análisis de conversación](chat-real-time-contact-analysis-segment-streams-data-model.md)
+ [Voz: ejemplo de transmisión de segmentos de análisis de conversación](sample-real-time-contact-analysis-segment-stream.md)
+ [Chat: ejemplo de secuencia de segmentos de análisis de conversación](chat-sample-real-time-contact-analysis-segment-stream.md)
# Habilitación de las secuencias de segmentos de análisis de contactos para analizar las conversaciones con Contact Lens
Las secuencias de segmentos de análisis de contactos no están habilitadas de forma predeterminada. En este tema se explica cómo habilitarlos.
## Paso 1: crear un flujo de Kinesis
Cree el flujo de datos en la misma cuenta y región donde reside su instancia de Amazon Connect. Para obtener instrucciones, consulte [Paso 1: crear un flujo de datos](https://docs.aws.amazon.com/streams/latest/dev/tutorial-stock-data-kplkcl-create-stream.html) en la *Guía para desarrolladores de Amazon Kinesis Data Streams*.
**sugerencia**
Recomendamos crear un flujo independiente para cada tipo de datos. Aunque es posible utilizar la misma secuencia para las secuencias de segmentos de análisis de contactos, eventos de agentes y registros de contactos, es mucho más fácil administrar y obtener datos de la secuencia cuando se utiliza una secuencia independiente para cada una de ellos. Para obtener más información, consulte la [Guía para desarrolladores de Amazon Kinesis Data Streams](https://docs.aws.amazon.com/streams/latest/dev/introduction.html).
## Paso 2: configurar el cifrado del servidor para el flujo de Kinesis (opcional, pero recomendable)
Puede hacer esto de varias formas.
+ Opción 1: utilizar Kinesis Clave administrada de AWS (`aws/kinesis`). Esto funciona sin ninguna configuración adicional por su parte.
+ Opción 2: utilizar la misma clave administrada por el cliente para las grabaciones de llamadas, las transcripciones de chat o los informes exportados en su instancia de Amazon Connect.
Habilite el cifrado y utilice una clave administrada por el cliente para las grabaciones de llamadas, las transcripciones de chat o los informes exportados en su instancia de Amazon Connect. A continuación, elija la misma clave de KMS para el flujo de datos de Kinesis. Esta clave ya tiene el permiso (concesión) necesario para su uso.
+ Opción 3: utilizar una clave administrada por el cliente.
Utilice una clave administrada por el cliente existente o cree una nueva y agregue los permisos necesarios para que el rol de Amazon Connect pueda utilizar la clave. Para agregar permisos mediante concesiones de AWS KMS , consulte el siguiente ejemplo:
```
aws kms create-grant \
--key-id your key ID \
--grantee-principal arn:aws:iam::your AWS account ID:role/aws-service-role/connect.amazonaws.com/AWSServiceRoleForAmazonConnect_11111111111111111111 \
--operations GenerateDataKey \
--retiring-principal arn:aws:iam::your AWS account ID:role/adminRole
```
Dónde `grantee-principal` es el ARN del rol vinculado al servicio asociado a su instancia de Amazon Connect. Para encontrar el ARN del rol vinculado al servicio, en la consola de Amazon Connect, vaya a **Información general**, **Configuración de distribución**, **Función vinculada al servicio**.
## Paso 3: asociar el flujo de Kinesis
Utilice la [AssociateInstanceStorageConfig](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateInstanceStorageConfig.html)API Amazon Connect para asociar los siguientes tipos de recursos:
+ Para contactos de voz, utilice `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`
+ Para contactos de chat, utilice `REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS`
**nota**
`REAL_TIME_CONTACT_ANALYSIS_SEGMENTS` está obsoleto, pero aún se admite y se aplica solo a los contactos de voz. En adelante, se utiliza `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS` para los contactos de voz.
Si ya ha asociado anteriormente una transmisión a `REAL_TIME_CONTACT_ANALYSIS_SEGMENTS`, no es necesario realizar ninguna acción para actualizar la a `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`.
Especifique la transmisión de Kinesis en la que se publicarán los segmentos de análisis de contactos en tiempo real. Necesitará el ID de instancia y el ARN de flujo de Kinesis. En el siguiente código se muestra un ejemplo:
```
// Build request
const request: Connect.Types.AssociateInstanceStorageConfigRequest = {
InstanceId: 'your Amazon Connect instance ID',
ResourceType: 'REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS or REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS',
StorageConfig: {
StorageType: 'KINESIS_STREAM',
KinesisStreamConfig: {
StreamArn: 'the ARN of your Kinesis stream',
},
}
};
```
### AWS CLI
El siguiente ejemplo es para los contactos de chat.
**sugerencia**
Si no incluye la AWS región (`--region`), utilizará la región predeterminada según el perfil CLI.
El valor del parámetro `--storage-config` no debe incluirse entre comillas simples ('). De lo contrario, se generará un error.
```
aws connect associate-instance-storage-config \
--region "us-west-2" \
--instance-id your Amazon Connect instance ID \
--resource-type REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS \
--storage-config StorageType=KINESIS_STREAM,KinesisStreamConfig={StreamArn=the ARN of your Kinesis stream}
```
### AWS SDK
El ejemplo siguiente es para los contactos de voz.
```
import { Connect } from 'aws-sdk';
async function associate (): Promise {
const clientConfig: Connect.ClientConfiguration = {
region: 'the Region of your Amazon Connect instance',
};
const connect = new Connect(clientConfig);
// Build request
const request: Connect.Types.AssociateInstanceStorageConfigRequest = {
InstanceId: 'your Amazon Connect instance ID',
ResourceType: 'REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS',
StorageConfig: {
StorageType: 'KINESIS_STREAM',
KinesisStreamConfig: {
StreamArn: 'the ARN of your Kinesis stream',
},
}
};
try {
// Execute request
const response: Connect.Types.AssociateInstanceStorageConfigResponse = await connect.associateInstanceStorageConfig(request).promise();
// Process response
console.log('raw response: ${JSON.stringify(response, null, 2)}');
} catch (err) {
console.error('Error calling associateInstanceStorageConfig. err.code: ${err.code},' +
'err.message: ${err.message}, err.statusCode: ${err.statusCode}, err.retryable: ${err.retryable}');
}
}
associate().then(r => console.log('Done'));
```
## Paso 4: activación de Contact Lens en su instancia de Amazon Connect
Para obtener instrucciones, consulte [Activación del análisis de conversación en Amazon Connect Contact Lens](enable-analytics.md).
## Paso 5 (opcional): revisar un flujo de segmentos de muestra
Le recomendamos que revise una secuencia de segmentos de muestra de [voz](sample-real-time-contact-analysis-segment-stream.md) o [chat](chat-sample-real-time-contact-analysis-segment-stream.md) para familiarizarse con su aspecto.
# Modelo de datos para los flujos de segmentos de análisis de conversación para analizar los contactos de voz en Contact Lens
Los flujos de segmentos de análisis de contactos en tiempo real se generan en JSON. Los blobs JSON de eventos se publican en la secuencia asociada para cada contacto que tenga habilitado el análisis de conversación en tiempo real. Pueden publicarse los siguientes tipos de eventos para una sesión de análisis de conversación de un contacto de voz:
+ Eventos STARTED: cada sesión de análisis de conversación publica un evento STARTED al principio de la sesión.
+ Eventos SEGMENTS: cada sesión de análisis de conversación puede publicar cero o más eventos SEGMENTS durante la sesión. Estos eventos contienen una lista de segmentos con información analizada. En el caso de los contactos de voz, la lista de segmentos puede incluir segmentos `Utterance`, `Transcript`, `Categories` o `PostContactSummary`.
+ Eventos COMPLETED o FAILED: cada sesión de análisis de conversación publica un evento COMPLETED o FAILED al final de la sesión.
## Propiedades comunes incluidas en todos los eventos para contactos de voz
Cada evento incluye las siguientes propiedades:
**Versión**
La versión del esquema de evento.
Tipo: cadena
**Canal**
El tipo del canal de este contacto.
