Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Analyse des conversations à l’aide de l’analytique conversationnelle dans Amazon Connect Contact Lens
Grâce à l'analyse Contact Lens conversationnelle, vous pouvez analyser les conversations entre clients et agents ou clients et l'IA conversationnelle, par le biais de la voix, du chat et du courrier électronique, à l'aide du traitement du langage naturel. L’analytique conversationnelle analyse les sentiments, détecte les problèmes et vous permet de classer automatiquement les contacts par catégorie.
**Prise en charge de l’analytique vocale**
+ **Analytique des appels en temps réel** : à utiliser pour détecter et résoudre les problèmes des clients de manière plus proactive pendant l’appel. Par exemple, elle peut [analyser et vous avertir](add-rules-for-alerts.md) lorsqu’un client est frustré parce que l’agent n’est pas en mesure de résoudre un problème complexe. Cela vous permet de fournir une assistance plus immédiate.
+ **Analyses après appel** : à utiliser pour comprendre les tendances des conversations avec les clients, des interactions en libre-service et de la conformité des agents. Cela vous permet d'identifier les opportunités d'améliorer l'IA conversationnelle et de coacher les agents après l'appel.
**Prise en charge de l’analytique de chat**
+ **Analytique du chat en temps réel** : comme pour l’analytique des appels en temps réel, vous pouvez détecter et résoudre les problèmes des clients de manière plus proactive au fur et à mesure de l’avancement du chat, et [recevoir une alerte](add-rules-for-alerts-chat.md). Par exemple, les responsables peuvent recevoir une alerte par e-mail en temps réel lorsque le sentiment d’un client à l’égard d’un contact par chat devient négatif, ce qui leur permet de rejoindre le contact en cours pour aider à résoudre le problème du client.
+ **Analytique post-chat** : à utiliser pour comprendre les tendances des conversations avec les clients et la conformité des agents. Elle fournit des informations spécifiques à une interaction par chat, comme l’heure d’accueil de l’agent et le temps de réponse de l’agent et du client. Les temps de réponse et les sentiments vous aident à évaluer l’expérience du client avec le bot par rapport à l’agent, et à identifier les domaines à améliorer.
+ Chaque message de chat traité est facturé de la même manière. Bien que toutes les fonctionnalités ne soient pas appliquées à tous les messages (par exemple, le résumé ne s’applique qu’aux messages `text/plain`), si l’analytique conversationnelle Contact Lens est activée pour le contact, le message est pris en compte pour la facturation. Pour plus d’informations sur la tarification, consultez [Tarification d’Amazon Connect](https://aws.amazon.com/connect/pricing/).
**Assistance en matière d'analyse des e-mails**
+ **Analyse des e-mails** : à utiliser pour analyser les conversations par e-mail entre les clients et les agents. Contact Lenscatégorise automatiquement les contacts par e-mail, expédie les données sensibles des transcriptions d'e-mails et génère des résumés de contacts. Cela vous permet de comprendre les tendances des conversations par e-mail et de garantir la conformité sur l'ensemble de votre canal de messagerie.
+ Les contacts par e-mail étant asynchrones, un participant agissant à la fois, la distinction entre le temps réel et le post-contact qui s'applique à la voix et au chat ne s'applique pas au courrier électronique. Une analyse des e-mails est lancée dès qu'elle [Bloc de flux dans Amazon Connect : définissez le comportement d'enregistrement, d'analyse et de traitement](set-recording-analytics-processing-behavior.md) est utilisée lors de la réception ou de l'envoi d'un contact par e-mail.
Vous pouvez protéger la vie privée des clients en expurgeant les données sensibles comme le nom, l’adresse et les informations de carte de crédit, des transcriptions et des enregistrements audio.
## Exemple de page Détails de contact pour un appel
L’image suivante montre l’analytique conversationnelle d’un appel vocal. Notez qu’il inclut les métriques **Temps de conversation**.
![\[Exemple de page de détails de contact avec des métriques de temps de conversation.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-contactdetails-call1b.png)
1. **Tendance des sentiments du client** : ce graphique montre comment le sentiment du client change au fur et à mesure que le contact progresse. Pour de plus amples informations, veuillez consulter [Étude des scores de sentiment](sentiment-scores.md).
1. **Sentiment du client** : ce graphique montre l’évolution du sentiment du client pour l’appel complet. Ceci est calculé en comptant le nombre total de tours de conversation ou de messages de chat au cours desquels un client a exprimé un sentiment positif, neutre ou négatif.
1. **Temps de conversation** : ce graphique montre la répartition du temps de conversation et du temps de non-conversation pendant toute la durée de l’appel. Le temps de conversation est ensuite divisé en temps de conversation de l’agent et le temps de conversation du client.
L’image suivante montre la section suivante de la page **Détails de contact** pour un appel vocal : l’analyse audio et la transcription. Notez que des données d’identification personnelle (PII) ont été [expurgées de la transcription](sensitive-data-redaction.md).
![\[L’analyse audio et la transcription du contact.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-contactdetails-call2b.png)
## Exemple de page Détails de contact pour une analytique de chat en temps réel
L’image suivante montre l’analytique conversationnelle d’un chat en temps réel. Notez qu’elle inclut les principaux points forts et le sentiment du client.
![\[Page Détails de contact avec analytique conversationnelle d’un chat en temps réel\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-realtime-chat.png)
## Exemple de page Détails de contact pour une analytique post-chat
L’image suivante montre l’analytique post-chat. Notez qu’il inclut des métriques de réponse au chat, comme **Temps d’accueil de l’agent** (le temps écoulé entre le moment où l’agent rejoint le chat et le moment où il envoie la première réponse), **Temps de réponse du client** et **Temps de réponse de l’agent**.
![\[Une page de détails de contact avec un résumé et une analytique conversationnelle pour un chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
L’image suivante montre la section suivante de la page **Détails de contact** pour un chat : l’analyse audio et la transcription. Notez que vous pouvez étudier l’interaction du client avec un bot par rapport à l’agent.
![\[La page de détails de contact, l’analyse des interactions et la transcription d’un chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-contactdetails-chat2b.png)
## Exemple de page de coordonnées pour l'analyse des e-mails
L'image suivante montre l'analyse conversationnelle d'un contact par e-mail. L'analyse des e-mails inclut la catégorisation, la rédaction de données sensibles et les résumés de contacts. Les contacts par e-mail étant asynchrones, il n'existe aucune analyse en temps réel ni aucun score de sentiment.
![\[Exemple de page de coordonnées contenant des analyses conversationnelles pour un contact par e-mail.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-contactdetails-email.png)
# Activation de l’analytique conversationnelle dans Amazon Connect Contact Lens
Vous pouvez activer l’analytique conversationnelle Contact Lens en quelques étapes :
1. Activez Contact Lens sur votre instance Amazon Connect.
1. Ajoutez un [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) bloc à un flux et configurez-le pour activer l'analyse conversationnelle pour la voix, le chat, le courrier électronique ou une combinaison de canaux.
L'image suivante montre un bloc configuré pour l'enregistrement des appels et l'analyse vocale. L’option **Enregistrement d’appels** est définie sur **Agent et client**. Dans la section **Analytics**, les options sont sélectionnées pour les interactions automatisées et les interactions avec les agents.
![\[La page des propriétés d’un bloc Définir le comportement d’enregistrement et d’analytique.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/set-recording-and-analytics-behavior.png)
Les procédures décrites dans cette rubrique décrivent les étapes permettant d'activer l'analyse conversationnelle pour les appels, les chats ou les e-mails.
**Topics**
+ [Points importants à connaître](#important-set-behaviorblock)
+ [Activation de Contact Lens pour votre instance Amazon Connect](#enable-cl)
+ [Activation de l’enregistrement des appels et de l’analytique vocale](#enable-callrecording-speechanalytics)
+ [Activation de l’analytique de chat](#enable-chatanalytics)
+ [Activez l'analyse des e-mails](#enable-emailanalytics)
+ [Activation de l’expurgation](#enable-redaction)
+ [Vérification de l’exactitude de l’expurgation](#review-sensitive-data-redaction)
+ [Désactivation de l’analyse des sentiments](#disable-sentiment-analysis-voice-and-chat)
+ [Activation dynamique de la rédaction en fonction de la langue du client](#dynamically-enable-analytics-contact-flow)
+ [Conception d’un flux pour obtenir les principaux points forts](#call-summarization-agent)
+ [Et si le bloc de flux ne parvient pas à activer l’analytique conversationnelle ?](#troubleshoot-contactlens-enablement)
+ [Appels entre plusieurs parties](#multiparty-calls-contactlens)
## Points importants à connaître
+ **Collecter des données après le transfert d’un contact** : si vous souhaitez continuer à utiliser l’analytique conversationnelle pour collecter des données après avoir transféré un contact vers un autre agent ou une autre file d’attente, vous devez ajouter un autre bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) avec l’option **Activer l’analytique** activée pour le flux. En effet, un transfert génère un deuxième ID de contact et un enregistrement de contact. L’analytique conversationnelle doit également être exécutée sur cet enregistrement de contact.
**Note**
Pour les [queue-to-queuetransferts](queue-to-queue-transfer.md), les informations de configuration pour l'analyse conversationnelle sont copiées sur le contact transféré.
+ Lorsque vous choisissez une langue prise en charge par l'analyse des sentiments ET que vous sélectionnez **Activer l'analyse Contact Lens vocale**, **Activer l'analyse du chat** ou **Activer l'analyse des e-mails** dans le [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) bloc, l'analyse des sentiments est activée par défaut. Vous pouvez choisir de [désactiver l’analyse des sentiments](#disable-sentiment-analysis-voice-and-chat).
+ L’endroit où vous placez le bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) dans un flux affecte l’expérience de l’agent en mettant l’accent sur les principaux points forts. Pour de plus amples informations, veuillez consulter [Conception d’un flux pour obtenir les principaux points forts](#call-summarization-agent).
## Activation de Contact Lens pour votre instance Amazon Connect
Avant de pouvoir activer l’analytique conversationnelle, vous devez d’abord activer Contact Lens pour votre instance.
1. Ouvrez la console Amazon Connect à l'adresse [https://console.aws.amazon.com/connect/](https://console.aws.amazon.com/connect/).
1. Dans la page Instances, choisissez l’alias d’instance. L’alias d’instance est également le **nom de votre instance**, qui apparaît dans votre URL Amazon Connect. L’image suivante présente la page **Instances du centre de contact virtuel Amazon Connect** avec un encadré autour de l’alias d’instance.
![\[Page Instances du centre de contact virtuel Amazon Connect, Alias d’instance.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/instance.png)
1. Dans la console Amazon Connect, dans le volet de navigation, choisissez **Outils d’analyse**, puis sélectionnez **Activer Contact Lens**.
1. Choisissez **Enregistrer**.
## Activation de l’enregistrement des appels et de l’analytique vocale
Une fois Contact Lens activé pour votre instance, vous pouvez ajouter des blocs [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) à vos flux. Vous activez ensuite l’analytique conversationnelle lorsque vous configurez le bloc **Définir le comportement d’enregistrement et d’analytique**.
1. Dans le concepteur de flux, ajoutez un bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) à votre flux.
Pour plus d’informations sur les types de flux que vous pouvez utiliser avec ce bloc et pour obtenir d’autres conseils, consultez [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md).
1. Ouvrez la page des propriétés **Définir le comportement d’enregistrement et d’analytique**. Sous **Enregistrement d’appels**, choisissez **Activé**, **Agent et client**.
Les enregistrements des appels de l’agent et du client sont nécessaires pour utiliser l’analytique conversationnelle pour les contacts vocaux.
1. Sous **Analytique**, choisissez **Activer l’analytique conversationnelle de Contact Lens**, puis **Activer l’analytique vocale**.
Si cette option ne s’affiche pas, Amazon Connect Contact Lens n’a pas été activé pour votre instance. Pour obtenir des instructions sur son activation, consultez [Activation de Contact Lens pour votre instance Amazon Connect](#enable-cl).
1. Sélectionnez l’une des méthodes suivantes :
1. **Analytique après appel** : Contact Lens analyse l’enregistrement des appels une fois la conversation et le travail après contact (ACW) terminés. Cette option fournit la meilleure précision de transcription.
1. **Analytique en temps réel** : Contact Lens fournit à la fois des informations en temps réel pendant l’appel et une analytique après appel une fois la conversation et le travail après contact (ACW) terminés.
Si vous choisissez cette option, nous vous recommandons de configurer des alertes basées sur des mots-clés et des expressions que le client est susceptible de prononcer pendant l’appel. Contact Lens analyse la conversation en temps réel pour détecter les mots clés ou les expressions spécifiés, et alerte les superviseurs. À partir de là, les superviseurs peuvent écouter l’appel en direct et fournir des conseils à l’agent pour l’aider à résoudre le problème plus rapidement.
Pour plus d’informations sur la configuration des alertes, consultez [Alerter les superviseurs en temps réel pour les appels](add-rules-for-alerts.md).
Si l’instance a été créée avant octobre 2018, une configuration supplémentaire est nécessaire pour accéder à l’analytique d’appel en temps réel. Pour de plus amples informations, veuillez consulter [Autorisations de rôles liés à un service](connect-slr.md#slr-permissions).
1. Choisissez dans la [liste des langues disponibles](supported-languages.md#supported-languages-contact-lens).
Pour obtenir des instructions sur la spécification dynamique de la langue, consultez [Activation dynamique de la rédaction en fonction de la langue du client](#dynamically-enable-analytics-contact-flow).
1. Vous pouvez aussi activer l’expurgation des données sensibles. Pour plus d’informations, consultez la section suivante, [Activation de l’expurgation](#enable-redaction).
1. Choisissez **Enregistrer**.
1. Si le contact doit être transféré vers un autre agent ou une autre file d’attente, répétez ces étapes pour ajouter un autre bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) avec **Activer Contact Lens pour l’analytique conversationnelle** activée.
## Activation de l’analytique de chat
1. Dans le bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md), sous **Analytique**, choisissez **Activer l’analytique conversationnelle de Contact Lens** et **Activer l’analytique de conversations instantanées**.
**Note**
En choisissant cette option, vous recevrez des analytiques en temps réel et post-chat.
Si cette option ne s’affiche pas, Amazon Connect Contact Lens n’a pas été activé pour votre instance. Pour obtenir des instructions sur son activation, consultez [Activation de Contact Lens pour votre instance Amazon Connect](#enable-cl).
1. Choisissez dans la [liste des langues disponibles](supported-languages.md#supported-languages-contact-lens).
Pour obtenir des instructions sur le choix dynamique de la langue et de la rédaction, consultez [Activation dynamique de la rédaction en fonction de la langue du client](#dynamically-enable-analytics-contact-flow).
1. Vous pouvez aussi activer l’expurgation des données sensibles. Pour plus d’informations, consultez la section suivante, [Activation de l’expurgation](#enable-redaction).
1. Choisissez **Enregistrer**.
1. Si le contact doit être transféré vers un autre agent ou une autre file d’attente, répétez ces étapes pour ajouter un autre bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) avec **Activer Contact Lens pour l’analytique conversationnelle** activée.
## Activez l'analyse des e-mails
Vous pouvez activer l'analyse Contact Lens conversationnelle pour les contacts par e-mail afin de classer automatiquement les e-mails, de supprimer les données sensibles et de générer des résumés de contacts.
1. Dans le concepteur de flux, ajoutez un [Définissez le comportement d'enregistrement, d'analyse et de traitement](set-recording-analytics-processing-behavior.md) bloc à votre flux de courrier entrant. Placez le bloc avant que le contact par e-mail ne soit acheminé vers une file d'attente ou un agent.