Tipo: cadena
Valores válidos: `VOICE`, `CHAT`, `TASK`
Para obtener más información acerca de los canales, consulte [Canales y simultaneidad para enrutar contactos en Amazon Connect](channels-and-concurrency.md).
**AccountId**
El identificador de la cuenta en la que tiene lugar este contacto.
Tipo: cadena
**ContactId**
El identificador del contacto que se está analizando.
Tipo: cadena
**InstanceId**
El identificador de la instancia en la que tiene lugar este contacto.
Tipo: cadena
**LanguageCode**
El código de idioma asociado a este contacto.
Tipo: cadena
Valores válidos: el código de idioma de uno de los [idiomas admitidos para el análisis de llamadas en tiempo real de Contact Lens](supported-languages.md#supported-languages-contact-lens).
**EventType**
El tipo de evento publicado.
Tipo: cadena
Valores válidos: `STARTED`, `SEGMENTS`, `COMPLETED`, `FAILED`
## Evento INICIADO
Los eventos `STARTED` incluyen solo las propiedades comunes:
+ Versión
+ Canal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: INICIADO
## Evento SEGMENTS
Los eventos `SEGMENTS` incluyen las siguientes propiedades:
+ Versión
+ Canal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: SEGMENTOS
+ Segments: además de las propiedades comunes, los eventos `SEGMENTS` incluyen una lista de segmentos con información analizada.
Tipo: matriz de objetos [Segment](#segment)
+ PostContactSummary: Información sobre el resumen posterior al contacto de un segmento de contacto de voz.
Tipo: objetos [PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html)
Obligatorio: no
**Segmento**
Un segmento analizado para una sesión de análisis en tiempo real.
Cada segmento es un objeto con las siguientes propiedades opcionales. Solo está presente una de estas propiedades, según el tipo de segmento:
+ Utterance
+ Transcript
+ Categorías
+ PostContactSummary
**Utterance**
El enunciado analizado.
Obligatorio: no
+ **Id**
El identificador del enunciado.
Tipo: cadena
+ ** TranscriptId**
El identificador de la transcripción asociada a este enunciado.
Tipo: cadena
+ **ParticipantId**
El identificador del participante.
Tipo: cadena
+ ** ParticipantRole**
El rol del participante. Por ejemplo, es un cliente, un agente o un sistema.
Tipo: cadena
+ ** PartialContent**
El contenido del enunciado.
Tipo: cadena
+ ** BeginOffsetMillis**
El desplazamiento inicial en el contacto para esta transcripción.
Tipo: entero
+ ** EndOffsetMillis**
El desplazamiento final en el contacto para esta transcripción.
Tipo: entero
**Transcript**
La transcripción analizada.
Tipo: objeto [Transcript](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Transcript.html)
Obligatorio: no
**Categorías**
Las reglas de las categorías coincidentes.
Tipo: objeto [Categories](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Categories.html)
Obligatorio: no
**PostContactSummary**
Información sobre el resumen posterior al contacto de un segmento de contacto de voz.
Tipo: objeto [PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html)
Obligatorio: no
## Evento COMPLETED
Los eventos `COMPLETED` incluyen solo las siguientes propiedades comunes:
+ Versión
+ Canal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: COMPLETADO
## Evento FAILED
Los eventos `FAILED` incluyen solo las siguientes propiedades comunes:
+ Versión
+ Canal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: FALLÓ
# Modelo de datos para los flujos de segmentos de análisis de conversación para analizar los chats en Contact Lens
Las secuencias de segmentos de análisis de conversación para los contactos de chat se generan en JSON. Los blobs JSON de eventos se publican en la secuencia asociada para cada contacto que tenga habilitado el análisis de conversación en tiempo real. Pueden publicarse los siguientes tipos de eventos para una sesión de análisis de conversación de un contacto de chat:
+ Eventos STARTED: cada sesión de análisis de conversación publica un evento STARTED al principio de la sesión.
+ Eventos SEGMENTS: cada sesión de análisis de conversación puede publicar cero o más eventos SEGMENTS durante la sesión. Estos eventos contienen una lista de segmentos con información analizada. En el caso de los contactos de chat, la lista de segmentos puede incluir segmentos `Attachments`, `Transcript`, `Categories`, `Events`, `Issues` o `PostContactSummary`.
+ Eventos COMPLETED o FAILED: cada sesión de análisis de conversación publica un evento COMPLETED o FAILED al final de la sesión.
## Propiedades comunes incluidas en todos los eventos para contactos de chat
Cada evento incluye las siguientes propiedades:
**Versión**
La versión del esquema de evento. Para los contactos de chat, esta es 2.0.0.
Tipo: cadena
**Canal**
El tipo del canal de este contacto.
Tipo: cadena
Valores válidos: `VOICE`, `CHAT`, `TASK`
Para obtener más información acerca de los canales, consulte [Canales y simultaneidad para enrutar contactos en Amazon Connect](channels-and-concurrency.md).
**AccountId**
El identificador de la cuenta en la que tiene lugar este contacto.
Tipo: cadena
**InstanceId**
El identificador de la instancia en la que tiene lugar este contacto.
Tipo: cadena
**ContactId**
El identificador del contacto que se está analizando.
Tipo: cadena
**StreamingEventType**
El tipo de evento publicado.
Tipo: cadena
Valores válidos: `STARTED`, `SEGMENTS`, `COMPLETED`, `FAILED`
**StreamingSettings**
Configuración de Contact Lens para este contacto
Tipo: objeto [StreamingSettings](#streamingsettingsobject)
## StreamingSettings objeto
**LanguageCode**
El código de idioma asociado a este contacto.
Tipo: cadena
Valores válidos: el código de idioma de uno de los [idiomas admitidos para el análisis de llamadas en tiempo real de Contact Lens](supported-languages.md#supported-languages-contact-lens).
**Output**
Es el tipo de salida de Contact Lens habilitado para este contacto.
Tipo: cadena
Valores válidos: `Raw`, `Redacted`, `RedactedAndRaw`
**RedactionTypes**
El tipo de supresión habilitado para este contacto.
Tipo: matriz de cadenas
Valores válidos: `PII`
**RedactionTypesMetadata**
Los metadatos de supresión para cada tipo de supresión.
Tipo: RedactionType cadena a [RedactionMetadata](#redactionmetadata)objeto
Valores válidos: `PII`
## RedactionMetadata objeto
Proporciona información sobre la configuración de la supresión.
**RedactionMaskMode**
La configuración para la sustitución de la supresión de los datos de la automatización
Tipo: cadena
Valores válidos: `PII`, `EntityType`
## Evento INICIADO
Los eventos `STARTED` incluyen solo las propiedades comunes:
+ Versión
+ Canal
+ AccountId
+ ContactId
+ StreamingEventType: INICIADO
+ StreamingSettings
## Evento SEGMENTS
Los eventos `SEGMENTS` incluyen las siguientes propiedades:
+ Versión
+ Canal
+ AccountId
+ OutputType
+ Es el tipo de salida de Contact Lens del segmento actual.
+ Tipo: cadena
+ Valores válidos: `Raw`, `Redacted`
+ ContactId
+ StreamingEventType: SEGMENTOS
+ StreamingSettings
+ Segmentos
+ Una lista de segmentos con información analizada.
+ Tipo: matriz de objetos [Segment](#chat-segment)
**Segmento**
Un segmento analizado para una sesión de análisis en tiempo real.
Cada segmento es un objeto con las siguientes propiedades opcionales. Solo está presente una de estas propiedades, según el tipo de segmento:
+ [Archivos adjuntos](#chat-attachments)
+ [Categorías](#chat-category)
+ [Evento](#chat-event)
+ [Problemas](#chat-issues)
+ [Transcripción](#chat-transcript)
+ [PostContactSummary](#chat-postcontactsummary)
**Archivos adjuntos**
Las asociaciones analizadas.
Obligatorio: no
Tipo: objeto [RealTimeContactAnalysisSegmentAttachments](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentAttachments.html)
**Categorías**
Las reglas de las categorías coincidentes.