1. Ouvrez les propriétés du bloc. Pour **Action**, choisissez **Définir le comportement d'enregistrement et d'analyse**.
1. Pour **Canal**, choisissez **E-mail**.
1. Sous **Analytics**, choisissez **Activer l'analyse Contact Lens conversationnelle** et **Activer l'analyse des e-mails**.
Si cette option ne s’affiche pas, Amazon Connect Contact Lens n’a pas été activé pour votre instance. Pour obtenir des instructions sur son activation, consultez [Activation de Contact Lens pour votre instance Amazon Connect](#enable-cl).
1. Choisissez dans la [liste des langues disponibles](supported-languages.md#supported-languages-contact-lens).
1. Vous pouvez aussi activer l’expurgation des données sensibles. Pour de plus amples informations, veuillez consulter [Activation de l’expurgation](#enable-redaction).
1. Facultativement, dans la **section Fonctionnalités de l'IA générative pour les lentilles** de **contact, activez le résumé** des contacts pour générer des résumés pour les contacts par e-mail.
1. Choisissez **Enregistrer**.
1. Si le contact e-mail doit être transféré vers un autre agent ou une autre file d'attente, répétez ces étapes pour ajouter un autre [Définissez le comportement d'enregistrement, d'analyse et de traitement](set-recording-analytics-processing-behavior.md) bloc avec l'option **Activer Contact Lens l'analyse conversationnelle** activée.
## Activation de l’expurgation de données sensibles
Lorsque vous configurez le bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) pour l’analytique conversationnelle, vous avez également la possibilité d’activer la rédaction de données sensibles dans un flux. Lorsque l’expurgation est activée, vous pouvez choisir parmi les options suivantes :
+ Expurger toutes les données d’identification personnelle (PII) (toutes les entités PII sont prises en charge).
+ Choisir les entités PII à expurger dans la liste des entités prises en charge.
Si vous acceptez les paramètres par défaut, l’analytique conversationnelle Contact Lens modifie toutes les données d’identification personnelle (PII) qu’elle identifie et les remplace par **[PII]** dans la transcription. Les paramètres par défaut sont affichés dans l’image suivante, car les options suivantes sont sélectionnées : **Expurger les données sensibles**, **Expurger toutes les données PII** et **Remplacer par le paramètre fictif de PII**.
![\[Les paramètres par défaut pour l’expurgation des données sensibles.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-enable-redaction-default.png)
### Sélection des entités PII à expurger
Dans la section **Expurgation de données**, vous pouvez sélectionner des entités PII spécifiques à expurger. L’image suivante montre que **Numéro de carte de crédit/débit** va être expurgé.
![\[La section d’expurgation des données, une liste d’entités que vous pouvez expurger.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-select-entities-to-redact.png)
### Choix du remplacement de l’expurgation des données
Dans la section **Remplacement de l’expurgation des données**, vous pouvez choisir le masque à utiliser comme remplacement de l’expurgation des données. Par exemple, dans l’image suivante, l’option **Remplacer par le paramètre fictif de PII** indique que **PII** remplacera les données.
![\[L’option permettant de remplacer les données par PII.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-dataredactionreplacement.png)
Pour plus d’informations sur l’utilisation de l’expurgation, consultez [Utilisation de l’expurgation des données sensibles](sensitive-data-redaction.md).
## Vérification de l’exactitude de l’expurgation des données sensibles
La fonctionnalité d’expurgation est conçue pour identifier et supprimer les données sensibles. Cependant, en raison de la nature prédictive du machine learning, celui-ci peut ne pas identifier et supprimer toutes les instances de données sensibles dans une transcription générée par Contact Lens. Nous vous recommandons de passer en revue toute sortie expurgée pour vous assurer qu’elle répond à vos besoins.
**Important**
La fonctionnalité d’expurgation ne répond pas aux exigences de désidentification prévues par les lois sur la confidentialité médicale, comme la loi américaine de 1996 sur la portabilité et la responsabilité en matière d’assurance maladie (HIPAA). Nous vous recommandons donc de continuer à les traiter comme des informations de santé protégées après leur expurgation.
Pour l’emplacement des fichiers expurgés et des exemples, consultez [Emplacements des fichiers de sortie](example-contact-lens-output-locations.md).
## Désactivation de l’analyse des sentiments
Lorsque vous choisissez une langue prise en charge par l’analyse des sentiments ET que vous choisissez **Activer l’analytique vocale** ou **Activer l’analytique de conversations instantanées**, l’analyse des sentiments est activée par défaut pour tous les agents et clients. Pour obtenir une liste des langues prises en charge par l’analyse des sentiments, consultez [Fonctionnalités d’intelligence artificielle (IA)](supported-languages.md#supported-languages-contact-lens).
L’image suivante montre que l’option d’analyse des sentiments est activée dans le bloc **Définir le comportement d’enregistrement et d’analytique**.
![\[L’option d’analyse des sentiments lorsqu’elle est activée.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/sentiment-analysis-enabled.png)
L’image suivante montre une langue qui n’est pas prise en charge par l’analyse des sentiments. Nous vous recommandons d’ouvrir la section **Sentiment** pour vérifier si elle est activée ou désactivée.
![\[L’option d’analyse des sentiments lorsqu’elle est désactivée, car la langue n’est pas prise en charge.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/sentiment-analysis-verify.png)
Pour désactiver l’analyse des sentiments pour tous les agents et clients, désélectionnez l’option **Activer l’analyse des sentiments**, comme indiqué dans l’image suivante.
![\[L’option d’analyse des sentiments lorsqu’elle est désactivée.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/sentiment-analysis-disabled.png)
## Activation dynamique de la rédaction en fonction de la langue du client
Vous pouvez activer de manière dynamique la rédaction des fichiers de sortie en fonction de la langue du client. Par exemple, pour les clients utilisant en-US, vous souhaiterez peut-être uniquement un fichier expurgé, tandis que pour ceux utilisant en-GB, vous voudrez peut-être les fichiers de sortie originaux et expurgés.
+ Expurgation : choisissez l’une des options suivantes (elles sont sensibles à la casse)
+ Aucune
+ RedactedOnly
+ RedactedAndOriginal
+ Langue : choisissez dans la [liste des langues disponibles](supported-languages.md#supported-languages-contact-lens).
Vous pouvez définir ces attributs des façons suivantes :
+ Défini par l’utilisateur : utilisez un bloc **Définir les attributs de contact**. Pour obtenir des instructions générales sur l’utilisation de ce bloc, consultez [Comment référencer les attributs de contact](how-to-reference-attributes.md). Définissez la **Clé de destination** et la **Valeur** pour l’expurgation et la langue selon les besoins.
L’image suivante montre un exemple de la façon dont vous pouvez configurer le bloc **Définir les attributs de contact** pour utiliser les attributs de contact pour l’expurgation. **Choisissez l'option **Utiliser du texte**, définissez la **clé de destination** sur **redaction\$1option** et définissez la valeur sur. **RedactedAndOriginal****
**Note**
**Valeur** est sensible à la casse.
![\[Bloc d’attributs de contact défini, option d’utilisation de texte, la valeur est sensible à la casse.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction1.png)
L’image suivante montre comment utiliser les attributs de contact pour la langue. Choisissez l’option Utiliser le texte, définissez Clé de destination sur la langue, puis définissez **Valeur** sur **en-US**.
![\[Bloc d’attributs de contact défini, option d’utilisation de texte, la valeur est sensible à la casse.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction2.png)
+ [Utilisez une fonction Lambda](attribs-with-lambda.md). Cette opération est similaire à la façon dont vous configurez les attributs de contact définis par l’utilisateur. Une fonction AWS Lambda peut renvoyer le résultat sous forme de paire clé-valeur, en fonction de la langue de la réponse Lambda. Voici un exemple illustrant une réponse Lambda dans JSON.
```
{
'redaction_option': 'RedactedOnly',
'language': 'en-US'
}
```
## Conception d’un flux pour obtenir les principaux points forts
Les transcriptions sont visibles pour les agents à l'aide du panneau de configuration des contacts (CCP) selon que l'analyse conversationnelle est activée ou non [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) dans le flux entrant, and/or un flux de transfert.
Cette section propose trois cas d’utilisation pour activer l’analytique conversationnelle dans le bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md), et décrit comment ils affectent l’expérience de l’agent en mettant l’accent sur les principaux points forts.
### Cas d’utilisation 1 : l’analytique conversationnelle est activée uniquement dans un flux entrant
+ Un contact entre dans le flux entrant et il n’y a aucun transfert d’appel. Voici l’expérience de l’agent :
L’agent reçoit la transcription complète pendant le travail après contact (ACW). La transcription inclut tout ce qui a été dit par l’agent et le client, depuis le moment où l’agent accepte l’appel initial jusqu’à la fin de l’appel, comme illustré dans l’image suivante.
![\[Le panneau de configuration des contacts, la transcription de la conversation.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use1.png)
+ Un contact entre dans le flux entrant, et il y a un transfert d’appel. Voici l’expérience de l’agent :
+ L'agent 1 reçoit une transcription d'appel après avoir quitté le conference/warm transfert, pendant l'ACW.
La transcription inclut tout ce que l'agent 1 et le client ont dit, à partir du moment où l'agent accepte l'appel initial, jusqu'à ce que l'agent 1 quitte la partie de conference/warm transfert de l'appel. La transcription inclut les messages d’invite relatifs au flux (transfert/flux de file d’attente), comme illustré dans l’image suivante.
![\[L’invite de transfert de flux figurant dans la transcription.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use2.png)
+ L'agent 2 reçoit une transcription d'appel au moment de l'acceptation de l'appel de conference/warm transfert de l'agent 1.
La transcription inclut tout ce qui a été dit par l'agent 1 et le client, à partir du moment où l'agent 1 accepte l'appel initial jusqu'à ce que l'agent 1 quitte la partie de conference/warm transfert de l'appel. La transcription inclut les messages d’invite relatifs au flux (transfert/flux de file d’attente) et la conversation de transfert courtois, comme illustré dans l’image suivante.
![\[La transcription, l’invite de transfert de flux et le transfert courtois entre deux agents.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use2b.png)
L’analytique conversationnelle n’étant pas activée dans le flux de transfert, l’agent 2 ne voit pas le reste de la transcription lorsque l’appel est terminé et entre dans l’ACW. L’image suivante d’ACW pour l’agent 2 montre que la transcription est vide.
![\[Une transcription vide.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use2c.png)
### Cas d’utilisation 2 : l’analytique conversationnelle est activée dans un flux entrant et un flux de transfert (connexion rapide)
+ Un contact entre dans le flux entrant et il n’y a aucun transfert d’appel. Voici l’expérience de l’agent :
+ L’agent 1 reçoit une transcription complète de l’appel (non expurgée) pendant l’ACW.
La transcription inclut tout ce qui a été dit par l’agent 1 et le client, depuis le moment où l’agent accepte l’appel jusqu’à la fin de l’appel, comme le montre l’image suivante. Ceci est illustré dans l’image suivante du CCP de l’agent 1.
![\[Le CCP pour l’agent 1, une transcription complète de l’appel.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use3.png)
+ Un contact entre dans le flux entrant, et il y a un transfert d’appel. Voici l’expérience de l’agent :
+ L'agent 1 reçoit une transcription d'appel après avoir quitté le conference/warm transfert, pendant l'ACW.
La transcription inclut tout ce que l'agent 1 a dit et le client à partir du moment où l'agent 1 accepte l'appel, jusqu'à ce que l'agent 1 quitte la partie de conference/warm transfert de l'appel. La transcription inclut les messages d’invite relatifs au flux (transfert/flux de file d’attente).
La transcription complète de l’appel jusqu’au transfert courtois est affichée dans l’image suivante.
![\[Une transcription complète de l’appel jusqu’à ce que l’agent 1 quitte la conférence.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use2b.png)
+ L'agent 2 reçoit une transcription d'appel au moment de l'acceptation de l'appel de conference/warm transfert de l'agent 1.
La transcription inclut tout ce que l'agent 1 et le client ont dit, à partir du moment où l'agent 1 accepte l'appel, jusqu'à ce que l'agent 1 quitte la partie de conference/warm transfert de l'appel. La transcription inclut les messages d’invite relatifs au flux (transfert/flux de file d’attente).
+ L’analytique conversationnelle étant activée dans le flux de transfert, l’agent 2 reçoit une transcription de l’appel une fois l’appel terminé, pendant l’ACW.
La transcription inclut uniquement la partie restante de l’appel entre l’agent 2 et le client, une fois que l’agent 1 a quitté l’appel. La transcription inclut tout ce qui est dit par l’agent 2 et le client à partir du moment où la conférence ou le transfert courtois commence, jusqu’à la fin de l’appel. L’image suivante montre un exemple de transcription.
![\[Une transcription de l’appel entre l’agent 2 et le client.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-summarization-use3b.png)
## Et si le bloc de flux ne parvient pas à activer l’analytique conversationnelle ?
Il est possible que le bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) ne parvienne pas à activer l’analytique conversationnelle sur un contact. Si l’analytique conversationnelle n’est pas activée pour un contact, [consultez les journaux de flux](search-contact-flow-logs.md) pour détecter l’erreur.
## Appels entre plusieurs parties et analytique conversationnelle
L’analytique conversationnelle Contact Lens prend en charge les appels avec 2 participants maximum. Par exemple, si plus de deux parties (agent et client) participent à un appel, ou si un appel est transféré à un tiers, la qualité de la transcription et de l’analytique, telles que le sentiment, l’expurgation, les catégories, entre autres, peuvent se dégrader. Nous vous recommandons de désactiver l’analytique conversationnelle pour les appels entre plusieurs parties ou tiers s’il y a plus de deux interlocuteurs (agent et client). Pour ce faire, ajoutez un autre bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) au flux et désactivez l’analytique conversationnelle. Pour plus d’informations sur le comportement du bloc de flux, consultez [Conseils de configuration](set-recording-behavior.md#set-recording-behavior-tips).
# Attribution d’autorisations pour utiliser l’analytique conversationnelle Contact Lens dans Amazon Connect
Pour garantir la sécurité des données des clients, vous définissez les autorisations de profil de sécurité afin de déterminer qui peut accéder aux informations générées par l’analytique conversationnelle Contact Lens.
Vous trouverez ci-dessous une description des autorisations de profil de sécurité requises, ainsi que certaines autorisations qu’il est utile d’avoir mais qui ne sont pas obligatoires. Plusieurs d’entre elles sont des autorisations de recherche, nécessaires pour trouver les contacts que vous souhaitez analyser. Ils ne sont pas spécifiques à l’analytique conversationnelle Contact Lens.
## Autorisations d’analytique conversationnelle
+ **Contact Lens – Analytique conversationnelle**
+ Sur la page **Détails de contact**, vous pouvez consulter des graphiques qui résument l’analytique conversationnelle (sentiment du client, temps de conversation pour les contacts vocaux), qui affichent des couleurs selon les sentiments et des indicateurs pour chaque conversation activée pour les transcriptions et les enregistrements. Par exemple, l’image suivante montre comment ces informations sont affichées sur la page **Détails de contact** d’un contact vocal.
Une autorisation **Contact Lens – Analytique conversationnelle – Afficher** est également requise pour visualiser les indicateurs de sentiment des enregistrements et transcriptions de conversations.
![\[Graphiques sur la page des détails de contact.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission.png)
![\[Graphiques sur la page des détails de contact.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission-2.png)
+ **Enregistrements d’appels (non modifiés)**
Sur les pages **Détails de contact** et **Recherche de contacts** d’un contact, consultez les enregistrements audio non expurgés.
+ **Enregistrements d’appels (modifiés)**
Sur les pages **Détail de contact** et **Recherche de contacts** d’un contact, écoutez des enregistrements d’appels dont les données sensibles ont été expurgées.
+ **Transcriptions des contacts (non modifiées)**
Sur les pages **Coordonnées** et **Recherche de contacts** d’un contact, consultez les conversations instantanées et les conversations par e-mail non modifiées et les transcriptions vocales non expurgées produites par Contact Lens.
+ **Transcriptions des contacts (modifiées)**
Sur les pages **Détail de contact** et **Recherche de contacts** d’un contact, consultez les transcriptions vocales et de conversations instantanées dont les données sensibles ont été expurgées.
**Important**
Si vous disposez des autorisations pour :
à la fois **Transcriptions des contacts (non modifiées) – Accès** et **Transcriptions des contacts (modifiées) – Accès**
– OU –
à la fois **Enregistrements d’appels (non modifiés) – Accès** et **Enregistrement d’appels (modifiés) – Accès**
Notez le comportement suivant :
Lorsque l’option d’expurgation est activée dans le flux, le contenu expurgé est affiché sur les pages **Détails de contact** et **Recherche de contacts**.
Lorsque l’option d’expurgation est désactivée dans le flux ou que le contact n’est pas analysé par Contact Lens, le contenu non expurgé est affiché sur les pages **Détails de contact** et **Recherche de contacts**.
Vous ne pouvez pas accéder à la fois à la version expurgée et à la version non expurgée d’une conversation.
## Autorisations de recherche
+ **Recherche de contacts**
Cette autorisation est nécessaire pour que vous puissiez accéder à la page **Recherche de contacts**, où vous pouvez rechercher des contacts afin de consulter l’enregistrement analysé et la transcription. En outre, vous pouvez effectuer une recherche rapide en texte intégral sur les transcriptions d’appels et effectuer une recherche par score de sentiment et par temps de non-conversation.
+ **Afficher mes contacts**
Cette autorisation est nécessaire si vous devez accéder à la page **Recherche de contacts**, examiner seulement les contacts que vous avez traités et passer en revue l’enregistrement analysé et la transcription.
**Important**
Si les autorisations **Recherche de contacts** et **Afficher mes contacts** sont accordées, l’utilisateur a accès à tous les contacts.
+ **Rechercher des contacts par caractéristiques de conversation**
Cette autorisation n’est pas requise par l’analytique conversationnelle Contact Lens, mais elle est utile, car elle fournit davantage d’options de recherche.
Sur la page **Recherche de contacts** :
+ Pour les contacts vocaux, vous pouvez accéder à des filtres supplémentaires qui vous permettent de renvoyer des résultats par score de sentiment et par temps de non-conversation.
+ Pour les communications par chat, vous pouvez accéder à un filtre supplémentaire pour rechercher des contacts par temps de réponse.
+ Pour la voix et le chat, vous pouvez rechercher des conversations appartenant à des catégories de contacts spécifiques.
Pour plus d’informations, consultez [Recherche d’un score/changement de sentiment](search-conversations.md#sentiment-search), [Recherche de temps de non-conversation](search-conversations.md#nontalk-time-search) et [Recherche d’une catégorie de contact](search-conversations.md#contact-category-search).
L’image suivante montre la section **Filtres** de la page **Recherche de contacts** et le menu déroulant **Filtres**. Les filtres avec **CL** à côté d’eux ne sont disponibles que pour les utilisateurs disposant de cette autorisation de profil de sécurité.
![\[Le menu déroulant Ajouter des filtres, les filtres avec CL à côté d’eux.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-search-contact-category-3.png)
+ **Rechercher des contacts par mots-clés**
Cette autorisation n’est pas requise par l’analytique conversationnelle Contact Lens, mais elle est utile, car elle fournit davantage d’options de recherche.
+ Sur la page **Recherche de contacts**, vous pouvez accéder à des filtres supplémentaires qui vous permettent de rechercher des contacts par **mots ou expressions**, par exemple « *merci de faire affaire avec nous* ». Pour de plus amples informations, veuillez consulter [Rechercher des mots ou des expressions](search-conversations.md#keyword-search).
![\[Le menu déroulant Ajouter des filtres, le filtre CL Mots ou expressions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
# Métriques d’analytique conversationnelle dans Amazon Connect
Les métriques suivantes sont dérivées de l’analytique conversationnelle Contact Lens. Ces métriques ne sont disponibles que lorsque [Contact Lens est activé pour votre instance](enable-analytics.md#enable-cl) et que l’[analytique conversationnelle](enable-analytics.md#enable-callrecording-speechanalytics) est activée sur le contact.
Ces métriques sont affichées dans les rapports de métriques en temps réel et d’historique des métriques. Pour obtenir des instructions sur l’ajout de ces métriques à votre rapport, consultez [Comment créer un rapport de métriques historiques](create-historical-metrics-report.md#historical-reports-howto-create).
Consultez également le [tableau de bord d’analytique conversationnelle Contact Lens](contact-lens-conversational-analytics-dashboard.md) pour des visualisations de données sur les tendances des facteurs de contact au fil du temps.
## Pourcentage de la durée de conversation avec l’agent
Cette métrique mesure le temps de parole d’un agent dans une conversation vocale en pourcentage de la durée totale de la conversation.
**Type de métrique** : pourcentage
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `PERCENT_TALK_TIME_AGENT`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : pourcentage de la durée de conversation avec l’agent
**Logique de calcul** :
+ Additionner tous les intervalles pendant lesquels un agent a été en conversation (temps de conversation de l’agent).
+ Diviser la somme par la durée totale de la conversation.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Temps d’accueil moyen de l’agent
Cette métrique fournit le temps moyen de première réponse des agents par chat, ce qui indique la rapidité à laquelle ils interagissent avec les clients après avoir rejoint le chat.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_GREETING_TIME_AGENT`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : temps d’accueil moyen de l’agent
**Logique de calcul** :
+ Cette métrique est calculée en divisant le temps total nécessaire à un agent pour lancer sa première réponse par le nombre de contacts par chat.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Nombre moyen d’interruptions de l’agent
Cette métrique quantifie la fréquence moyenne des interruptions des agents lors des interactions avec les clients.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_INTERRUPTIONS_AGENT`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : nombre moyen d’interruptions de l’agent
**Logique de calcul** :
+ Cette métrique est calculée en divisant le nombre total d’interruptions de l’agent par le nombre total de contacts.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Temps d’interruption moyen de l’agent
Cette métrique mesure le moyenne du temps total d’interruption d’un agent pendant qu’il parle à un contact.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_INTERRUPTION_TIME_AGENT`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : durée moyenne d’interruption des agents
**Logique de calcul** :
+ Additionner les intervalles d’interruption au cours de chaque conversation.
+ Diviser la somme par le nombre de conversations qui ont subi au moins une interruption.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Durée moyenne de conversation avec l’agent
Cette métrique mesure le temps moyen passé à parler par un agent dans le cadre d’une conversation.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_TALK_TIME_AGENT`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : durée moyenne de conversation avec l’agent
**Logique de calcul** :
+ Additionner les durées de tous les intervalles pendant lesquels l’agent parlait.
+ Diviser la somme par le nombre total de contacts.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Durée moyenne de la conversation
Cette métrique mesure la durée moyenne des conversations vocales avec les agents.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_CONVERSATION_DURATION`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : durée moyenne des conversations
**Logique de calcul** :
+ Cette métrique est calculée en fonction du temps total entre le début de la conversation et le dernier mot prononcé par l’agent ou le client.
+ Cette valeur est ensuite divisée par le nombre total de contacts pour fournir une représentation moyenne du temps de conversation consacré à l’appel.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Durée moyenne de conversation avec le client
Cette métrique mesure le temps moyen passé à parler par un client dans le cadre d’une conversation.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_TALK_TIME_CUSTOMER`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : durée moyenne de conversation avec le client
**Logique de calcul** :
+ Additionner les durées de tous les intervalles pendant lesquels le client parlait.
+ Diviser la somme par le nombre total de contacts.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Temps sans parole moyen
Cette métrique mesure la moyenne du temps total passé sans conversation dans une conversation vocale. Le temps passé en dehors des conversations fait référence à la durée combinée du temps d’attente et des périodes de silence supérieures à trois secondes, pendant lesquelles ni l’agent ni le client ne sont engagés dans une conversation.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_NON_TALK_TIME`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : temps sans parole moyen
**Logique de calcul** :
+ Additionner tous les intervalles pendant lesquels les deux participants sont restés silencieux.
+ Diviser la somme par le nombre de contacts.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Temps de conversation moyen
Cette métrique mesure le temps moyen passé à parler pendant un contact vocal avec le client ou l’agent.
**Type de métrique** : chaîne (*hh:mm:ss*)
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `AVG_TALK_TIME`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : temps de parole moyen
**Logique de calcul** :
+ Additionner tous les intervalles pendant lesquels un agent, un client ou les deux étaient engagés dans une conversation.
+ Diviser la somme par le nombre total de contacts.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Pourcentage de la durée de conversation avec le client
Cette métrique fournit le temps de parole d’un client dans le cadre d’une conversation vocale, exprimé en pourcentage de la durée totale de la conversation.
**Type de métrique** : pourcentage
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `PERCENT_TALK_TIME_CUSTOMER`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : pourcentage de la durée de conversation avec le client
**Logique de calcul** :
+ Additionner tous les intervalles pendant lesquels un client était engagé dans une conversation.
+ Diviser la somme par la durée totale de la conversation.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Pourcentage de temps sans conversation
Cette métrique fournit le temps passé à ne pas parler dans une conversation vocale en pourcentage de la durée totale de la conversation.
**Type de métrique** : pourcentage
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `PERCENT_NON_TALK_TIME`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : pourcentage du temps à ne pas parler
**Logique de calcul** :
+ Additionner tous les intervalles pendant lesquels les participants sont restés silencieux (temps sans parole).
+ Diviser la somme par la durée totale de la conversation.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
## Pourcentage du temps de conversation
Cette métrique fournit le temps passé à parler dans une conversation vocale en pourcentage de la durée totale de la conversation.
**Type de métrique** : pourcentage
**Catégorie de métrique** : métrique basée sur l’analytique conversationnelle
**Accès à l’aide de l’API Amazon Connect** :
+ GetMetricDataIdentifiant métrique de l'API [V2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) : `PERCENT_TALK_TIME`
**Comment y accéder via le site Web de l' Amazon Connect administrateur** :
+ Rapports d’historique des métriques : pourcentage du temps de conversation
**Logique de calcul** :
+ Additionner tous les intervalles pendant lesquels un agent, un client ou les deux étaient engagés dans une conversation (temps de conversation).
+ Diviser la somme par la durée totale de la conversation.
**Remarques** :
+ Cette métrique est disponible uniquement pour les contacts analysés par l’analytique conversationnelle Contact Lens.
# Types de notifications Amazon Connect Contact Lens
Contact Lens fournit les types de notifications suivants :
+ Contact LensPublier Call/Chat les règles correspondantes : un EventBridge événement est diffusé chaque fois qu'une Contact Lens règle correspond et a déclenché l'action de la EventBridge règle.
Cet événement contient des informations utiles sur la règle Contact Lens qui est déclenchée, notamment la catégorie attribuée et les détails de l’agent, du contact et de la file d’attente.
+ Contact LensCorrespondance Call/Chat des règles en temps réel : un EventBridge événement est déclenché chaque fois qu'une Contact Lens règle correspond et s'est déclenchée en temps réel.
Cet événement contient des informations utiles sur la règle Contact Lens qui est déclenchée, notamment la catégorie attribuée et les détails de l’agent, du contact et de la file d’attente.
+ Contact LensModification de l'état de l'analyse : un EventBridge événement est généré lorsqu'il Contact Lens est impossible d'analyser un enregistrement de contact. L’événement contient le code de motif de l’événement qui explique en détail pourquoi il n’a pas pu traiter l’enregistrement.
Vous pouvez utiliser ces types de notification dans différents scénarios. Par exemple, utilisez les événements de changement d'état d'Contact Lensanalyse pour signaler des erreurs inattendues dans le traitement d'un fichier de contact, les détails de l' EventBridge événement pouvant ensuite être stockés dans un CloudWatch journal pour un examen plus approfondi, déclencher des flux de travail supplémentaires ou alerter les équipes d'assistance concernées pour une enquête plus approfondie.
Les événements Contact Lens pour l’analytique de la parole et du chat permettent de nombreux nouveaux cas d’utilisation tels que la mise en évidence et la visualisation d’informations supplémentaires, par exemple :
+ Génération d’alertes en cas de baisse du sentiment des clients en temps réel dans l’ensemble des conversations vocales et par chat
+ Agrégation et création de rapports sur les problèmes et sujets récurrents
+ Mesure de l’impact de la dernière campagne marketing en détectant le nombre de clients qui l’ont référencée lors d’un appel
+ Personnalisation des normes de conformité des agents pour chaque région et secteur d’activité, et inscription des agents à des formations supplémentaires si nécessaire.
# Ajout de vocabulaires personnalisés à Contact Lens à l’aide du site Web d’administration Amazon Connect
Vous pouvez améliorer la précision de la reconnaissance vocale pour les noms de produits, les noms de marque et la terminologie spécifique à un domaine en élargissant et en adaptant le vocabulaire du speech-to-text moteur. Contact Lens
Cette rubrique explique comment ajouter des vocabulaires personnalisés à l'aide du site Web d' Amazon Connect administration. Vous pouvez également les ajouter à l'aide des [CreateVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateVocabulary.html)touches et [AssociateDefaultVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateDefaultVocabulary.html) APIs.
## Choses à savoir sur les vocabulaires personnalisés
+ Vous devez définir un vocabulaire **par défaut** pour qu’il soit appliqué aux analyses afin de générer des transcriptions. L’image suivante montre la page **Vocabulaires personnalisés**. Choisissez les points de suspension, puis sélectionnez **Définir comme valeur par défaut**.
![\[La page des vocabulaires personnalisés, l’emplacement des points de suspension, l’option Définir comme valeur par défaut.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-custom-vocab-default.png)
+ Un seul vocabulaire par langue peut être appliqué aux analyses. Cela signifie qu’un seul fichier par langue peut avoir l’état **Prêt (valeur par défaut)**.
+ Vous pouvez télécharger et activer jusqu’à 20 fichiers de vocabulaire. Vous pouvez activer les 20 fichiers en même temps.
+ La transcription est un événement ponctuel. Un vocabulaire récemment chargé n’est pas appliqué rétroactivement aux transcriptions existantes.
+ Le fichier texte doit être au format LF. Si vous utilisez un autre format, comme le format CRLF, le vocabulaire personnalisé n’est pas accepté par Amazon Transcribe.
+ L’exemple de fichier de vocabulaire ne peut être téléchargé que lorsque vous choisissez un paramètre de langue Anglais.
+ Pour connaître les limites de taille d’un fichier de vocabulaire et les autres exigences, consultez [Vocabulaires personnalisés](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary.html) dans le *Guide du développeur Amazon Transcribe*.
+ Les vocabulaires personnalisés s’appliquent uniquement à l’analytique vocale. Ils ne s’appliquent pas aux conversations par chat, car les transcriptions existent déjà.