Tipo: objeto [RealTimeContactAnalysisSegmentCategories](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentCategories.html)
Obligatorio: no
**Event**
Tipo de segmento que describe un evento de contacto.
Tipo: objeto [RealTimeContactAnalysisSegmentEvent](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentEvent.html)
Obligatorio: no
**Problemas**
Tipo de segmento que contiene una lista de problemas detectados.
Tipo: objeto [RealTimeContactAnalysisSegmentIssues](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentIssues.html)
Obligatorio: no
**Transcripción**
El segmento de la transcripción analizada.
Tipo: objeto [RealTimeContactAnalysisSegmentTranscript](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentTranscript.html)
Obligatorio: no
**PostContactSummary**
Información sobre el resumen posterior al contacto de un segmento de contacto en tiempo real para un chat.
Tipo: objeto [RealTimeContactAnalysisSegmentPostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentPostContactSummary.html)
Obligatorio: no
## Evento COMPLETED
Los eventos `COMPLETED` incluyen solo las siguientes propiedades comunes:
+ Versión
+ Canal
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType: COMPLETADO
+ StreamingSettings
## Evento FAILED
Los eventos `FAILED` incluyen solo las siguientes propiedades comunes:
+ Versión
+ Canal
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType: FALLÓ
+ StreamingSettings
# Ejemplo de secuencias de segmentos de análisis de conversación para analizar las llamadas en Contact Lens
En este tema se proporcionan ejemplos de secuencias de segmentos para eventos STARTED, SEGMENTS, COMPLETED y FAILED que se pueden producir durante un contacto de voz.
## Ejemplo de evento STARTED
+ EventType: INICIADO
+ Se publica al inicio de la sesión de análisis de conversación.
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "STARTED"
}
```
## Ejemplo de evento SEGMENTS
+ EventType: SEGMENTOS
+ Se publica durante una sesión de análisis de conversación. Este evento contiene una lista de segmentos con información analizada. La lista de segmentos puede incluir segmentos `Utterance`, `Transcript`, `Categories` o `PostContactSummary`.
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "SEGMENTS",
"Segments": [
{
"Utterance": {
"Id": "7b48ca3d-73d3-443a-bf34-a9e8fcc01747",
"TranscriptId": "121d1581-905f-4169-9804-b841bb4df04a",
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT",
"PartialContent": "Hello, thank you for calling Example Corp. My name is Adam.",
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 22980
}
},
{
"Utterance": {
"Id": "75acb743-2154-486b-aaeb-c960ae290e88",
"TranscriptId": "121d1581-905f-4169-9804-b841bb4df04a",
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT",
"PartialContent": "How can I help you?",
"BeginOffsetMillis": 23000,
"EndOffsetMillis": 24598
}
},
{
"Transcript": {
"Id": "121d1581-905f-4169-9804-b841bb4df04a",
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT",
"Content": "Hello, thank you for calling Example Corp. My name is Adam. How can I help you?",
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 24598,
"Sentiment": "NEUTRAL"
}
},
{
"Transcript": {
"Id": "4295e927-43aa-4447-bbfc-8fccc2027530",
"ParticipantId": "CUSTOMER",
"ParticipantRole": "CUSTOMER",
"Content": "I'm having trouble submitting the application, number AX876293 on the portal. I tried but couldn't connect to my POC on the portal. So, I'm calling on this toll free number",
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 22690,
"Sentiment": "NEGATIVE",
"IssuesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 81
}
}
]
}
},
{
"Categories": {
"MatchedCategories": [
"CreditCardRelated",
"CardBrokenIssue"
],
"MatchedDetails": {
"CreditCardRelated": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 22690
}
]
},
"CardBrokenIssue": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 25000,
"EndOffsetMillis": 29690
}
]
}
}
}
},
{
"PostContactSummary": {
"Content": "Customer contacted Example Corp because of an issue with their application",
"Status": "COMPLETED"
}
}
]
}
```
## Ejemplo de evento COMPLETED
+ EventType: COMPLETADO
+ Se publica al final de la sesión de análisis de conversación si el análisis se ha completado correctamente.
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "COMPLETED"
}
```
## Ejemplo de evento FAILED
+ EventType: FALLÓ
+ Se publica al final de la sesión de análisis de conversación si se ha producido un error en el análisis.
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "FAILED"
}
```
# Ejemplos de secuencias de análisis de conversación para analizar los chats en Contact Lens
En este tema se proporcionan ejemplos de secuencias de segmentos para eventos STARTED, SEGMENTS, COMPLETED y FAILED que se pueden producir durante un contacto de chat.
## Ejemplo de evento STARTED
+ EventType: INICIADO
+ Se publica al inicio de la sesión de análisis de conversación.
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"StreamingEventType": "STARTED",
"StreamingSettings": {
"LanguageCode": "en-US", // the language code of the contact
"Output": "RedactedAndRaw",
"RedactionTypes": [
"PII"
],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
}
}
```
## Ejemplo de evento SEGMENTS
+ EventType: [SEGMENTOS](chat-real-time-contact-analysis-segment-streams-data-model.md#chat-segment-streams-data-model-segments-event)
+ Se publica durante una sesión de análisis de conversación. Este evento contiene una lista de [RealtimeContactAnalysisSegment](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealtimeContactAnalysisSegment.html)objetos con información analizada. La lista de segmentos puede incluir segmentos `"Transcript"` `"Categories"``"Issue"`,`"Event"`,`"Attachment"`, o PostContactSummary "».
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"OutputType": "Redacted",
"StreamingEventType": "SEGMENTS",
"StreamingSettings": {
"LanguageCode": "en-US", // the language code of the contact
"Output": "RedactedAndRaw",
"RedactionTypes": [
"PII"
],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
},
"Segments": [{
"Transcript": {
"Id": "07a2d668-5c9e-4f69-b2fe-986261b0743a",
"ParticipantId": "a309ac1e-ca87-44ca-bb5d-197eca8ed77a",
"ParticipantRole": "AGENT",
"DisplayName": "[PII]",
"Content": "Hello, thank you for contacting Example Corp. My name is Ray.",
"ContentType": "text/markdown",
"Time": {
"AbsoluteTime": "2024-03-14T19:39:26.715Z"
},
"Sentiment": "NEUTRAL"
}
}, {
"Categories": {
"MatchedDetails": {
"Hi": {
"PointsOfInterest": [{
"TranscriptItems": [{
"Id": "5205b050-8aa9-4645-a381-a308801649ab",
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 40
}
}]
}]
}
}
}
}, {
"Issues": {
"IssuesDetected": [{
"TranscriptItems": [{
"Content": "I have an issue with my bank account",
"Id": "0e5574a7-2aeb-4eab-8bb5-3a7f66a2284a",
"CharacterOffsets": {
"BeginOffsetChar": 7,
"EndOffsetChar": 43
}
}]
}]
}
}, {
"Attachments": {
"Id": "06ddc1eb-2302-4a8e-a73f-37687fe41aa9",
"ParticipantId": "7810b1de-cca8-4153-b522-2498416255af",
"ParticipantRole": "CUSTOMER",
"DisplayName": "Customer",
"Attachments": [{
"AttachmentName": "Lily.jpg",
"ContentType": "image/jpeg",
"AttachmentId": "343e34da-391a-4541-8b7e-3909d931fcfa",
"Status": "APPROVED"
}],
"Time": {
"AbsoluteTime": "2024-03-14T19:39:26.715Z"
}
}
}, {
"Event": {
"Id": "fbe61c5f-d0d8-4345-912a-4e81f5734d3b",
"ParticipantId": "7810b1de-cca8-4153-b522-2498416255af",
"ParticipantRole": "CUSTOMER",
"DisplayName": "Customer",
"EventType": "application/vnd.amazonaws.connect.event.participant.left",
"Time": {
"AbsoluteTime": "2024-03-14T19:40:00.614Z"
}
}
},
{
"PostContactSummary": {
"Content": "Customer contacted Example Corp because of an issue with their bank account",
"Status": "COMPLETED"
}
}]
}
```
## Ejemplo de evento COMPLETED
+ EventType: COMPLETADO
+ Se publica al final de la sesión de análisis de conversación si el análisis se ha completado correctamente.
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"StreamingEventType": "COMPLETED",
"StreamingEventSettings": {
"LanguageCode": "en-US", // the language code of the contact
"Output": "RedactedAndRaw",
"RedactionTypes": ["PII"],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
}
}
```
## Ejemplo de evento FAILED
+ EventType: FALLÓ
+ Se publica al final de la sesión de análisis de conversación si se ha producido un error en el análisis.
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"StreamingEventType": "FAILED",
"StreamingEventSettings": {
"LanguageCode": "en-US",
"Output": "RedactedAndRaw",
"RedactionTypes": ["PII"],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
}
}
```
# Ubicaciones de los archivos de salida analizados mediante el análisis de conversación de Contact Lens
A continuación, puede ver ejemplos del aspecto de la ruta para los archivos de salida del análisis de conversación de Contact Lens cuando se almacenan en el bucket de S3 de Amazon para la instancia.
+ Archivo de transcripción original analizado (JSON)
+ **/connect-instance- bucket/ Analysis/Voice /2020/02/04/ \$1analysis\$12020-02-04T 21:14:16 z.json** *contact's\$1ID*
+ /connect-instance- bucket/ **Analysis/Chat /2020/02/04/ \$1analysis\$12020-02-04T 21:14:16** *contact's\$1ID* z.json
+ /connect-instance- bucket/ **Analysis/Email /2026/03/10/ \$1analysis\$120260310T 22:35 \$1UTC.json** *contact's\$1ID*
+ Archivo de transcripción analizado con supresión en (JSON)
+ **/connect-instance- bucket/ *contact's\$1ID* /2020/02/04/ \$1 **Analysis/Voice/Redacted**analysis\$1redacted \$12020-02-04T 21:14:16 z.json**
+ /connect-instance- bucket/ **Analysis/Chat/Redacted**/2020/02/04/ *contact's\$1ID* \$1 **analysis\$1redacted** \$12020-02-04T 21:14:16 z.json
+ /connect-instance- bucket/ **Analysis/Email/Redacted**/2026/03/10/ *contact's\$1ID* \$1 **analysis\$1redacted** \$120260310T 22:35 \$1UTC.json
+ Un archivo de audio con supresión
+ /connect-instance- bucket/ **Analysis/Voice/Redacted**/2020/02/04/ *contact's\$1ID* \$1 call\$1recording\$1redacted \$12020-02-04T 21:14:16 **Z.** **onda**
**importante**
Para eliminar una grabación, debe eliminar los archivos de las grabaciones con supresión y sin supresión.
# Ejemplo de archivos de salida de análisis de conversación de Contact Lens para una llamada
En las siguientes secciones se proporcionan ejemplos del resultado que se obtiene cuando el análisis de conversación de Contact Lens detecta problemas, empareja categorías, indica el volumen, suprime información confidencial y omite el análisis.
Amplíe cada sección para obtener más información.
## Ejemplo de archivo original de una llamada analizada por el análisis de conversación de Contact Lens
En el siguiente ejemplo se muestra el esquema de una llamada que ha analizado el análisis de conversación de Contact Lens. En el ejemplo se muestra el volumen, la detección de problemas, los motivos de la llamada y la información que se va a suprimir.
Tenga en cuenta lo siguiente sobre el archivo analizado:
+ No indica qué datos confidenciales se han suprimido. Todos los datos se consideran PII (información de identificación personal).
+ Cada turno incluye una sección `Redaction` solo si incluye PII.
+ Si existe una sección `Redaction`, incluye el desplazamiento en milisegundos. En un archivo .wav, la parte suprimida estará en silencio. Si lo desea, puede utilizar el desplazamiento para reemplazar el silencio por otra cosa, como un pitido.
+ Si existen dos o más supresiones de PII en un turno, la primera supresión se aplica a la primera PII, la segunda a la segunda, y así sucesivamente.
```
{
"Version": "1.1.0",
"AccountId": "your AWS account ID",
"Channel": "VOICE",
"ContentMetadata": {
"Output": "Raw"
},
"JobStatus": "COMPLETED",
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "CATEGORIZATION",
"ReasonCode": "QUOTA_EXCEEDED",
"SkippedEntities": [
{
"CategoryName": "PotentialFraud"
"RuleId": "a1130485-9529-4249-a1d4-5738b4883748"
},
{
"CategoryName": "Refund"
"RuleId": "bbbbbbb-9529-4249-a1d4-5738b4883748"
}
]
},
{
"Feature": "CATEGORIZATION",
"ReasonCode": "FAILED_SAFETY_GUIDELINES",
"SkippedEntities": [
{
"CategoryName": "ManagerEscalation"
"RuleId": "cccccccc-9529-4249-a1d4-5738b4883748"
},
]
},
]
},
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "CUSTOMER",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT"
}
],
"Categories": {
"MatchedCategories": ["Cancellation"],
"MatchedDetails": {
"Cancellation": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 7370,
"EndOffsetMillis": 11190
}
]
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
},
"TotalConversationDurationMillis": 32110,
"Sentiment": {
"OverallSentiment": {
"AGENT": 0,
"CUSTOMER": 3.1
},
"SentimentByPeriod": {
"QUARTER": {
"AGENT": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 7427,
"Score": 0
},
{
"BeginOffsetMillis": 7427,
"EndOffsetMillis": 14855,
"Score": -5
},
{
"BeginOffsetMillis": 14855,
"EndOffsetMillis": 22282,
"Score": 0
},
{
"BeginOffsetMillis": 22282,
"EndOffsetMillis": 29710,
"Score": 5
}
],
"CUSTOMER": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 8027,
"Score": -2.5
},
{
"BeginOffsetMillis": 8027,
"EndOffsetMillis": 16055,
"Score": 5
},
{
"BeginOffsetMillis": 16055,
"EndOffsetMillis": 24082,
"Score": 5
},
{
"BeginOffsetMillis": 24082,
"EndOffsetMillis": 32110,
"Score": 5
}
]
}
}
},
"Interruptions": {
"InterruptionsByInterrupter": {
"CUSTOMER": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
],
"AGENT": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
]
},
"TotalCount": 2,
"TotalTimeMillis": 7580
},
"NonTalkTime": {
"TotalTimeMillis": 0,
"Instances": []
},
"TalkSpeed": {
"DetailsByParticipant": {
"AGENT": {
"AverageWordsPerMinute": 239
},
"CUSTOMER": {
"AverageWordsPerMinute": 163
}
}
},
"TalkTime": {
"TotalTimeMillis": 28698,
"DetailsByParticipant": {
"AGENT": {
"TotalTimeMillis": 15079
},
"CUSTOMER": {
"TotalTimeMillis": 13619
}
}
}
},
"CustomModels": [
{ // set via https://docs.aws.amazon.com/connect/latest/adminguide/add-custom-vocabulary.html
"Type": "TRANSCRIPTION_VOCABULARY",
"Name": "ProductNames",
"Id": "4e14b0db-f00a-451a-8847-f6dbf76ae415" // optional field
}
],
"Transcript": [
{
"BeginOffsetMillis": 0,
"Content": "Okay.",
"EndOffsetMillis": 90,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
79.27
]
},
{
"BeginOffsetMillis": 160,
"Content": "Just hello. My name is Peter and help.",
"EndOffsetMillis": 4640,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
66.56,
40.06,
85.27,
82.22,
77.66
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 3290,
"EndOffsetMillis": 3620
}
]
}
},
{
"BeginOffsetMillis": 4640,
"Content": "Hello. Peter, how can I help you?",
"EndOffsetMillis": 6610,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
70.23,
73.05,
71.8
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 5100,
"EndOffsetMillis": 5450
}
]
}
},
{
"BeginOffsetMillis": 7370,
"Content": "I need to cancel. I want to cancel my plan subscription.",
"EndOffsetMillis": 11190,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
77.18,
79.59,
85.23,
81.08,
73.99
],
"IssuesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 55
},
"Text": "I need to cancel. I want to cancel my plan subscription"
}
]
},
{
"BeginOffsetMillis": 11220,
"Content": "That sounds very bad. I can offer a 20% discount to make you stay with us.",
"EndOffsetMillis": 15210,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
75.92,
75.79,
80.31,
80.44,
76.31
]
},
{
"BeginOffsetMillis": 15840,
"Content": "That sounds interesting. Thank you accept.",
"EndOffsetMillis": 18120,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
73.77,
79.17,
77.97,
79.29
]
},
{
"BeginOffsetMillis": 18310,
"Content": "Alright, I made all the changes to the account and now these discounts applied.",
"EndOffsetMillis": 21820,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
83.88,
86.75,
86.97,
86.11
],
"OutcomesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 9,
"EndOffsetChar": 77
},
"Text": "I made all the changes to the account and now these discounts applied"
}
]
},
{
"BeginOffsetMillis": 22610,
"Content": "Awesome. Thank you so much.",
"EndOffsetMillis": 24140,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
79.11,
81.7,
78.15
]
},
{
"BeginOffsetMillis": 24120,
"Content": "No worries. I will send you all the details later today and call you back next week to check up on you.",
"EndOffsetMillis": 29710,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "POSITIVE",
"LoudnessScore": [
87.07,
83.96,
76.38,
88.38,
87.69,
76.6
],
"ActionItemsDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 12,
"EndOffsetChar": 102
},
"Text": "I will send you all the details later today and call you back next week to check up on you"
}
]
},
{
"BeginOffsetMillis": 30580,
"Content": "Thank you. Sir. Have a nice evening.",
"EndOffsetMillis": 32110,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
81.42,
82.29,
73.29
]
}
]
}
}
```
## Ejemplo de archivo editado de una llamada analizada por el análisis de conversación de Contact Lens
En esta sección se muestra un ejemplo de archivo editado de una llamada después de haber sido analizada por el análisis de conversación de Contact Lens. Es un gemelo del archivo analizado original. La única diferencia es que se suprimen los datos confidenciales. En este ejemplo, se han seleccionado tres entidades para la supresión: “`CREDIT_DEBIT_NUMBER`”, “`NAME`” y “`USERNAME`”.