## Autorisations requises
Avant de pouvoir ajouter des vocabulaires personnalisés à Amazon Connect, vous devez disposer de l’autorisation **Analytique et optimisation**, **Contact Lens – Vocabulaire personnalisé** attribuée au profil de sécurité.
Par défaut, dans les nouvelles instances d'Amazon Connect, les profils **d'administrateur** et **CallCenterManager**de sécurité disposent de cette autorisation.
Pour en savoir plus sur l’ajout d’autorisations à un profil de sécurité existant, consultez [Mise à jour de profils de sécurité dans Amazon Connect](update-security-profiles.md).
## Ajout d’un glossaire personnalisé
1. Connectez-vous à Amazon Connect avec un compte utilisateur disposant des autorisations requises pour ajouter des vocabulaires personnalisés.
1. Accédez à **Analytique et optimisation**, **Glossaires personnalisés**.
1. Choisissez **Ajouter un vocabulaire personnalisé**.
1. Sur la page **Ajouter un vocabulaire personnalisé**, entrez un nom pour le vocabulaire, choisissez une langue Anglais, puis choisissez **Télécharger un exemple** de fichier.
**Note**
L’exemple de fichier de vocabulaire ne peut être téléchargé que lorsque vous choisissez un paramètre de langue Anglais. Sinon, un message d’erreur s’affiche, comme illustré dans l’image suivante.
![\[Message d’erreur indiquant que le traitement du fichier de vocabulaire a échoué.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-custom-vocab-sample-error.png)
L’image suivante montre comment se présente l’exemple de fichier de vocabulaire. L’en-tête contient `Phrase`, `IPA`, `SoundsLike`, `DisplayAs`. L’en-tête est obligatoire.
![\[Un exemple de fichier de vocabulaire, l’en-tête.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-custom-vocab-header.png)
1. Les informations contenues dans le fichier sont séparées par une [TABULATION] par entrée. Pour en savoir plus sur l’ajout de mots et d’acronymes au fichier de vocabulaire, consultez [Création d’un vocabulaire personnalisé à l’aide d’un tableau](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary-create-table.html) du *Guide du développeur Amazon Transcribe*.
L’image suivante montre des mots dans un exemple de fichier de vocabulaire. Les mots de la colonne Expression sont obligatoires. Les mots figurant dans les colonnes `IPA`, `SoundsLike` et `DisplayAs` sont facultatifs.
![\[Un exemple de fichier de vocabulaire, les mots de la colonne Expression sont obligatoires.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-custom-vocab-phrase-column.png)
Pour saisir plusieurs mots dans la colonne **Expression**, séparez-les par un tiret (-) ; n’utilisez pas d’espaces.
## États du vocabulaire
+ **Prêt (par défaut)** : le vocabulaire est appliqué aux analyses pour générer des transcriptions. Il est appliqué aux analyses en temps réel et après appel.
+ **Prêt** : le vocabulaire n’est pas appliqué aux analyses, mais il s’agit d’un fichier valide et disponible. Pour l’appliquer aux analyses, définissez-le par défaut.
+ **Traitement en cours** : Amazon Connect valide le vocabulaire que vous avez téléchargé et essaie de l’appliquer aux analyses pour générer des transcriptions.
+ **Suppression en cours** : vous avez choisi de **supprimer** le vocabulaire, et Amazon Connect est en train de le supprimer.
Amazon Connect met environ 90 minutes à supprimer un vocabulaire.
Si vous tentez de télécharger un vocabulaire qui n’est pas validé, cela se traduit par un état **Échec**. Par exemple, si vous ajoutez des expressions de plusieurs mots dans la colonne **Expression** et que vous les séparez par des espaces au lieu de tirets, l’opération échoue.
## Téléchargement et affichage d’un vocabulaire personnalisé
Pour afficher un vocabulaire personnalisé qui a été chargé, vous devez télécharger et ouvrir le fichier. Seuls les fichiers à l’état **Prêt** peuvent être téléchargés et affichés.
1. Accédez à **Analytique et optimisation**, **Glossaires personnalisés**.
1. Choisissez **Plus**, puis **Télécharger**. L’emplacement de **Télécharger** est indiqué dans l’image suivante.
![\[La page des vocabulaires personnalisés, une liste de vocabulaires, le menu déroulant Plus, l’option de téléchargement.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-custom-vocab-download.png)
1. Ouvrez le téléchargement pour voir le contenu.
1. Vous pouvez modifier le contenu, puis choisir **Enregistrer et charger**.
# Création de règles Contact Lens à l’aide du site Web d’administration Amazon Connect
Contact Lensles règles vous permettent de classer automatiquement les contacts, de recevoir des alertes ou de générer des tâches en fonction des mots clés utilisés lors d'un appel, d'un chat ou d'un e-mail, des scores de sentiment, des attributs du client et d'autres critères.
Cette rubrique explique comment créer des règles à l'aide du site Web Amazon Connect d'administration. Pour créer et gérer des règles par programmation, consultez [Actions sur les règles](https://docs.aws.amazon.com/connect/latest/APIReference/rules-api.html) et [Langage Rules Function Amazon Connect](https://docs.aws.amazon.com/connect/latest/APIReference/connect-rules-language.html) dans le *Guide de référence des API Amazon Connect*.
**Astuce**
Pour obtenir la liste des spécifications de la fonctionnalité de règles (par exemple, le nombre de règles que vous pouvez créer), consultez [Amazon Connect Spécifications des fonctionnalités des règles](feature-limits.md#rules-feature-specs).
## Étape 1 : définir des conditions de règle pour l’analytique conversationnelle
1. Dans le menu de navigation, choisissez **Analytique et optimisation**, **Règles**.
1. Sélectionnez **Créer une règle**, **Analytique conversationnelle**.
1. **Sous **Quand**, utilisez la liste déroulante pour choisir une analyse **post-appel, une analyse** **en temps réel, une analyse** **post-chat ou une analyse** par e-mail.**
![\[La nouvelle page de règles, le menu déroulant « quand ».\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. Choisissez **Ajouter une condition**.
Vous pouvez combiner les critères d’un large éventail de conditions pour créer des règles Contact Lens très spécifiques. Les conditions disponibles sont les suivantes :
+ **Mots ou expressions** : choisissez entre [Correspondance exacte, Correspondance de modèle ou Correspondance sémantique](exact-match-pattern-match-semantic-match.md) pour déclencher une alerte ou une tâche lorsque des mots-clés sont prononcés.
+ **Langage naturel – Correspondance sémantique** : fournissez une déclaration en langage naturel (par exemple, le client a appelé pour annuler son compte) correspondant aux transcriptions de la conversation à l’aide de l’IA générative, et effectuez une action (par exemple, déclencher une tâche, effectuer une évaluation, etc.) Pour de plus amples informations, consultez [Correspondance sémantique optimisée par l’IA générative](natural-language-semantic-match.md).
+ **Travail après contact (ACW) : établissez** des règles pour mesurer l'efficacité des agents dans l'exécution du travail après contact.
+ **Hiérarchie des agents** : créez des règles qui s'exécutent sur une hiérarchie d'agents spécifique. Les hiérarchies d'agents peuvent représenter des emplacements géographiques, des départements, des produits ou des équipes.
Pour consulter la liste des hiérarchies d'agents afin de les ajouter aux règles, vous avez besoin de la section **Hiérarchie des agents - Afficher** les autorisations dans votre profil de sécurité.
+ **Agent** : créez des règles qui s’exécutent sur un sous-ensemble d’agents. Par exemple, créez une règle pour garantir que les agents nouvellement embauchés respectent les normes de la société.
Pour voir les noms des agents afin de les ajouter aux règles, vous avez besoin des autorisations **Utilisateurs - Afficher** dans le profil de sécurité.
+ **Agent AI** : identifiez les contacts pour lesquels un agent Connect AI en particulier a fourni un service en libre-service ou une assistance d'agent. Vous pouvez sélectionner plusieurs agents d'IA ou sélectionner une version spécifique d'un agent.
Pour voir les noms des agents IA afin de les ajouter aux règles, vous avez besoin d'**agents AI - Afficher** les autorisations dans votre profil de sécurité.
+ **Agent AI - Escalade** : identifiez les contacts lorsqu'un agent Connect AI utilisé pour le libre-service client est devenu un humain.
Pour voir les noms des agents IA afin de les ajouter aux règles, vous avez besoin d'**agents AI - Afficher** les autorisations dans votre profil de sécurité.
+ **Durée de l’interaction avec les agents** : créez des règles pour identifier les contacts dont l’interaction avec l’agent a eu une durée ou une durée d’interaction avec l’agent plus longue ou plus courte que prévu. Cette fonctionnalité s’applique uniquement aux appels.
+ **Attributs du segment de contact** : vous pouvez identifier les contacts dans le cadre des règles en utilisant des attributs de segment de contact personnalisés avec des valeurs fournies par d'autres systèmes ou en utilisant une logique personnalisée. Vous pouvez [définir un attribut](predefined-attributes.md#predefined-attributes-create-web-admin) et définir sa valeur dans les flux. Les attributs de segment personnalisés ne sont présents que sur cet identifiant de contact spécifique, et non sur l'ensemble de la chaîne de contacts. Par exemple, vous pouvez créer une règle qui identifie que le contact a été pré-authentifié dans l'IVR, avant d'être connecté à l'agent.
Pour voir la liste des attributs des segments de contact à ajouter à une règle, vous avez besoin de **Attributs prédéfinis - Afficher** les autorisations.
+ **Motif de la déconnexion** : établissez des règles qui vérifient pourquoi un contact s'est déconnecté. Par exemple, si l'agent s'est déconnecté avant le client ou si le contact a été transféré.
+ **Niveau sonore le plus élevé** : établissez des règles qui vérifient le niveau sonore maximal (en décibels) pendant la conversation pour l'agent ou le client. Un niveau sonore plus élevé (par exemple, plus de 70 dB) peut être associé à de l'excitation ou à de la colère, tandis qu'un discours inférieur à un certain niveau sonore (par exemple, 30 dB ou moins) peut être difficile à comprendre.
+ **Temps d'attente** : établissez des règles pour identifier les contacts présentant des temps d'attente inhabituels afin d'identifier les opportunités de gérer les contacts plus efficacement. Vous pouvez définir des règles en utilisant le temps de maintien le plus long, le temps de maintien total et le nombre de blocages. Vous pouvez également vérifier le temps d'attente en pourcentage du temps total pendant lequel le client a été connecté à l'agent (temps d'attente du client divisé par la durée de l'interaction avec l'agent et le temps d'attente du client).
+ **Méthode d'initiation** : créez des règles qui vérifient si un contact a été entrant, sortant, transféré, etc.
+ **Attributs de contact** : créez des règles qui s’exécutent sur les valeurs des [attributs de contact](what-is-a-contact-attribute.md) personnalisés. Par exemple, vous pouvez établir des règles spécifiques pour un secteur d’activité en particulier ou pour des clients spécifiques, par exemple en fonction de leur niveau d’adhésion, de leur pays de résidence actuel ou s’ils ont une commande en cours.
Vous pouvez ajouter jusqu’à cinq attributs de contact à une règle.
+ **Sentiment - Période** : créez des règles qui s’appliquent aux résultats de l’analyse des sentiments (positifs, négatifs ou neutres) sur une fenêtre de fin pour l’heure.
Par exemple, vous pouvez créer une règle lorsque le sentiment du client est resté négatif pendant une période donnée. Si le participant a rejoint le contact ultérieurement, la période définie ici s’applique à la période pendant laquelle le participant était présent.
Lorsque des règles sont appliquées à des contacts qui ne disposent pas de données de sentiment, un sentiment neutre est utilisé.
+ **Sentiment - Ensemble du contact** : créez des règles basées sur la valeur des scores de sentiment sur l’ensemble d’un contact. Par exemple, vous pouvez créer une règle lorsque le sentiment du client est resté faible pendant l’ensemble du contact, vous pouvez créer une tâche permettant à un analyste de l’expérience client de revoir la transcription de l’appel et d’en assurer le suivi.
Lorsque des règles sont appliquées à des contacts qui ne disposent pas de données de sentiment, un sentiment neutre est utilisé.
+ **Interruptions** : créez des règles qui détectent les cas où l’agent a interrompu le client plus de X fois. Cette fonctionnalité s’applique uniquement aux appels.
+ **Temps passé hors conversation** : établissez des règles qui vérifient qu'aucun signal vocal n'est détecté. Cela peut inclure des périodes pendant lesquelles un client est mis en attente. Vous pouvez vérifier le temps total sans conversation, la période sans conversation la plus longue au cours d'une conversation ou le pourcentage de temps sans conversation pendant la conversation. Un temps de non-conversation élevé, tel qu'un pourcentage de temps sans conversation supérieur à 50 % de la conversation, peut indiquer une opportunité d'améliorer les processus ou des opportunités de coaching pour les agents. Cette fonctionnalité s’applique uniquement aux appels.
+ **Temps de réponse** : créez des règles pour identifier les contacts pour lesquels le participant a eu un temps de réponse plus ou moins long que prévu : moyen ou maximum.
Par exemple, vous pouvez définir une règle concernant le **Temps d’accueil de l’agent**, également appelé **Délai de première réponse** : après que l’agent a rejoint le chat, combien de temps s’est écoulé avant qu’il envoie le premier message d’accueil. Cela vous aidera à identifier les cas où un agent a mis trop de temps à interagir avec le client.
+ **Problème de déconnexion potentiel** : établissez des règles qui vérifient les éventuels problèmes techniques (tels que la connectivité réseau, les problèmes liés aux appareils). Vous pouvez l'utiliser pour exclure des contacts des évaluations automatisées des performances des agents en cas de problèmes de connectivité indépendants de la volonté de l'agent.
+ **Files d'attente** : créez des règles qui s'exécutent sur un sous-ensemble de files d'attente ou vérifiez si le contact n'a pas été mis en file d'attente. Les organisations utilisent souvent des files d’attente pour indiquer un secteur d’activité, un sujet ou un domaine. Par exemple, vous pouvez établir des règles spécifiques pour vos files d'attente de vente, suivre l'impact d'une récente campagne marketing, ou bien des règles pour les files d'attente de votre service client, afin de suivre le sentiment général. Pour les interactions en libre-service, vous pouvez vérifier si le contact n'a jamais été mis en file d'attente, ce qui peut indiquer une réussite en libre-service avec un agent d'intelligence artificielle.
Pour voir les noms des files d'attente afin de les ajouter aux règles, vous avez besoin de **Files d'attente - Afficher** les autorisations dans votre profil de sécurité.
+ **Profil de routage** : identifiez les contacts gérés par les agents mappés à un profil de routage spécifique. Le profil de routage peut indiquer le département ou les compétences de l'agent. Par exemple, vous pouvez effectuer des évaluations automatisées des agents ayant le profil de routage Nouveaux employés, formés au dépannage de base selon des critères d'évaluation différents de ceux des agents polyvalents titulaires.
Pour voir les profils de routage afin de les ajouter aux règles, vous avez besoin de **Profils de routage - Afficher** les autorisations dans votre profil de sécurité.
+ **Temps de conversation** : établissez des règles en utilisant le seuil du temps absolu passé à parler par l'agent ou le client. Cela peut être utilisé pour identifier les endroits où le client n'a pas du tout parlé, ce qui a amené l'agent à se déconnecter ou les endroits où l'agent a évité les appels, par exemple en ne parlant pas après avoir décroché le téléphone.
+ **Durée de l’interaction avec les agents** : créez des règles pour identifier les contacts dont l’interaction avec l’agent a eu une durée ou une durée d’interaction avec l’agent plus longue ou plus courte que prévu. Cette fonctionnalité s’applique uniquement aux appels.
L’image suivante montre un exemple de règle comportant plusieurs conditions pour un contact vocal.
![\[Exemple de règle comportant plusieurs conditions pour un contact vocal.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-conditions.png)
L’image suivante montre un exemple de règle comportant plusieurs conditions pour un contact par chat. La règle est déclenchée lorsque le temps de **première** réponse est supérieur ou égal à 1 minute et que l’agent n’a mentionné aucun des mots ou expressions de salutation répertoriés dans sa première réponse.
**Temps de première réponse** = une fois que l’agent a rejoint le chat, combien de temps s’est écoulé avant qu’il envoie le premier message au client.
![\[Exemple de règle comportant plusieurs conditions pour un contact par chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-conditions-chat.png)
1. Choisissez **Suivant**.
## Étape 2 : définir des actions de règle
1. Choisissez **Add action**. Vous pouvez choisir les actions suivantes :
+ [Créer une tâche](contact-lens-rules-create-task.md) : cette option n’est pas disponible pour le chat en temps réel.
+ [Envoyer une notification par e-mail](contact-lens-rules-email.md)
+ [Générer un EventBridge événement](contact-lens-rules-eventbridge-event.md)
![\[Le menu déroulant Ajouter une action, une liste d’actions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-action-no-wisdom.png)
1. Choisissez **Suivant**.
1. Passez en revue et apportez les modifications nécessaires, puis choisissez **Enregistrer**.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
# Classement automatique des contacts en faisant correspondre les conversations à des déclarations en langage naturel ou à des mots et expressions spécifiques
L’analytique conversationnelle Contact Lens vous permet de classer automatiquement les contacts afin d’identifier les principaux facteurs, l’expérience client et le comportement des agents pour vos contacts. Dans la page **Détails de contact** d’un chat, des catégories apparaissent au-dessus de la transcription, comme illustré dans l’image suivante.
![\[La page Détails de contact, la section Catégories.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-category-overview-chat2.png)
Voici certaines des principales actions que vous pouvez effectuer lorsque vous classez des contacts :
+ Grâce au classement des contacts optimisé par l’IA générative, vous pouvez fournir des critères pour classer les contacts en langage naturel (par exemple, le client a-t-il essayé d’effectuer un paiement sur son solde ?).
+ Vous pouvez fournir des mots ou des phrases spécifiques prononcés par les agents ou les clients pour qu’ils correspondent à une conversation. Contact Lens étiquette alors automatiquement les contacts qui répondent aux critères de correspondance et fournit les points pertinents de la conversation.
+ Vous pouvez définir des actions pour recevoir des alertes et générer des tâches sur des contacts classés par catégories.
+ Vous pouvez définir des critères supplémentaires pour classer les contacts, tels que le score des sentiments des clients, les files d’attente ou tout attribut personnalisé que vous avez ajouté aux contacts, comme des informations sur la fidélité des clients.
## Quand utiliser des mots ou des expressions
L’utilisation de mots ou d’expressions spécifiques est utile lorsqu’il existe une liste bien définie de mots ou d’expressions que vous souhaitez détecter, par exemple pour contrôler le respect des scripts des agents ou évaluer l’intérêt des clients pour un produit.
## Quand utiliser le langage naturel
L’utilisation de déclarations en langage naturel pour correspondre aux contacts est utile lorsqu’il y a trop de mots ou de phrases possibles. Ou encore, lorsque vous souhaitez une correspondance avec des critères spécifiques au contexte, par exemple, « Le client souhaitait modifier son plan d’abonnement. », « L’agent a résolu tous les problèmes du client. ».
## Ajout de règles pour classer les contacts
Dans cette section :
+ [Étape 1 : définir des conditions](#add-category-rules-define-conditions)
+ [Étape 2 : définir des actions](#add-category-rules-define-actions)
### Étape 1 : définir des conditions
1. Connectez-vous à Amazon Connect avec un compte utilisateur auquel le profil de **CallCenterManager**sécurité a été attribué ou qui est activé pour les autorisations liées **aux règles**.
1. Dans le menu de navigation, choisissez **Analytique et optimisation**, **Règles**.
1. Sélectionnez **Créer une règle**, **Analytique conversationnelle**.
1. Attribuez un nom à la règle.
1. **Sous **Quand**, utilisez la liste déroulante pour choisir une analyse **post-appel, une analyse** **en temps réel, une analyse** **post-chat, une analyse** **en temps réel ou une analyse** par e-mail.**
![\[La page Nouvelle règle, la liste déroulante « Quand ».\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. Choisissez **Ajouter une condition**, puis choisissez le type de correspondance :
+ **Mots ou expressions – Correspondance exacte** : recherche les contacts correspondant aux mots ou expressions exacts. Saisissez des mots ou des expressions séparés par une virgule.
+ **Mots ou expressions – Correspondance de modèle** : recherche des contacts en recherchant un modèle de mots ou de phrases. Vous pouvez également indiquer la distance entre les mots. Par exemple, si vous recherchez des contacts dans lesquels le mot « crédit » a été mentionné mais que vous ne voulez pas que les mots « carte de crédit » soient mentionnés, vous pouvez définir un modèle de correspondance entre les catégories afin de rechercher le mot « crédit » qui ne se trouve pas à moins d’une instance de « carte ».
+ **Langage naturel – Correspondance sémantique** : utilisez l’IA générative pour trouver les contacts qui correspondent à la déclaration en langage naturel fournie. Il doit être possible de répondre à la déclaration par oui ou par non. L’option Langage naturel – Correspondance sémantique est utilisée lorsque vous souhaitez faire correspondre des contacts à des critères spécifiques au contexte ou lorsqu’il y a trop de mots ou d’expressions possibles pour des correspondances. Voici quelques exemples :
+ « Le client souhaitait modifier son plan d’abonnement. »
+ « Le client a indiqué qu’il souhaitait mettre fin à ses services actuels. »
+ « L’agent a proposé plusieurs options de paiement. »
+ « L’agent a assuré au client que son appel était important et a demandé un délai d’attente supplémentaire. »
+ « L’agent a résolu tous les problèmes du client. »
**Note**
Les conditions Langage naturel – Correspondance sémantique ne peuvent pas être utilisées pour l’analyse en temps réel.
Pour créer des règles utilisant l’IA générative, vous devez disposer d’une autorisation supplémentaire : **Règles – IA générative**.
**Conseil de pro** : utilisez la condition **Langage naturel – Correspondance sémantique** optimisée par l’IA générative si vous avez déjà utilisé la condition **Mots ou expressions – Correspondance sémantique**.
+ **Mots ou expressions – Correspondance sémantique** : recherche les mots qui peuvent être des synonymes. Par exemple, si vous saisissez « contrarié », cela peut correspondre à « pas content », « peu acceptable » à « inacceptable » et « se désabonner » à « annuler l’abonnement ». De même, cela peut correspondre sémantiquement à des expressions. Par exemple, « merci beaucoup de m’avoir aidé », « merci beaucoup, c’est très utile » et « Je suis tellement heureux que vous puissiez m’aider ».
Ainsi, il n’est plus nécessaire de définir une liste exhaustive de mots clés lors de la création de catégories, et vous pouvez élargir le champ de recherche pour rechercher des expressions similaires qui sont importantes pour vous. Pour de meilleurs résultats de correspondance sémantique, fournissez des mots clés ou des expressions ayant une signification similaire dans une carte de correspondance sémantique. Actuellement, vous pouvez fournir un maximum de quatre mots clés et expressions par carte de correspondance sémantique.
1. En utilisant **Mots ou expressions – Correspondance exacte** comme exemple, entrez les mots ou les expressions, séparés par une virgule, que vous souhaitez mettre en évidence, puis choisissez **Ajouter**. Chaque mot ou expression séparé par une virgule possède sa propre ligne dans la carte.
![\[La page de nouvelles règles, la section Mots ou expressions - Correspondance exacte.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-script.png)
![\[La page de nouvelles règles, la section Mots ou expressions - Correspondance exacte.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-script2.png)
La logique que Contact Lens utilise pour lire ces expressions est la suivante : (Bonjour AND merci AND pour AND avoir AND appelé AND Exemple AND Corps) OR (nous AND apprécions AND votre AND entreprise) OR (comment AND puis-je AND vous AND aider).
Vous pouvez également utiliser une condition **Langage naturel – Correspondance sémantique** et saisir une déclaration en langage naturel dans la zone de texte, que l’IA générative devrait pouvoir évaluer comme vraie ou fausse.
![\[La page Nouvelle règle, la section Langage naturel – Correspondance sémantique.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-natural-language-semantic.png)
1. Pour ajouter d’autres mots ou expressions, choisissez **Ajouter un groupe de mots ou d’expressions**. Dans l’image suivante, le premier groupe de mots ou d’expressions correspond à ce que l’agent peut prononcer, et le second à ce que le client peut prononcer.
![\[Une correspondance Mots ou expressions - Correspondance exacte pour l’agent, le mot AND, section Mots ou expressions pour le client.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. La logique que Contact Lens utilise pour lire ces expressions est la suivante : (Bonjour AND merci AND pour AND avoir AND appelé AND Exemple AND Corps) OR (nous AND apprécions AND votre AND entreprise) OR (comment AND puis-je AND vous AND aider).
1. Les deux cartes sont connectées par un AND. Cela signifie qu’une des lignes de la première carte doit être énoncée AND qu’une des expressions de la seconde carte doit être énoncée.
La logique utilisée par Contact Lens pour lire les deux cartes de mots ou d’expressions est (carte 1) AND (carte 2).
1. Choisissez **Ajouter une condition** pour appliquer les règles à :
+ Files d’attente spécifiques
+ Lorsque les attributs de contact ont certaines valeurs
+ Lorsque les scores de sentiment ont certaines valeurs
Par exemple, l'image suivante montre une règle qui s'applique lorsqu'un agent fait la queue pour la BasicQueue facturation et les paiements, que le client travaille pour l'assurance auto et que l'agent est situé à Seattle.
![\[Une règle comportant plusieurs conditions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
### Étape 2 : définir des actions
Outre la catégorisation d’un contact, vous pouvez définir les actions qu’Amazon Connect doit effectuer :
1. [Générer un EventBridge événement](contact-lens-rules-eventbridge-event.md)
1. [Créer une tâche](contact-lens-rules-create-task.md)
1. [Créer un cas](contact-lens-rules-create-case.md)
1. [Envoyer des notifications par e-mail](contact-lens-rules-email.md)
1. [Création d’une règle qui soumet une évaluation automatique](contact-lens-rules-submit-automated-evaluation.md)
### Étape 3 : vérifier et enregistrer
1. Choisissez **Save (Enregistrer)** lorsque vous avez terminé.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
# Lorsqu’une règle ou une catégorie ne parvient pas à être évaluée par Amazon Connect Contact Lens
Lorsque Amazon Connect Contact Lens évalue une règle ou une catégorie lors d’une analyse post-contact pour un contact vocal ou par chat, il est possible que la règle ou la catégorie ne parvienne pas à être évaluée.
Voici les résultats de catégorie possibles lorsqu’une règle ou une catégorie est évaluée lors de l’analyse des contacts :
1. **Correspondance et application réussies au contact**. Lorsque les catégories sont affichées sur la page **Détails de contact**, cela indique qu’elles ont été correctement mises en correspondance et appliquées au contact.
1. **Évalués avec succès, mais elles ne s’appliquent pas au contact**. Lorsque les catégories sont absentes de la page **Détails de contact**, cela indique qu’elles ne s’appliquent pas au contact mais qu’elles ont été évaluées avec succès selon les règles Contact Lens.
1. **L’analyse des contacts a été terminée, mais une catégorie spécifique n’a pas été évaluée**. Lorsqu’une catégorie n’est pas évaluée, cela ne signifie pas qu’elle ne s’applique pas au contact (selon ses critères), mais que Contact Lens a terminé l’analyse du contact sans évaluer cette catégorie spécifique.
L’image suivante montre que les catégories ayant échoué sont signalées par des bordures en pointillés, un arrière-plan transparent, des icônes d’erreur et préfixes d’échec. Lorsque vous pointez sur une catégorie ayant échoué, les détails expliquant pourquoi cette catégorie n’a pas pu être évaluée s’affichent.
![\[Les catégories ayant échoué sur la page Détails de contact.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/failed-categories1.png)
Ces catégories ayant échoué ne sont présentes que dans les règles disposant de la condition de correspondance sémantique. Les deux raisons possibles sont les suivantes :
1. **Quota dépassé** : votre limite d’actions d’IA générative a été dépassée pendant cette durée. Vous pouvez demander une augmentation de quota par le biais du AWS Support.
1. **Instructions de sécurité défaillantes** : le traitement des catégories a échoué, car il ne répondait pas aux barrières de protection en matière de sécurité et de qualité.
Nous vous recommandons d’ajouter des conditions supplémentaires à vos règles de correspondance sémantique afin de réduire le nombre de contacts auxquels elles peuvent s’appliquer. Cela permettra d’éviter les échecs liés au dépassement du quota.
## Fichier S3 client de sortie d’analyse post-contact Contact Lens
Les catégories ayant échoué apparaissent dans le fichier d'analyse sous JobDetails > Analyse ignorée.
La section `SkippedAnalysis` montre l’analyse du contact marqué comme « Ignoré », même si l’analyse a été terminée pour ce contact. Il contient les propriétés « Feature » et « ReasonCode ». `POST_CONTACT_SUMMARY`est l'une des fonctionnalités existantes.
`CATEGORIZATION` est ajoutée en tant que nouvelle fonctionnalité aux analyses ignorées. Il existe un élément de catégorisation unique dans le tableau `SkippedAnalysis` pour chaque propriété `ReasonCode` unique ayant entraîné l’échec de la catégorisation. Une nouvelle `SkippedEntities` propriété est introduite pour chaque élément unique, contenant une liste de tous les noms de catégories (et leur règle associée IDs) qui ont échoué en raison du code de motif associé.
Voici un exemple de catégories ayant échoué dans `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"
}
]
},
```
Pour de plus amples informations, veuillez consulter [Exemples de fichiers de sortie d’analytique conversationnelle Contact Lens pour un appel](contact-lens-example-output-files.md).
# Ajout d’alertes en temps réel à Contact Lens pour les superviseurs en fonction de mots-clés et d’expressions dans un appel
Après avoir [activé l’analytique en temps réel](enable-analytics.md) dans le flux, vous pouvez ajouter des règles qui alertent automatiquement les superviseurs lorsqu’un problème d’expérience client survient.
Par exemple, Contact Lens peut envoyer automatiquement une alerte quand certains mots-clés ou expressions sont mentionnés au cours de la conversation, ou lorsqu’il détecte d’autres critères. Le superviseur voit l’alerte sur le tableau de bord des métriques en temps réel. À partir de là, les superviseurs peuvent écouter l’appel en direct et fournir des conseils à l’agent pendant le chat pour l’aider à résoudre le problème plus rapidement.
L’image suivante montre un exemple de ce qu’un superviseur peut voir sur le rapport de métriques en temps réel lorsqu’il reçoit une alerte. Dans ce cas, Contact Lens a détecté un client mécontent.