En este ejemplo, `RedactionMaskMode` se establece a PII. Cuando se edita una entidad, Contact Lens la reemplaza por `[PII]`. Si se hubiera establecido en `ENTITY_TYPE`, Contact Lens reemplazaría los datos por el nombre de la entidad, por ejemplo, `[CREDIT_DEBIT_NUMBER]`.
```
{
"Version": "1.1.0",
"AccountId": "your AWS account ID",
"ContentMetadata": {
"Output": "Redacted",
"RedactionTypes": ["PII"],
"RedactionTypesMetadata": {
"PII": {
"RedactionEntitiesRequested": ["CREDIT_DEBIT_NUMBER", "NAME", "USERNAME"],
"RedactionMaskMode": "PII" // if you were to choose ENTITY_TYPE instead, the redaction would say, for example, [NAME]
}
}
},
"Channel": "VOICE",
"JobStatus": "COMPLETED",
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "CATEGORIZATION",
"ReasonCode": "QUOTA_EXCEEDED",
"SkippedEntities": [
{
"CategoryName": "PotentialFraud"
"RuleId": "a1130485-9529-4249-a1d4-5738b4883748"
},
{
"CategoryName": "Refund"
"RuleId": "bbbbbbb-9529-4249-a1d4-5738b4883748"
}
]
},
{
"Feature": "CATEGORIZATION",
"ReasonCode": "FAILED_SAFETY_GUIDELINES",
"SkippedEntities": [
{
"CategoryName": "ManagerEscalation"
"RuleId": "cccccccc-9529-4249-a1d4-5738b4883748"
},
]
},
]
},
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "CUSTOMER",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT"
}
],
"Categories": {
"MatchedCategories": ["Cancellation"],
"MatchedDetails": {
"Cancellation": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 7370,
"EndOffsetMillis": 11190
}
]
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
},
"TotalConversationDurationMillis": 32110,
"Sentiment": {
"OverallSentiment": {
"AGENT": 0,
"CUSTOMER": 3.1
},
"SentimentByPeriod": {
"QUARTER": {
"AGENT": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 7427,
"Score": 0
},
{
"BeginOffsetMillis": 7427,
"EndOffsetMillis": 14855,
"Score": -5
},
{
"BeginOffsetMillis": 14855,
"EndOffsetMillis": 22282,
"Score": 0
},
{
"BeginOffsetMillis": 22282,
"EndOffsetMillis": 29710,
"Score": 5
}
],
"CUSTOMER": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 8027,
"Score": -2.5
},
{
"BeginOffsetMillis": 8027,
"EndOffsetMillis": 16055,
"Score": 5
},
{
"BeginOffsetMillis": 16055,
"EndOffsetMillis": 24082,
"Score": 5
},
{
"BeginOffsetMillis": 24082,
"EndOffsetMillis": 32110,
"Score": 5
}
]
}
}
},
"Interruptions": {
"InterruptionsByInterrupter": {
"CUSTOMER": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
],
"AGENT": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
]
},
"TotalCount": 2,
"TotalTimeMillis": 7580
},
"NonTalkTime": {
"TotalTimeMillis": 0,
"Instances": []
},
"TalkSpeed": {
"DetailsByParticipant": {
"AGENT": {
"AverageWordsPerMinute": 239
},
"CUSTOMER": {
"AverageWordsPerMinute": 163
}
}
},
"TalkTime": {
"TotalTimeMillis": 28698,
"DetailsByParticipant": {
"AGENT": {
"TotalTimeMillis": 15079
},
"CUSTOMER": {
"TotalTimeMillis": 13619
}
}
}
},
"CustomModels": [
{ // set via https://docs.aws.amazon.com/connect/latest/adminguide/add-custom-vocabulary.html
"Type": "TRANSCRIPTION_VOCABULARY",
"Name": " LNK POPProductNames",
"Id": "4e14b0db-f00a-451a-8847-f6dbf76ae415" // optional field
}
],
"Transcript": [
{
"BeginOffsetMillis": 0,
"Content": "Okay.",
"EndOffsetMillis": 90,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
79.27
]
},
{
"BeginOffsetMillis": 160,
"Content": "Just hello. My name is [PII] and help.",
"EndOffsetMillis": 4640,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
66.56,
40.06,
85.27,
82.22,
77.66
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 3290,
"EndOffsetMillis": 3620
}
]
}
},
{
"BeginOffsetMillis": 4640,
"Content": "Hello. [PII], how can I help you?",
"EndOffsetMillis": 6610,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
70.23,
73.05,
71.8
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 5100,
"EndOffsetMillis": 5450
}
]
}
},
{
"BeginOffsetMillis": 7370,
"Content": "I need to cancel. I want to cancel my plan subscription.",
"EndOffsetMillis": 11190,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
77.18,
79.59,
85.23,
81.08,
73.99
],
"IssuesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 55
},
"Text": "I need to cancel. I want to cancel my plan subscription"
}
]
},
{
"BeginOffsetMillis": 11220,
"Content": "That sounds very bad. I can offer a 20% discount to make you stay with us.",
"EndOffsetMillis": 15210,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
75.92,
75.79,
80.31,
80.44,
76.31
]
},
{
"BeginOffsetMillis": 15840,
"Content": "That sounds interesting. Thank you accept.",
"EndOffsetMillis": 18120,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
73.77,
79.17,
77.97,
79.29
]
},
{
"BeginOffsetMillis": 18310,
"Content": "Alright, I made all the changes to the account and now these discounts applied.",
"EndOffsetMillis": 21820,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
83.88,
86.75,
86.97,
86.11
],
"OutcomesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 9,
"EndOffsetChar": 77
},
"Text": "I made all the changes to the account and now these discounts applied"
}
]
},
{
"BeginOffsetMillis": 22610,
"Content": "Awesome. Thank you so much.",
"EndOffsetMillis": 24140,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
79.11,
81.7,
78.15
]
},
{
"BeginOffsetMillis": 24120,
"Content": "No worries. I will send you all the details later today and call you back next week to check up on you.",
"EndOffsetMillis": 29710,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "POSITIVE",
"LoudnessScore": [
87.07,
83.96,
76.38,
88.38,
87.69,
76.6
],
"ActionItemsDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 12,
"EndOffsetChar": 102
},
"Text": "I will send you all the details later today and call you back next week to check up on you"
}
]
},
{
"BeginOffsetMillis": 30580,
"Content": "Thank you. Sir. Have a nice evening.",
"EndOffsetMillis": 32110,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
81.42,
82.29,
73.29
]
}
]
}
```
# Ejemplo de archivos de salida de Contact Lens para un chat analizados mediante el análisis de conversación de Contact Lens
En esta sección, se muestra un esquema de ejemplo para una conversación de chat que ha analizado el análisis de conversación de Contact Lens. El ejemplo muestra la opinión inferida, las categorías coincidentes, el resumen de los contactos y el tiempo de respuesta.