![\[La page des métriques en temps réel, une alerte pour un client mécontent.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-real-time-metrics-alert2.png)
Lorsque le superviseur écoute un appel en direct, Contact Lens lui fournit une transcription en temps réel et l’évolution du sentiment du client, ce qui l’aide à comprendre la situation et à évaluer les actions appropriées. La transcription élimine également la nécessité pour les clients de se répéter s’ils sont transférés à un autre agent.
L’image suivante montre un exemple de transcription en temps réel.
![\[Exemple de transcription en temps réel.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-real-time-transcript.png)
## Ajout de règles pour les alertes en temps réel pour les appels
1. Connectez-vous à Amazon Connect avec un compte utilisateur auquel le profil de **CallCenterManager**sécurité a été attribué ou qui est activé pour les autorisations liées **aux règles**.
1. Dans le menu de navigation, choisissez **Analytique et optimisation**, **Règles**.
1. Sélectionnez **Créer une règle**, **Analytique conversationnelle**.
1. Attribuez un nom à la règle.
1. Sous **Quand**, utilisez la liste déroulante pour choisir une **analyse en temps réel**.
1. Choisissez **Ajouter une condition**, puis choisissez le type de correspondance :
+ **Correspondance exacte** : recherche uniquement les mots ou expressions exacts.
+ **Correspondance de modèle** : recherche des correspondances qui peuvent être exactes à moins de 100 %. Vous pouvez également indiquer la distance entre les mots. Par exemple, vous pouvez rechercher des contacts dans lesquels le mot « crédit » a été mentionné, mais vous ne voulez pas que les mots « carte de crédit » soient mentionnés. Vous pouvez définir un modèle correspondant à une catégorie pour rechercher le mot « crédit » qui ne se trouve pas à moins d’un mot du mot « carte ».
**Astuce**
La correspondance sémantique n’est pas disponible pour l’analyse en temps réel.
1. Entrez les mots ou les expressions, séparés par une virgule, que vous souhaitez mettre en évidence. Les règles en temps réel ne prennent en charge que les mots clés ou expressions **mentionnés**.
![\[Une règle relative aux mots et aux expressions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. Choisissez **Ajouter**. Chaque mot ou expression séparé par une virgule possède sa propre ligne.
![\[Une règle relative aux mots et aux expressions est composée de plusieurs expressions, chacune sur sa propre ligne.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
La logique utilisée par Contact Lens pour lire ces mots ou expressions est la suivante : (Parlez OR à OR votre OR responsable) OR (ceci OR n’est OR pas OR utile) OR (parlez OR à OR votre OR superviseur), etc.
1. Pour ajouter d’autres mots ou expressions, choisissez **Ajouter un groupe de mots ou d’expressions**. Dans l’image suivante, le premier groupe de mots ou d’expressions correspond à ce que l’agent est susceptible de dire. Le second groupe correspond à ce que le client peut dire.
![\[Une règle relative aux mots et aux expressions comportant plusieurs expressions pour le client et l’agent.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. Dans cette première carte, Contact Lens lit chaque ligne sous la forme d’un OR. Par exemple : (Bonjour) OR (merci OR d’ OR avoir appelé OR Exemple OR d’entre) OR (nous OR apprécions OR votre entreprise).
1. Les deux cartes sont connectées par un AND. Cela signifie qu’une des lignes de la première carte doit être énoncée AND qu’une des expressions de la seconde carte doit être énoncée.
La logique utilisée par Contact Lens pour lire les deux cartes de mots ou d’expressions est (carte 1) AND (carte 2).
1. Choisissez **Ajouter une condition** pour appliquer les règles à :
+ Files d’attente spécifiques
+ Lorsque les attributs de contact ont certaines valeurs
+ Lorsque les scores de sentiment ont certaines valeurs
Par exemple, l'image suivante montre une règle qui s'applique lorsqu'un agent fait la queue pour la BasicQueue facturation et les paiements, que le client travaille pour l'assurance auto et que l'agent est situé à Seattle.
![\[Une règle relative aux mots et aux expressions assortie de plusieurs conditions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. Choisissez **Next** une fois que vous avez terminé.
1. Dans la zone **Attribuer une catégorie de contact**, ajoutez un nom pour la catégorie. Par exemple, **Conforme** ou **Non\$1conforme**.
1. Choisissez **Enregistrer**, puis **Enregistrer et publier**.
# Ajout d’alertes en temps réel à Contact Lens pour les superviseurs en fonction de mots-clés et d’expressions dans un chat
Après avoir [activé l’analytique en temps réel](enable-analytics.md) dans le flux, vous pouvez ajouter des règles qui alertent automatiquement les superviseurs lorsqu’un problème d’expérience client survient.
Par exemple, Contact Lens peut envoyer automatiquement une alerte quand certains mots-clés ou expressions sont mentionnés au cours du chat, ou lorsqu’il détecte d’autres critères. Le superviseur peut ensuite consulter la page **Détails de contact** du chat en temps réel afin d’examiner le problème. À partir de là, les superviseurs peuvent rejoindre le chat et fournir des conseils à l’agent par chat pour aider à résoudre le problème plus rapidement.
L’image suivante montre un exemple de ce qu’un superviseur peut voir sur la page **Détails de contact** lorsqu’il reçoit une alerte pour un chat en temps réel. Dans ce cas, Contact Lens a détecté un client mécontent.
![\[Page Détails de contact, alerte pour un client de chat en temps réel mécontent.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-realtime-alert-chat.png)
Lorsque le superviseur surveille un chat, Contact Lens lui fournit une transcription en temps réel et l’évolution du sentiment du client, ce qui l’aide à comprendre la situation et à évaluer l’action appropriée. La transcription élimine également la nécessité pour les clients de se répéter s’ils sont transférés à un autre agent.
## Ajout de règles pour les alertes en temps réel pour les chats
1. Connectez-vous à Amazon Connect avec un compte utilisateur auquel le profil de **CallCenterManager**sécurité a été attribué ou qui est activé pour les autorisations liées **aux règles**.
1. Dans le menu de navigation, choisissez **Analytique et optimisation**, **Règles**.
1. Sélectionnez **Créer une règle**, **Analytique conversationnelle**.
1. Attribuez un nom à la règle.
1. Sous **Quand**, utilisez la liste déroulante pour choisir une **analyse en temps réel**.
1. Choisissez **Ajouter une condition**, puis choisissez le type de correspondance. L’image suivante montre une règle configurée pour une condition **Ressenti – Période**.
![\[Conditions d’une règle d’analyse du chat en temps réel\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-realtime-chat-rule2.png)
Sélectionnez l’une des options suivantes :
+ **Correspondance exacte** : recherche uniquement les mots ou expressions exacts.
+ **Correspondance de modèle** : recherche des correspondances qui peuvent être exactes à moins de 100 %. Vous pouvez également indiquer la distance entre les mots. Par exemple, vous pouvez rechercher des contacts dans lesquels le mot « crédit » a été mentionné, mais vous ne voulez pas que les mots « carte de crédit » soient mentionnés. Vous pouvez définir un modèle correspondant à une catégorie pour rechercher le mot « crédit » qui ne se trouve pas à moins d’un mot du mot « carte ».
**Astuce**
La correspondance sémantique n’est pas disponible pour l’analyse en temps réel.
1. Entrez les mots ou les expressions, séparés par une virgule, que vous souhaitez mettre en évidence. Les règles en temps réel ne prennent en charge que les mots clés ou expressions **mentionnés**.
![\[Une règle relative aux mots et aux expressions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. Choisissez **Ajouter**. Chaque mot ou expression séparé par une virgule possède sa propre ligne.
![\[Une règle relative aux mots et aux expressions est composée de plusieurs expressions, chacune sur sa propre ligne.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
La logique utilisée par Contact Lens pour lire ces mots ou expressions est la suivante : (Parlez OR à OR votre OR responsable) OR (ceci OR n’est OR pas OR utile) OR (parlez OR à OR votre OR superviseur), etc.
1. Pour ajouter d’autres mots ou expressions, choisissez **Ajouter un groupe de mots ou d’expressions**. Dans l’image suivante, le premier groupe de mots ou d’expressions correspond à ce que l’agent est susceptible de mentionner. Le second groupe correspond à ce que le client peut mentionner.
![\[Une règle relative aux mots et aux expressions comportant plusieurs expressions pour le client et l’agent.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. Dans cette première carte, Contact Lens lit chaque ligne sous la forme d’un OR. Par exemple : (Bonjour) OR (merci OR d’ OR avoir appelé OR Exemple OR d’entre) OR (nous OR apprécions OR votre entreprise).
1. Les deux cartes sont connectées par un AND. Cela signifie qu’une des lignes de la première carte doit être mentionnée ET qu’une des expressions de la seconde carte doit alors être mentionnée.
La logique utilisée par Contact Lens pour lire les deux cartes de mots ou d’expressions est (carte 1) AND (carte 2).
1. Choisissez **Ajouter une condition** pour appliquer les règles à :
+ Files d’attente spécifiques
+ Lorsque les attributs de contact ont certaines valeurs
+ Lorsque les scores de sentiment ont certaines valeurs
Par exemple, l'image suivante montre une règle qui s'applique lorsqu'un agent fait la queue pour la BasicQueue facturation et les paiements, que le client travaille pour l'assurance auto et que l'agent est situé à Seattle.
![\[Une règle relative aux mots et aux expressions assortie de plusieurs conditions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. Choisissez **Next** une fois que vous avez terminé.
1. Dans la zone **Attribuer une catégorie de contact**, ajoutez un nom pour la catégorie. Par exemple, **Conforme** ou **Non\$1conforme**.
1. Choisissez **Ajouter une action** pour spécifier l’action qu’Amazon Connect doit effectuer lorsque les conditions sont remplies. Vous pouvez configurer les alertes destinées aux superviseurs en utilisant des notifications par e-mail ou en développant une intégration personnalisée avec EventBridge.
![\[Les options Générer un EventBridge événement et Envoyer une notification par e-mail.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-realtime-chat-rule3.png)
1. Si vous avez choisi **Envoyer une notification par e-mail**, consultez [Création de règles qui envoient des notifications par e-mail](contact-lens-rules-email.md) pour plus de détails sur la façon de compléter la page et pour obtenir des informations sur les limites des e-mails.
Si vous avez choisi **Générer un EventBridge événement**, consultez [Création d'une règle qui génère un EventBridge événement](contact-lens-rules-eventbridge-event.md) pour plus de détails sur la façon de compléter la page et pour obtenir des informations sur l'abonnement aux types d' EventBridge événements.
# Création de règles qui envoient des notifications par e-mail
Vous pouvez créer des règles qui envoient des notifications par e-mail aux membres de votre organisation. Cela vous permet de répondre plus rapidement aux problèmes potentiels dans le centre de contact. Par exemple, vous pouvez créer une règle pour notifier :
+ Un superviseur d’équipe en cas d’escalade ou d’annulation de compte.
+ Groupe de personnes dans votre centre de contact en raison de certains mots mentionnés au cours d’une conversation.
+ Une personne désignée dans le centre de contact en cas de désaccord pendant l’appel.
+ Un agent qui avait géré le contact analysé ou évalué à l'aide des outils d'analyse conversationnelle Amazon Connect.
**Important**
Tous les e-mails sont envoyés depuis `no-reply@amazonconnect.com`.
Les utilisateurs SAML n’ont pas d’adresse e-mail principale, mais des identifiants de connexion. Un identifiant de connexion est généralement une adresse e-mail, mais ce n’est pas systématique. Pour ces utilisateurs, le champ **Adresse e-mail** est vide dans Amazon Connect. Lorsque des notifications par e-mail sont envoyées aux utilisateurs SAML, ils doivent disposer d’une adresse e-mail secondaire configurée pour pouvoir les recevoir. Si aucune adresse e-mail secondaire n’est configurée, l’utilisateur ne les recevra pas.
**Pour créer une règle qui envoie des notifications par e-mail**
1. Connectez-vous à Amazon Connect avec un compte d’utilisateur disposant des [autorisations requises](permissions-for-rules.md) pour créer des règles.
1. Accédez à **Analytique et optimisation**, puis **Règles**.
1. Sur la page **Règles**, choisissez **Créer une règle**, puis dans la liste déroulante, choisissez **Analytique conversationnelle** ou **Formulaires d’évaluation**.
![\[La page des règles, la liste déroulante de création de règle, l’option Contact Lens.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-create-rule.png)
1. Sur la page **Nouvelle règle**, définissez les conditions de la règle. Pour en savoir plus, consultez :
+ [Définition des conditions des règles pour l’analytique conversationnelle](build-rules-for-contact-lens.md#rule-conditions)
+ [Définition des conditions des règles pour les formulaires d’évaluation](create-evaluation-rules.md#rule-conditions-eval).
1. Lorsque vous définissez des actions pour la règle, choisissez **Envoyer une notification par e-mail** pour l’action.
![\[La page de nouvelle règle, la liste déroulante d’ajout d’action, l’action d’envoi de notification par e-mail.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-email-action.png)
1. Dans la section **Envoyer une notification par e-mail**, choisissez qui recevra l’e-mail en utilisant l’une des options suivantes :
+ **Sélectionner les destinataires par connexion : achemine l’e-mail vers l’utilisateur spécifié.**
**Important**
Les utilisateurs SAML doivent avoir configuré une adresse e-mail secondaire pour pouvoir l’obtenir. Si aucune adresse e-mail secondaire n’est configurée, l’utilisateur ne le recevra pas.
+ **Sélectionner les destinataires par balises**. Achemine l’e-mail de manière dynamique en fonction des valeurs de balise de l’agent.
+ **Sélectionnez l’agent qui a géré le contact**. Achemine l’e-mail vers l’agent qui a géré le contact.
Dans l’image suivante, la règle envoie un e-mail de notification à l’agent qui a géré le contact.
![\[La section Envoyer une notification par e-mail, l’option Sélectionner l’agent qui a géré le contact.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-email-tag.png)
1. Dans **Objet**, ajoutez l’objet de l’e-mail. Dans **Corps**, ajoutez le contenu de la notification par e-mail.
Utilisez **@ pour ajouter des variables dynamiques** qui sont renseignées lors de l'exécution de la règle. Pour les règles d'analyse conversationnelle et les règles des formulaires d'évaluation, vous pouvez ajouter le **nom de la règle, l'URL de l'instance, les informations de contact, d'agent** et de **file d'attente** pour le contact correspondant à la règle. Les règles des formulaires d'évaluation vous permettent également d'insérer l'**identifiant d'évaluation**.
![\[Le corps de l'e-mail, la liste des variables disponibles.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/rules-send-email-dynamic-variables.png)
**Note**
D'autres types de règles prennent en charge différentes variables :
Les règles de métriques en temps réel vous permettent de saisir le **nom de la règle, l'URL de l'instance** et la liste des **agents, des files d'attente, des flux ou du profil de routage** ayant dépassé le seuil requis pour déclencher l'alerte.
Les règles relatives aux dossiers vous permettent d'insérer le **nom de la règle, l'URL de l'instance et l'****ID du dossier**.
1. Choisissez **Suivant**. Vérifiez les sélections, puis choisissez **Enregistrer**.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
## Limites des e-mails
+ Amazon Connect a une limite par défaut de 500 e-mails par jour. Lorsque cette limite est dépassée, l’instance d’Amazon Connect est empêchée d’envoyer d’autres e-mails pendant 24 heures. Cela est dû au fait que les e-mails sont soumis à des limites de retour à l’expéditeur et de plainte. Pour plus d’informations, consultez les sections **Retour à l’expéditeur** et **Plainte** dans [Comprendre la délivrabilité des e-mails dans Amazon SES](https://docs.aws.amazon.com/ses/latest/dg/send-email-concepts-deliverability.html).
+ Tous les e-mails sont envoyés depuis `no-reply@amazonconnect.com`, mais vous ne pouvez pas les personnaliser.
+ Les utilisateurs SAML n’ont pas d’adresse e-mail principale, mais des identifiants de connexion. Un identifiant de connexion est généralement une adresse e-mail, mais ce n’est pas systématique. Pour ces utilisateurs, le champ **Adresse e-mail** est vide dans Amazon Connect. Lorsque des notifications par e-mail sont envoyées aux utilisateurs SAML, ils doivent disposer d’une adresse e-mail secondaire configurée pour pouvoir les recevoir. Si aucune adresse e-mail secondaire n’est configurée, l’utilisateur ne les recevra pas.
Si l'option par défaut pour l'envoi d'e-mails ne répond pas à vos exigences, contactez votre responsable de compte technique ou Support discutez avec l'équipe du service Amazon Connect.
# Création d'une règle qui génère un EventBridge événement
En temps réel ou après un appel/chat, vous pouvez obtenir des événements et les utiliser pour déclencher des notifications ou des alertes ultérieures, ou pour agréger des rapports en dehors d’Amazon Connect. Vous pouvez faire beaucoup de choses avec ces données. Par exemple :
+ Recevez des alertes en temps réel dans un QuickSight tableau de bord.
+ Créer des rapports agrégés en dehors d’Amazon Connect.
+ Associer des données à la CRM.
+ Connectez votre solution de notification à EventBridge et assurez-vous qu'à la fin de la journée, tous les événements d'un certain type soient envoyés dans une boîte de réception spécifique. Les données utiles vous indiquent le contact, l’agent et la file d’attente.
**Note**
Pour les règles de métriques en temps réel, les ressources déclenchant la règle seront répertoriées sous **ressources**. Par exemple, si vous créez une règle qui vous alerte sur des indicateurs de file d'attente tels que le temps de réponse moyen des files d'attente, la liste des files d'attente ayant dépassé le seuil sera répertoriée sous Ressources.
**Pour créer une règle qui génère un EventBridge événement**
1. Lorsque vous créez votre règle, choisissez **Générer EventBridge un événement** pour l'action.
![\[La nouvelle page de règles, la section Réaliser ces actions, la liste déroulante Ajouter une action, l'action Générer un EventBridge événement.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-events-example1.png)
1. Dans **Nom de l’action**, entrez le nom des données utiles de l’événement.
**Note**
La valeur que vous attribuez au **nom de l'action** est visible dans la EventBridge charge utile. Lorsque vous agrégez des événements, le nom de l’action fournit une dimension supplémentaire que vous pouvez utiliser pour les traiter. Par exemple, vous avez 200 noms de catégories, mais seulement 50 ont un nom d’action spécifique, comme NOTIFY\$1CUSTOMER\$1RETENTION.
![\[La section effectuer ces actions, la section Attribuer une catégorie de contact, la section Générer un EventBridge événement.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-add-eb-action.png)
1. Choisissez **Suivant**. Vérifiez, puis cliquez sur **Enregistrer**.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
1. Pour exploiter les EventBridge données, abonnez-vous au type EventBridge d'événement. Consultez la procédure suivante.
## Abonnez-vous aux types EventBridge d'événements
Pour vous abonner à des types d' EventBridge événements, créez une EventBridge règle personnalisée correspondant aux critères suivants :
+ "source" = "aws.connect"
+ « detail-type » = « Contact Lens Post Call Rules Matched » ou l'une des options suivantes :
+ **Correspondance des règles en temps réel Contact Lens**
+ **Correspondance des règles de chat en temps réel Contact Lens**
+ **Correspondance des règles post-chat Contact Lens**
+ **Contact LensRègles d'évaluation correspondantes**
+ **Correspondance des règles de métriques**
L’image suivante montre ces paramètres dans la section Modèle d’événement de la page de nouvelle règle.
![\[La section Modèle d'événements de la nouvelle page de EventBridge règles.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-eb-rules-events.png)
### Exemples de charges EventBridge utiles
Voici un exemple de ce à quoi ressemble la EventBridge charge utile lorsque les **règles de Contact Lens post-appel correspondent**.
```
{
"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",
}
}
```
Voici un exemple de données utiles en cas de **Correspondance des règles en temps réel Contact Lens**.
```
{
"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",
}
}
```
# Création d'une règle qui génère une tâche
Les règles Amazon Connect vous permettent de générer des tâches. Cela vous permet de créer des actions traçables avec les propriétaires et vous donne une visibilité immédiate sur l'achèvement des tâches et la productivité.
Voici quelques exemples :
+ Vérifiez un contact lorsque le client est frauduleux. Par exemple, vous pouvez créer une tâche de suivi lorsqu’un client prononce des mots ou des expressions qui le font apparaître comme potentiellement frauduleux.
+ Effectuez un suivi lorsque le client mentionne des sujets spécifiques que vous souhaitez aborder ultérieurement dans le cadre d’une vente incitative ou offrez-lui une assistance supplémentaire en le contactant.
+ Évaluez les performances des agents dans des scénarios spécifiques, par exemple, le sentiment du client était très faible pendant la conversation et le client a exprimé sa frustration.
+ Prenez des mesures opérationnelles, telles que l'affectation d'agents supplémentaires aux files d'attente pour lesquelles le temps de réponse moyen au cours de la dernière heure a dépassé les seuils acceptables.
**Pour créer une règle qui crée une tâche**
1. Lorsque vous créez une règle, choisissez **Créer une tâche** pour l’action.
![\[La page de nouvelle règle, le menu déroulant d’ajout d’action, l’option de création de tâche.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-add-task-example1.png)
1. Complétez les champs de tâche comme suit :
![\[La page de nouvelle règle, la section d’attribution de catégorie de contact, la section Créer une tâche.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-add-tasks-example2.png)
1. **Nom de la catégorie** : le nom de la catégorie apparaît dans l’enregistrement du contact. Longueur maximale : 200 caractères.
1. **Nom** : le nom apparaît dans le panneau de configuration des contacts (CCP) de l’agent. Longueur maximale : 512 caractères.
1. **Description** : la description apparaît dans le panneau de configuration des contacts (CCP) de l’agent. Longueur maximale : 4 096 caractères.
**Note**
Dans Nom et Description, utilisez **@ pour ajouter des variables dynamiques** qui sont renseignées lors de l'exécution de la règle. Pour les règles d'analyse conversationnelle et les règles des formulaires d'évaluation, vous pouvez ajouter le **nom de la règle, l'URL de l'instance, les informations de contact, d'agent** et de **file d'attente** pour le contact correspondant à la règle. Les règles des formulaires d'évaluation vous permettent également d'insérer l'**identifiant d'évaluation**.
![\[L'action de la tâche avec des variables dynamiques.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/rules-create-task-dynamic-variables.png)
D'autres types de règles prennent en charge différentes variables :
Les règles de métriques en temps réel vous permettent de saisir le **nom de la règle, l'URL de l'instance et la liste des agents, des files d'attente, des flux ou du profil de routage** qui ont dépassé le seuil requis pour déclencher l'alerte.
Les règles relatives aux dossiers vous permettent d'insérer le **nom de la règle, l'URL de l'instance et l'****ID du dossier**.
1. **Nom de référence de la tâche** : il s’agit d’une référence par défaut qui apparaît automatiquement dans le CCP de l’agent.
+ Pour les règles en temps réel, la référence de la tâche renvoie à la page des détails en temps réel.
+ Pour les règles après appel/chat, la référence de la tâche renvoie à la page **Détails de contact**.
1. **Nom de référence supplémentaire** : longueur maximale : 4 096 caractères. Vous pouvez ajouter jusqu’à 25 références.
1. **Sélectionner un flux** : choisissez le flux conçu pour acheminer la tâche vers le propriétaire approprié de la tâche. Le flux doit être enregistré et publié pour qu’il apparaisse dans la liste des options de la liste déroulante.
1. L’image suivante montre un exemple d’affichage de ces informations dans le CCP de l’agent.
![\[Une tâche dans le panneau de configuration des contacts de l’agent.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-add-tasks-ccp.png)
Dans cet exemple, l’agent voit les valeurs suivantes pour **Nom**, **Description** et **Nom de référence de la tâche** :
1. **Nom** = **Action-Required-Contact Lens- ba2cf8fe....**
1. **Description** = **Test**
1. **Nom de référence de la tâche** = taskRef et URL de la page de détails en temps réel
1. Choisissez **Suivant**. Vérifiez puis choisissez **Enregistrer** la tâche.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
## Les enregistrements des contacts vocaux et des tâches sont liés
Lorsqu’une règle crée une tâche, un enregistrement de contact est automatiquement généré pour la tâche. Il est lié à l’enregistrement de contact de l’appel vocal ou du chat répondant aux critères de la règle de création de la tâche.
Par exemple, un appel arrive dans votre centre d'appels et génère CTR1 :
![\[Informations sur l’enregistrement du contact initial lorsqu’un appel arrive.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
Le moteur de règles génère une tâche. Dans l’enregistrement de contact associé à la tâche, l’enregistrement du contact vocal apparaît sous la forme de l’**ID de contact précédent**. En outre, l’enregistrement de contact de tâche hérite des attributs de contact de l’enregistrement du contact vocal, comme illustré dans l’image suivante :
![\[Enregistrement de contact 2 pour la tâche.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
## À propos des valeurs dynamiques pour ContactId AgentId, QueueId, RuleName
Les valeurs dynamiques entre crochets [ ] sont appelées [attributs de contact](what-is-a-contact-attribute.md). Les attributs de contact vous permettent de stocker des informations temporaires sur le contact afin de pouvoir les utiliser dans un flux.
Lorsque vous ajoutez des attributs de contact entre crochets [] ContactId, tels que AgentId, QueueId, ou RuleName , la valeur est transmise d'un enregistrement de contact à un autre. Vous pouvez utiliser les attributs de contact dans le flux pour bifurquer et acheminer le contact en conséquence.
Pour de plus amples informations, veuillez consulter [Utilisation d'attributs de contact](connect-contact-attributes.md).
# Création d’une règle dans Contact Lens qui met fin aux tâches associées à partir d’un cas
**Pour créer une règle qui mette fin aux tâches associées**
1. Lorsque vous créez votre règle, choisissez **Un nouveau cas est mis à jour** comme source d’événement.
![\[Page de nouvelle règle, menu déroulant Ajouter une action, option Un cas est ajouté\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. Lorsque vous créez une règle, choisissez **Terminer les tâches** pour l’action.
![\[Page de nouvelle règle, menu déroulant Ajouter une action, option Terminer les tâches\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-2.png)
![\[Option Terminer les tâches\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-3.png)
1. Choisissez **Suivant**. Vérifiez puis choisissez **Enregistrer**.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
# Création d’une règle dans Contact Lens qui crée un cas
**Pour créer une règle qui crée un cas**
1. Lorsque vous créez votre règle, sélectionnez **L'analyse post-appel est disponible**, L'**analyse post-chat est disponible** ou L'**analyse des e-mails est disponible comme source** d'événement.
![\[La page de définition des conditions, choisissez L'analyse post-appel est disponible, l'analyse post-chat est disponible ou l'analyse des e-mails est disponible en tant que source d'événement.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-create-case-1.png)
1. Choisissez **Next** (Suivant)
1. Sur la page Actions, choisissez **Créer un cas** pour l’action.
![\[Page de nouvelle règle, menu déroulant Ajouter une action, option Créer un cas\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-create-case-2.png)
1. Dans la carte **Créer un cas**, sélectionnez un **modèle de cas**.
![\[Dans la carte Créer un cas, sélectionnez un modèle de cas.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-create-case-3.png)
1. Renseignez les **champs obligatoires** et ajoutez des **champs de cas facultatifs** pour renseigner les données de cas.
**Note**
Un profil client doit être associé à un contact pour que cette action fonctionne. Pour de plus amples informations, veuillez consulter [Activation de la fonctionnalité Cas](enable-cases.md).
![\[Renseignez les champs obligatoires et ajoutez des champs de cas facultatifs pour renseigner les données de cas.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-create-case-4.png)
1. Choisissez **Suivant**. Vérifiez puis choisissez **Enregistrer**.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
# Création d’une règle dans Contact Lens qui met à jour un cas
**Pour créer une règle qui mette à jour un cas**
1. Lorsque vous créez votre règle, choisissez **Un dossier est mis à jour** comme source d’événement et choisissez **Suivant**.
![\[La page Nouvelle règle, le menu déroulant Ajouter une action, l’option Un dossier est mis à jour.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. Lorsque vous créez votre règle, choisissez **Mettre à jour le cas** pour l’action.
![\[Page de nouvelle règle, menu déroulant Ajouter une action, option Mettre à jour le cas\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-update-case-2.png)
1. Sélectionnez le champ de cas que vous souhaitez mettre à jour dans la liste déroulante et définissez sa nouvelle valeur.
![\[Sélectionnez le champ de cas que vous souhaitez mettre à jour dans la liste déroulante et définissez sa nouvelle valeur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-update-case-3.png)
![\[Sélectionnez le champ de cas que vous souhaitez mettre à jour dans la liste déroulante et définissez sa nouvelle valeur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-update-case-4.png)
1. Choisissez **Suivant**. Vérifiez puis choisissez **Enregistrer**.
1. Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
# Création d’une règle dans Contact Lens qui soumet une évaluation automatique
Contact Lens vous permet de remplir et de soumettre automatiquement des évaluations en utilisant les informations et les métriques issues de l’analytique conversationnelle.
## Étape 1 : configurer l’automatisation pour le formulaire d’évaluation
Avant de créer une règle qui soumet une évaluation automatique, vous devez configurer l’automatisation pour le formulaire d’évaluation. Pour obtenir des instructions complètes, consultez [Étape 6 : activer les évaluations automatiques](create-evaluation-forms.md#step-automate) dans [Création d'un formulaire d'évaluation](create-evaluation-forms.md).
Voici les étapes à suivre :
1. Configurez l’automatisation pour chaque question d’un formulaire d’évaluation.
1. Activez **Activer la soumission automatique des évaluations** avant d’activer le formulaire d’évaluation.
1. Lorsque vous activez le formulaire d’évaluation avec l’automatisation configurée, une invite s’affiche pour vous demander de créer une règle, comme indiqué dans l’image suivante.
![\[Une invite pour créer une règle.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/create-a-rule-to-submit-automated-evaluations-1.png)
1. Choisissez **Create a rule (Créer une règle)**.
1. Sur la page **Règles**, définissez une règle qui indique quels contacts sont automatiquement évalués à l’aide du formulaire d’évaluation sélectionné. La procédure suivante fournit des instructions.
## Étape 2 : définir une règle qui précise quels contacts sont évalués automatiquement
Vous pouvez déclencher des évaluations automatisées avec deux types de règles :
+ Une règle d’**analytique conversationnelle** qui évalue automatiquement le contact une fois que Contact Lens a terminé son analyse.
+ Une règle de **formulaires d’évaluation** qui peut être utilisée pour déclencher un formulaire d’évaluation spécifique à une situation comme résultat d’un formulaire d’évaluation générique. Par exemple, si la réponse à la question d’évaluation *Le client était-il intéressé par l’achat d’un produit* est *Oui*, vous pouvez déclencher un autre formulaire d’évaluation mesurant les *performances commerciales de l’agent*.