El archivo original analizado contiene la transcripción completa del chat. El mismo contenido que está presente en el campo **Transcripción** del chat de la página **Datos de contacto** está presente en el campo `Transcript` del archivo de análisis original de Contact Lens. Además, el archivo analizado puede contener más campos, como una sección `Redaction` para indicar que hay datos suprimidos en el archivo de análisis con supresión.
**nota**
Algunas `ConversationCharacteristics` incluyen asignaciones de `DetailsByParticipantRole`, en las que los roles de los participantes son claves. No obstante, no se garantiza que todos los roles de la lista `Participants` (como `CUSTOMER` o `AGENT`) tengan claves correspondientes en los objetos `DetailsByParticipantRole`. La presencia de una clave para un participante depende de si había datos aptos para el análisis de Contact Lens.
## Categorías
`PointsOfInterest` difiere entre las categorías posterior al chat y posterior a la llamada:
+ `PointsOfInterest` posterior a la llamada tiene un desplazamiento de milisegundos.
+ `PointsOfInterest` posterior al chat tiene una matriz de `TranscriptItems`; cada elemento tiene `id` y `CharacterOffset`.
Hay una matriz de `PointsOfInterest`. Cada matriz tiene una matriz de `TranscriptItems`: cada `PointOfInterest` corresponde a una coincidencia de categoría, pero cada coincidencia puede abarcar varios elementos de la transcripción.
Tanto para las llamadas como para los chats, la matriz `PointsOfInterest` puede estar vacía. Esto significa que la categoría coincide con todo el contacto. Por ejemplo, si crea una regla para que coincida con la categoría cuando `Hello` no se menciona en el contacto, no habría ninguna parte de la transcripción que señalar para esta condición.
**nota**
Actualmente, la categoría solo se deduce para los mensajes de chat `text/plain`, `text/markdown`.
## Aspectos más destacados
Los **puntos más destacados** se encuentran en la matriz `ConversationCharacteristics.ContactSummary.SummaryItemsDetected`. No puede haber más de un elemento en esa matriz, lo que hace destaca que solo se puede encontrar un conjunto de elementos `Issue`, `Outcome` y `Action`.
Cada objeto de la matriz tiene los siguientes campos: `IssuesDetected`, `OutcomesDetected` y `ActionItemsDetected`.
Cada uno de los campos tiene una matriz `TranscriptItems` que tiene `Id` y `CharacterOffsets`. Describen `TranscriptItems` y partes específicas que se han identificado para contener ese resumen del contacto: problema, resultado o elemento de acción.
**nota**
Actualmente, los aspectos más destacados se deducen únicamente de los mensajes de chat de `text/plain`.
## Opinión
### Opinión general
La puntuación de opinión del campo `DetailsByParticipantRole` de los participantes del contacto es similar a la del archivo de análisis de voz de Contact Lens.
El campo `DetailsByInteraction` tiene una puntuación de opinión `CUSTOMER` para partes de la interacción del chat `WithAgent` y `WithoutAgent`. Si no hubo mensajes de clientes en esas partes de la interacción, el campo correspondiente estará ausente.
**nota**
Actualmente, la opinión se deduce para los mensajes de chat `text/plain`, `text/markdown`.
### Cambio de opinión
El campo `DetailsByParticipantRole` contiene un objeto que describe el cambio de opinión de los participantes en el contacto (es decir, `AGENT`, `CUSTOMER`): `BeginScore` y `EndScore`.
El campo `DetailsByInteraction` tiene un cambio de opinión `CUSTOMER` para partes de la interacción del chat `WithAgent` y `WithoutAgent`. Si no hubo mensajes de clientes en esas partes de la interacción, el campo correspondiente estará ausente.
El cambio de opinión proporciona información sobre cómo ha cambiado la opinión del participante a lo largo de la interacción del chat.
## Tiempo de respuesta
`AgentGreetingTimeMillis` mide el tiempo transcurrido entre el momento en que el `AGENT` se unió al chat y el momento en que finalizó su primer mensaje al cliente.
`DetailsByParticipantRole` tiene las siguientes características para cada participante:
+ `Average`: cuál es el tiempo promedio de respuesta de un participante.
+ `Maximum`: cuál es el tiempo de respuesta más largo de un participante. Si hay varios elementos de transcripción con el mismo tiempo máximo de respuesta, se indicará cuáles son.
Para calcular los tiempos de respuesta `Average` y `Maximum` de un participante determinado, es necesario que responda a un mensaje de otro participante (`AGENT` necesita responder a `CUSTOMER`, o viceversa).
Por ejemplo, si solo había un mensaje de `CUSTOMER` y, después, solo un mensaje de `AGENT` antes de que terminara el chat, Contact Lens calculará un tiempo de respuesta para `AGENT`, pero no para `CUSTOMER`.
**nota**
Actualmente, el tiempo de respuesta solo se deduce para los mensajes de chat ` text/plain`, `text/markdown`.
## Supresión
Tenga en cuenta lo siguiente sobre el archivo de análisis original de los chats:
+ El elemento de transcripción incluye una sección `Redaction` solo si hay datos que suprimir. La sección contiene los desplazamientos de caracteres de los datos que se suprimen en el archivo de análisis suprimido.
+ Si se suprimen dos o más partes de un mensaje, la primera supresión se aplica a la primera parte suprimida, la segunda a la segunda, y así sucesivamente.
`DisplayNames` para `AGENT` y `CUSTOMER` se han suprimido porque contienen PII. Esto también se aplica a `AttachmentName`.
`CharacterOffsets` tiene en cuenta los cambios de supresión en la longitud de `Content` del archivo de análisis con supresión. `CharacterOffsets` describa el contenido suprimido, no el contenido original.
## Ejemplo de archivo de chat original
```
{
"AccountId": "123456789012",
"Categories": {
"MatchedCategories": [
"agent-intro"
],
"MatchedDetails": {
"agent-intro": {
"PointsOfInterest": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 73
},
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
}
]
}
}
},
"Channel": "CHAT",
"ChatTranscriptVersion": "2019-08-26",
"ContentMetadata": {
"Output": "Raw"
},
"ConversationCharacteristics": {
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
},
"SummaryItemsDetected": [
{
"ActionItemsDetected": [],
"IssuesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 72,
"EndOffsetChar": 244
},
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
}
]
"OutcomesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 150
},
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
}
]
}
],
"ResponseTime": {
"AgentGreetingTimeMillis": 2511,
"DetailsByParticipantRole": {
"AGENT": {
"Average": {
"ValueMillis": 5575
},
"Maximum": {
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
],
"ValueMillis": 7309
}
},
"CUSTOMER": {
"Average": {
"ValueMillis": 5875
},
"Maximum": {
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
],
"ValueMillis": 11366
}
}
}
},
"Sentiment": {
"DetailsByTranscriptItemGroup": [
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc"
},
{
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e"
},
{
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 3.3333333333333335,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -1.6666666666666667,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c"
},
{
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -2.5,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0"
}
]
}
],
"OverallSentiment": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": 0
}
}
},
"DetailsByParticipantRole": {
"AGENT": 1.1538461538461537,
"CUSTOMER": 0
}
},
"SentimentShift": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": {
"BeginScore": -3,
"EndScore": 3.75
}
}
}
},
"DetailsByParticipantRole": {
"AGENT": {
"BeginScore": 0,
"EndScore": 2.5
},
"CUSTOMER": {
"BeginScore": -3.75,
"EndScore": 3.75
},
"SYSTEM": {
"BeginScore": 2.5,
"EndScore": 0
}
}
}
}
},
"CustomerMetadata": {
"ContactId": "b49644f6-672f-445c-b209-f76b36482830",
"InputS3Uri": "path to the json file in s3",
"InstanceId": "f23fc323-3d6d-48aa-95dc-EXAMPLE012"
},
"JobStatus": "COMPLETED",
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM"
},
{
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT"
}
],
"Transcript": [
{
"AbsoluteTime": "2022-10-27T03:31:50.735Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "John",
"Id": "740c494d-9df7-4400-91c0-3e4df33922c8",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:31:53.390Z",
"Content": "Hello, thanks for contacting us. This is an example of what the Amazon Connect virtual contact center can enable you to do.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "78aa8229-714a-4c87-916b-ce7d8d567ab2",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:55.131Z",
"Content": "The time in queue is less than 5 minutes.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "1276382b-facb-49c5-8d34-62e3b0f50002",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:56.618Z",
"Content": "You are now being placed in queue to chat with an agent.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "88c2363e-8206-4781-a353-c15e1ccacc12",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:00.951Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "Jane",
"Id": "c05cca74-d50b-4aa5-b46c-fdb5ae8c814c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:32:03.462Z",
"Content": "Hello, thanks for reaching Example Corp. This is Jane. How may I help you?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 46,
"EndOffsetChar": 53
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:08.102Z",
"Content": "I'd like to see if I can get a refund or an exchange, because I ordered one of your grow-it-yourself indoor herb garden kits and nothing sprouted after a couple weeks so I think something is wrong with the seeds and this product may be defective.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:14.137Z",
"Content": "My wife is blind and sensitive to the sun so I was going to surprise her for her birthday with all the herbs that she loves so you guys actually really let me down.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:18.781Z",
"Content": "I should be taking my business elsewhere. I don't see why I should be giving money to a company that isn't even going to sell a product that works.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:24.123Z",
"Content": "Ok. Can I get your first and last name please?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:29.879Z",
"Content": "Yeah. My first name is John and last name is Doe.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 21,
"EndOffsetChar": 26
},
{
"BeginOffsetChar": 44,
"EndOffsetChar": 49
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:34.670Z",
"Content": "Could you please provide me with the order ID number?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:39.726Z",
"Content": "Yes, just . Looking ...",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:44.887Z",
"Content": "Not a problem, take your time.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:52.978Z",
"Content": "Okay, that should be #5376897. You know, if the product was fine I wouldn't have to scrounge through emails.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:59.441Z",
"Content": "alright, perfect. And could you also just confirm the shipping address for me?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 77,
"EndOffsetChar": 78
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:05.455Z",
"Content": "123 Any Street, Any Town, and the zip code is 98109.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 0,
"EndOffsetChar": 27
},
{
"BeginOffsetChar": 49,
"EndOffsetChar": 54
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:12.764Z",
"Content": "Thank you very much. Just waiting on my system here. .. I'll also need the last four digits of your debit card.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:17.412Z",
"Content": "Ok. Last four for my debit care are 9008",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 27,
"EndOffsetChar": 31
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:22.486Z",
"Content": "It's just too bad. I thought this was going to be the best gift idea. How can you guys be sending out defective seeds? Isn't that your whole business?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:38.961Z",
"Content": "I apologize for the experience you had Mr. Doe, its very uncommon that our customer will have this issue. We will look into this and get this sorted out for you right away.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 41,
"EndOffsetChar": 46
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:44.192Z",
"Content": "Well, my wife's birthday already passed, so. There's not too much you can do. But I would still like to grow the herbs for her, if possible.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:51.310Z",
"Content": "Totally understandable. Let me see what we can do for you. Please give me couple of minutes as I check the system.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:56.287Z",
"Content": "Thank you sir one moment please.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:01.224Z",
"Content": "Alright are you still there Mr Doe?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 30,
"EndOffsetChar": 35
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:07.093Z",
"Content": "Yeah.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:12.562Z",
"Content": "We are not only refunding the cost of the grow-it-yourself indoor herb kit but we will also be sending you a replacement. Would you be okay with this?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:17.029Z",
"Content": "Yeah! That would be great. I just want my wife to be able to have these herbs in her room. And I'm always happy to get my money back!",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:22.269Z",
"Content": "Awesome! We really want to keep our customers happy and satisfied, and again I want to apologize for your less than satisfactory experience with the last product you ordered from us.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:26.353Z",
"Content": "Okay! No problem. Sounds great. Thank you for all your help!",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:31.431Z",
"Content": "Is there anything else I can help you out with John?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 48,
"EndOffsetChar": 53
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:36.704Z",
"Content": "Nope!",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:41.448Z",
"Content": "Ok great! Have a great day.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:42.799Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.left",
"DisplayName": "John",
"Id": "d1ba54ba-61d4-4a48-9a9a-6cd17d70b8fb",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:34:43.192Z",
"ContentType": "application/vnd.amazonaws.connect.event.chat.ended",
"Id": "2d9a0e4f-faec-485f-97af-2767dde1f30a",
"Type": "EVENT"
}
],
"Version": "CHAT-2022-11-30"
}
```
## Ejemplo de archivo de chat con supresión
```
{
"AccountId": "123456789012",
"Categories": {
"MatchedCategories": [
"agent-intro"
],
"MatchedDetails": {
"agent-intro": {
"PointsOfInterest": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 71
},
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
}
]
}
}
},
"Channel": "CHAT",
"ChatTranscriptVersion": "2019-08-26",
"ContentMetadata": {
"Output": "Redacted",
"RedactionTypes": [
"PII"
],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"SummaryItemsDetected": [
{
"ActionItemsDetected": [],
"IssuesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 72,
"EndOffsetChar": 244
},
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
}
],
"OutcomesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 150
},
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
}
]
}
]
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
}
],
},
"ResponseTime": {
"AgentGreetingTimeMillis": 2511,
"DetailsByParticipantRole": {
"AGENT": {
"Average": {
"ValueMillis": 5575
},
"Maximum": {
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
],
"ValueMillis": 7309
}
},
"CUSTOMER": {
"Average": {
"ValueMillis": 5875
},
"Maximum": {
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
],
"ValueMillis": 11366
}
}
}
},
"Sentiment": {
"DetailsByTranscriptItemGroup": [
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc"
},
{
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e"
},
{
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 3.3333333333333335,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -1.6666666666666667,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c"
},
{
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -2.5,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0"
}
]
}
],
"OverallSentiment": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": 0
}
}
},
"DetailsByParticipantRole": {
"AGENT": 1.1538461538461537,
"CUSTOMER": 0
}
},
"SentimentShift": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": {
"BeginScore": -3,
"EndScore": 3.75
}
}
}
},
"DetailsByParticipantRole": {
"AGENT": {
"BeginScore": 0,
"EndScore": 2.5
},
"CUSTOMER": {
"BeginScore": -3.75,
"EndScore": 3.75
}
}
}
}
},
"CustomerMetadata": {
"ContactId": "b49644f6-672f-445c-b209-f76b36482830",
"InputS3Uri": "path to the json file in s3",
"InstanceId": "f23fc323-3d6d-48aa-EXAMPLE012"
},
"JobStatus": "COMPLETED",
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM"
},
{
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT"
}
],
"Transcript": [
{
"AbsoluteTime": "2022-10-27T03:31:50.735Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "[PII]",
"Id": "740c494d-9df7-4400-91c0-3e4df33922c8",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:31:53.390Z",
"Content": "Hello, thanks for contacting us. This is an example of what the Amazon Connect virtual contact center can enable you to do.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "78aa8229-714a-4c87-916b-ce7d8d567ab2",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:55.131Z",
"Content": "The time in queue is less than 5 minutes.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "1276382b-facb-49c5-8d34-62e3b0f50002",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:56.618Z",
"Content": "You are now being placed in queue to chat with an agent.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "88c2363e-8206-4781-a353-c15e1ccacc12",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:00.951Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "[PII]",
"Id": "c05cca74-d50b-4aa5-b46c-fdb5ae8c814c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:32:03.462Z",
"Content": "Hello, thanks for reaching Example Corp. This is [PII]. How may I help you?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 46,
"EndOffsetChar": 51
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:08.102Z",
"Content": "I'd like to see if I can get a refund or an exchange, because I ordered one of your grow-it-yourself indoor herb garden kits and nothing sprouted after a couple weeks so I think something is wrong with the seeds and this product may be defective.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:14.137Z",
"Content": "My wife is blind and sensitive to the sun so I was going to surprise her for her birthday with all the herbs that she loves so you guys actually really let me down.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:18.781Z",
"Content": "I should be taking my business elsewhere. I don't see why I should be giving money to a company that isn't even going to sell a product that works.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:24.123Z",
"Content": "Ok. Can I get your first and last name please?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:29.879Z",
"Content": "Yeah. My first name is [PII] and last name [PII].",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 21,
"EndOffsetChar": 26
},
{
"BeginOffsetChar": 44,
"EndOffsetChar": 49
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:34.670Z",
"Content": "Could you please provide me with the order ID number?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:39.726Z",
"Content": "Yes, just . Looking ...",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:44.887Z",
"Content": "Not a problem, take your time.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:52.978Z",
"Content": "Okay, that should be #5376897. You know, if the product was fine I wouldn't have to scrounge through emails.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:59.441Z",
"Content": "alright, perfect. And could you also just confirm the shipping address for me, [PII]",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 77,
"EndOffsetChar": 82
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:05.455Z",
"Content": "[PII], and the zip code [PII].",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 0,
"EndOffsetChar": 5
},
{
"BeginOffsetChar": 27,
"EndOffsetChar": 32
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:12.764Z",
"Content": "Thank you very much. Just waiting on my system here. .. I'll also need the last four digits of your debit card.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:17.412Z",
"Content": "Ok. Last four for my debit card [PII]",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 27,
"EndOffsetChar": 32
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:33.852Z",
"Content": "It's just too bad. I thought this was going to be the best gift idea. How can you guys be sending out defective seeds? Isn't that your whole business?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:38.961Z",
"Content": "I apologize for the experience you had Mr [PII], its very uncommon that our customer will have this issue. We will look into this and get this sorted out for you right away.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 41,
"EndOffsetChar": 46
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:44.192Z",
"Content": "Well, my wife's birthday already passed, so. There's not too much you can do. But I would still like to grow the herbs for her, if possible.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:51.310Z",
"Content": "Totally understandable. Let me see what we can do for you. Please give me couple of minutes as I check the system.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:56.287Z",
"Content": "Thank you sir one moment please.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:01.224Z",
"Content": "Alright are you still there Mr [PII]?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 30,
"EndOffsetChar": 35
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:07.093Z",
"Content": "Yeah.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:12.562Z",
"Content": "We are not only refunding the cost of the grow-it-yourself indoor herb kit but we will also be sending you a replacement. Would you be okay with this?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:17.029Z",
"Content": "Yeah! That would be great. I just want my wife to be able to have these herbs in her room. And I'm always happy to get my money back!",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:22.269Z",
"Content": "Awesome! We really want to keep our customers happy and satisfied, and again I want to apologize for your less than satisfactory experience with the last product you ordered from us.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:26.353Z",
"Content": "Okay! No problem. Sounds great. Thank you for all your help!",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:31.431Z",
"Content": "Is there anything else I can help you out with Mr [PII]?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 48,
"EndOffsetChar": 53
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:36.704Z",
"Content": "Nope!",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:41.448Z",
"Content": "Ok great! Have a great day.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:42.799Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.left",
"DisplayName": "[PII]",
"Id": "d1ba54ba-61d4-4a48-9a9a-6cd17d70b8fb",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:34:43.192Z",
"ContentType": "application/vnd.amazonaws.connect.event.chat.ended",
"Id": "2d9a0e4f-faec-485f-97af-2767dde1f30a",
"Type": "EVENT"
}
],
"Version": "CHAT-2022-11-30"
}
```
# Ejemplo de archivos de salida de Contact Lens para un correo electrónico analizados mediante el análisis conversacional de Contact Lens
En esta sección se muestra un esquema de ejemplo para un contacto de correo electrónico que ha sido analizado mediante el análisis conversacional de Contact Lens. El ejemplo muestra las categorías coincidentes y un resumen de la cadena de contactos.
Tenga en cuenta lo siguiente acerca de los archivos de salida de análisis de correo electrónico:
+ El campo `Channel` se establece en `EMAIL`.
+ El `Version` campo usa el `EMAIL` prefijo (por ejemplo,`EMAIL-2026-01-01`).
+ Los archivos de salida del correo electrónico no incluyen las puntuaciones de opinión, los cambios de opinión, el volumen ni el tiempo de conversación.
+ La `Categories` sección incluye un `EventSource` campo establecido en. `OnEmailAnalysisAvailable`
+ Se utilizan resúmenes de contactos `ContactChainSummary` en lugar de`PostContactSummary`, ya que el análisis del correo electrónico resume todo el hilo del correo electrónico (cadena de contactos).
+ La `CustomerMetadata.InputFiles` sección hace referencia a los mensajes de correo electrónico y a los archivos de texto sin formato almacenados en Amazon S3.
## Ejemplo de archivo de salida de análisis de correo electrónico
El siguiente ejemplo muestra el resultado de un contacto de correo electrónico con la categorización, la redacción y el resumen de la cadena de contactos activados.
```
{
"Version": "EMAIL-2026-01-01",
"AccountId": "123456789012",
"Channel": "EMAIL",
"Configuration": {
"ChannelConfiguration": {
"AnalyticsModes": [
"ContactLens"
]
},
"LanguageLocale": "en-US",
"RedactionConfiguration": {
"Behavior": "Enable",
"Policy": "RedactedAndOriginal",
"Entities": [],
"MaskMode": "EntityType"
},
"SummaryConfiguration": {
"SummaryModes": [
"ContactChain"
]
}
},
"CustomerMetadata": {
"ContactId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"InstanceId": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee",
"InputFiles": {
"EmailMessageS3URI": "connect/your-instance/EmailMessages/2026/01/15/a1b2c3d4_message.json",
"EmailMessagePlainTextS3URI": "connect/your-instance/EmailMessages/2026/01/15/a1b2c3d4_plain_text.json"
}
},
"Categories": {
"MatchedCategories": [
"refund-request",
"shipping-issue"
],
"MatchedDetails": {
"refund-request": {
"PointsOfInterest": [
{
"Contacts": [
{
"ContactId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890"
}
]
}
],
"EventSource": "OnEmailAnalysisAvailable"
},
"shipping-issue": {
"PointsOfInterest": [],
"EventSource": "OnEmailAnalysisAvailable"
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"ContactChainSummary": {
"Content": "The customer reported that their order arrived damaged and requested a full refund including shipping costs. The agent confirmed the refund would be processed within 3-5 business days and offered a replacement unit."
}
}
},
"JobDetails": {}
}
```
# Solución de problemas de Amazon Connect Contact Lens
## ¿Por qué no veo ni oigo el contenido no suprimido?
Si su organización utiliza la función de Contact Lens redacción, de forma predeterminada, solo el contenido redactado aparece en el sitio web de administración. Amazon Connect
Debe tener permisos para ver el contenido sin suprimir. Para obtener más información, consulte [Asignación de permisos para usar el análisis de conversación de Contact Lens en Amazon Connect](permissions-for-contact-lens.md).