### Déclenchement des évaluations automatisées grâce à une règle d’analytique conversationnelle
Le type de règle par défaut sélectionné quand vous créez une règle pour soumettre une évaluation automatique lors de l’activation du formulaire. Vous pouvez également créer une telle règle en sélectionnant **Créer une règle**, **Analytique conversationnelle** sur la page **Règles**.
1. Choisissez **Une analyse Contact Lens après appel est disponible** ou **Une analyse Contact Lens post-chat est disponible** comme source d’événement. Ces deux options sont mises en surbrillance dans l’image suivante.
![\[Les options d’analyse après appel et d’analyse post-chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/defined-conditions-evaluations.png)
1. Définissez les conditions pour identifier les contacts à évaluer automatiquement, puis choisissez **Next**.
Voici des exemples de conditions que vous pouvez utiliser pour identifier l'ensemble spécifique d'agents ou de contacts auquel le formulaire d'évaluation s'applique :
+ Agents
+ Hiérarchie des agents
+ Agent d'IA
+ Files d’attente
+ Méthode d'initiation
En outre, vous pouvez exclure les contacts susceptibles d'avoir été interrompus prématurément en raison de problèmes de connectivité ou d'autres problèmes en utilisant des conditions telles que :
+ Durée de l'interaction (par exemple, plus de 30 secondes)
+ Temps de conversation (par exemple, le client parle pendant plus de 10 secondes)
+ Problème de déconnexion potentiel lorsque le problème n'existe pas ou qu'aucun problème de connectivité ou d'appareil n'est connu pendant la conversation
1. Sur la page **Définir des actions**, indiquez un nom de catégorie pour identifier la règle.
1. Choisissez **Ajouter une action**, sélectionnez **Soumettre une évaluation automatique** et sélectionnez le formulaire que vous souhaitez utiliser pour soumettre automatiquement une évaluation. (Cette action est déjà sélectionnée sur la page si vous avez créé la règle lorsque vous activez le formulaire.)
1. Choisissez **Suivant**. Vérifiez puis choisissez **Enregistrer et publier**.
Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
**Important**
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
### Déclenchement d’évaluations automatisées avec une règle de formulaires d’évaluation
1. Accédez à la page **Règles**. Sélectionnez **Créer une règle**, **Formulaires d’évaluation**.
1. Sous **Quand**, sélectionnez la source de l’événement, car **Un résultat d’évaluation Contact Lens est disponible**.
1. Choisissez **Ajouter une condition** pour déclencher une évaluation spécifique à la situation. Par exemple :
+ Une réponse précise à une autre évaluation, illustrée dans l’image suivante.
![\[Une réponse précise à une autre évaluation.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/add-condition-1.png)
+ Le résultat d’un autre formulaire d’évaluation, illustré dans l’image suivante.
![\[Le score d’un autre formulaire d’évaluation.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/add-condition-2.png)
1. Choisissez **Ajouter une action**, sélectionnez **Soumettre une évaluation automatique** et sélectionnez le formulaire que vous souhaitez utiliser pour soumettre automatiquement une évaluation.
1. Choisissez **Suivant**. Vérifiez puis choisissez **Enregistrer et publier**.
## Questions fréquentes (FAQ)
1. **Une évaluation automatique peut-elle annuler une évaluation soumise manuellement ?**
Non, une évaluation automatique ne peut pas remplacer une évaluation soumise manuellement. Si une évaluation existe déjà, l'évaluation automatique échouera pour ce contact et les administrateurs du compte pourront y voir ces notifications d'échec CloudWatch.
1. **Comment identifier les évaluations automatiques ?**
Si une évaluation est soumise automatiquement, elle est marquée comme « soumise par automatisation Contact Lens » sur la page **Détails de contact**. Si une évaluation automatique est modifiée et soumise à nouveau par un évaluateur, la mention « soumise par » contient le nom de l’évaluateur.
1. **Puis-je évaluer automatiquement un contact à l’aide de plusieurs formulaires d’évaluation ?**
Oui, vous pouvez soumettre automatiquement des évaluations sur un contact en utilisant plusieurs formulaires d’évaluation. Vous devez créer plusieurs règles pour soumettre des évaluations automatiques à l’aide des différents formulaires d’évaluation.
# Utilisation d’une condition relative à un mot ou à une expression dans une règle Contact Lens
Dans la règle **Analytique conversationnelle Contact Lens**, vous avez la possibilité de spécifier une condition relative aux mots ou aux expressions. Vous pouvez choisir Correspondance exacte, Correspondance sémantique ou Correspondance de modèle pour les mots ou les expressions. Cette rubrique explique chaque type de correspondance.
**Note**
Les trois types de correspondance ne distinguent pas les majuscules des minuscules. Par exemple, si vous avez spécifié le mot « facturation », il correspondra également à la transcription contenant le mot « Facturation ».
## Comment utiliser la correspondance exacte
**Correspondance exacte** est vraiment une correspondance exacte de mots, au singulier ou au pluriel.
Vous pouvez ajouter des mots-clés ou des expressions selon l’une des méthodes suivantes :
+ Sélectionnez **Saisir des mots-clés ou des expressions** et entrez des valeurs manuellement dans la zone de texte. Les valeurs peuvent être séparées par une virgule.
![\[Option Saisir des mots-clés ou des expressions dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/exact-match-1.png)
+ Sélectionnez **Importer depuis une collection de mots** pour importer des mots et des phrases prédéfinis à partir de collections de mots.
![\[Option Importer depuis une collection de mots dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/exact-match-2.png)
Les collections de mots peuvent être classées en deux types : les collections de mots utilisateur et les collections de mots système. Les collections de mots système sont prédéfinies par Amazon Connect et les utilisateurs ne peuvent pas les modifier. Les utilisateurs peuvent créer, lire, mettre à jour et supprimer (CRUD) une collection de mots utilisateur. Pour de plus amples informations, veuillez consulter [Gestion des collections de mots lorsque vous créez des règles d’analytique conversationnelle dans Contact Lens](manage-word-collections.md).
## Comment utiliser la correspondance de modèle
Si vous souhaitez faire correspondre des mots apparentés, ajoutez un astérisque (\$1) aux critères. Par exemple, si vous souhaitez obtenir une correspondance sur toutes les variantes de « voisin » (voisins, voisinage), vous devez taper **voisin\$1.**
Avec **Correspondance de modèle**, vous pouvez spécifier les éléments suivants :
+ **Liste de valeurs** : cela est utile lorsque vous souhaitez créer des expressions avec des valeurs interchangeables. Par exemple, l’expression peut être :
*J’appelle à propos d’une panne de courant à [« Pékin », « Londres », « New York », « Paris » ou « Tokyo »]*
Ensuite, dans la liste de valeurs, vous ajouterez les villes suivantes : Pékin, Londres, New York, Paris, Tokyo.
L’avantage d’utiliser des valeurs est que vous pouvez créer une expression au lieu de plusieurs. Cela réduit le nombre de cartes que vous devez créer.
+ **Chiffre** : cette option est le plus souvent utilisée dans les scripts de conformité, ou si vous recherchez un contexte dans lequel vous savez qu’un nombre est présent (en chiffres [0–9]). Ainsi, vous pouvez regrouper tous les critères dans une seule expression au lieu de deux. Par exemple, un script de conformité d’un agent peut indiquer :
*Je travaille dans ce secteur depuis [chif] ans et j’aimerais discuter de ce sujet avec vous.*
Un client pourrait aussi dire :
*Je suis membre depuis [chif] ans.*
**Note**
Lorsque vous extrayez des nombres de transcriptions de chat ou audio, seuls les chiffres numériques (0–9) sont reconnus.
Pour les contacts vocaux, il est possible que certaines langues ne convertissent pas les nombres prononcés au format numérique lors de la [transcription des nombres](https://docs.aws.amazon.com/transcribe/latest/dg/how-numbers.html). Cela signifie que la correspondance des modèles numériques peut ne pas fonctionner dans ces cas. Pour obtenir la liste des langues qui prennent en charge la transcription numérique, consultez [Langues prises en charge et fonctionnalités spécifiques aux langues](https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html) dans le *Guide du développeur Amazon Transcribe*.
+ **Définition de proximité** : recherche les correspondances dont la précision peut être inférieure à 100 %. Vous pouvez également indiquer la distance entre les mots. Par exemple, si vous recherchez des contacts dans lesquels le mot « crédit » a été mentionné mais que vous ne voulez pas que les mots « carte de crédit » soient mentionnés, vous pouvez définir un modèle de correspondance entre les catégories afin de rechercher le mot « crédit » qui ne se trouve pas à moins d’une instance de « carte ».
Par exemple, une définition de proximité peut être :
*carte [la différence n’est pas de 0 à 1 mot] de crédit*
**Astuce**
Pour obtenir une liste des langues prises en charge, consultez [Fonctionnalités d’intelligence artificielle (IA)](supported-languages.md#supported-languages-contact-lens).
## Comment utiliser la correspondance sémantique
La correspondance sémantique est prise en charge uniquement pour l’analyse après appel/chat.
+ Une « intention » est un exemple d’énoncé. Il peut s’agir d’une expression ou d’une phrase.
+ Vous pouvez saisir jusqu’à quatre intentions sur une carte (groupe).
+ Nous vous recommandons d’utiliser des intentions sémantiquement similaires sur une même carte pour obtenir les meilleurs résultats. Par exemple, il existe une catégorie pour « politesse ». Elle comprend deux intentions : « salutations » et « au revoir ». Nous vous recommandons de séparer ces intentions sur deux cartes :
+ Carte 1 : « Comment allez-vous aujourd’hui » et « Comment ça va ». Ce sont des salutations sémantiquement similaires.
+ Carte 2 : « Merci de nous avoir contactés » et « Merci d’être notre client ». Ce sont des au revoir sémantiquement similaires.
Séparer les intentions en deux cartes permet d’obtenir plus de précision que de les placer toutes dans une seule carte.
# Utilisation de l’IA générative pour faire correspondre sémantiquement les contacts aux déclarations en langage naturel
Dans une règle d’**analytique conversationnelle Contact Lens**, vous avez la possibilité de spécifier une condition de type **Langage naturel – Correspondance sémantique** qui utilise l’IA générative pour rechercher les contacts correspondant à une déclaration en langage naturel. La condition Langage naturel – Correspondance sémantique est utilisée lorsque vous souhaitez faire correspondre des contacts à des critères spécifiques au contexte (par exemple, le problème du client a été résolu lors de l’appel) ou lorsqu’il y a trop de mots ou de phrases possibles pour utiliser les conditions de type **Mots ou expressions**.
Conseil de pro : utilisez la condition Langage naturel – Correspondance sémantique optimisée par l’IA générative si vous avez déjà utilisé la condition Mots ou expressions – Correspondance sémantique.
## Comment utiliser Langage naturel – Correspondance sémantique
****
1. Connectez-vous à Amazon Connect en tant qu’utilisateur disposant des autorisations **Règles** et **Règles – IA générative**.
1. Dans le menu de navigation, choisissez **Analytique et optimisation**, puis **Règles**.
1. Sélectionnez **Créer une règle**, puis **Analytique conversationnelle**.
![\[Option Importer depuis une collection de mots dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/create-natural-semantic-match-rule.png)
1. Sélectionnez « Une analyse Contact Lens après appel est disponible » ou « Une analyse Contact Lens post-chat est disponible ».
1. Sélectionnez **Ajouter une condition**, puis choisissez **Langage naturel – Correspondance sémantique**.
![\[Option Importer depuis une collection de mots dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/choose-natural-semantic-match.png)
1. Entrez une déclaration en langage naturel qui peut être évaluée par l’IA générative comme vraie ou fausse en la faisant correspondre à la transcription de la conversation.
![\[Option Importer depuis une collection de mots dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/enter-natural-language-statement.png)
1. Ajoutez des conditions supplémentaires, par exemple des files d’attente, des attributs de contact personnalisés, etc.
1. Choisissez **Next** et fournissez un nom de catégorie (sans espaces) qui sera utilisé pour étiqueter les contacts avec l'énoncé en langage naturel, par exemple, **CustomerAddressChange**.
1. Vous pouvez spécifier des actions supplémentaires, telles que la [génération de tâches](contact-lens-rules-create-task.md), l’[envoi de notifications par e-mail](contact-lens-rules-email.md), la [soumission automatique d’évaluations](contact-lens-rules-submit-automated-evaluation.md), entre autres.
1. Cliquez sur **Suivant** pour vérifier la règle avant d’utiliser l’option **Enregistrer et publier**. Si vous n’êtes pas prêt à publier la règle, vous pouvez alors utiliser l’option **Enregistrer en tant que brouillon**.
## Instructions d’utilisation de la correspondance sémantique
La liste suivante explique comment utiliser au mieux la correspondance sémantique :
+ La déclaration doit être quelque chose qui peut être évalué comme vrai ou faux.
+ La condition Langage naturel – Correspondance sémantique utilise uniquement la transcription de la conversation. Si vous souhaitez utiliser d’autres attributs de contact (par exemple, des files d’attente) dans vos critères de correspondance, vous devez les spécifier en tant que conditions distinctes dans la règle.
+ Si possible, utilisez le terme « agent » au lieu de termes tels que « collègue », « employé », « représentant », « avocat » ou « associé ». De même, utilisez le terme « client » au lieu de termes tels que « membre », « appelant », « invité » ou « abonné ».
+ N’utilisez des guillemets que si vous souhaitez vérifier les mots exacts prononcés par l’agent ou le client. Par exemple, si l’instruction est de vérifier si l’agent dit « Passez une bonne journée », l’IA générative ne détectera pas « Passez un bon après-midi ». La déclaration en langage naturel devrait plutôt indiquer « L’agent a souhaité une bonne journée au client ».
**Exemples de déclarations à utiliser avec la correspondance sémantique**
+ Le client souhaitait modifier son plan d’abonnement.
+ Le client a exprimé sa gratitude à l’agent pour son soutien.
+ Le client a indiqué qu’il souhaitait mettre fin à ses services actuels.
+ Le client a demandé une interaction ultérieure.
+ Le client a demandé à l’agent de répéter les informations, indiquant un manque de compréhension.
+ Le client a demandé à parler au responsable de l’agent.
+ L’agent a demandé au client des informations supplémentaires ou une confirmation avant de fournir une réponse définitive.
+ L’agent a proposé plusieurs options de paiement
+ L’agent a assuré au client que son appel était important et a demandé un délai d’attente supplémentaire.
+ L’agent a résolu tous les problèmes du client.
# Gestion des collections de mots lorsque vous créez des règles d’analytique conversationnelle dans Contact Lens
Une *collection de mots* est un ensemble de mots et d’expressions prédéfinis que vous pouvez utiliser pour définir la condition de correspondance exacte lorsque vous créez des règles d’analytique conversationnelle. Lorsque vous ajoutez des conditions de correspondance exactes à une règle, vous pouvez choisir une liste de mots et d’expressions dans un menu déroulant.
## Autorisations requises
Règles Contact Lens – Collections de mots utilise le même ensemble d’autorisations de profil de sécurité que les règles Contact Lens. Pour de plus amples informations, veuillez consulter [Autorisations de profil de sécurité pour les règles Contact Lens](permissions-for-rules.md).
## Comment accéder à la page de gestion Collection de mots
1. Lorsque vous créez ou mettez à jour une règle d’analytique conversationnelle, choisissez l’icône d’engrenage en haut à droite de la carte de la condition **Correspondance exacte**, comme illustré dans l’image suivante.
![\[Option Saisir des mots-clés ou des expressions dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/word-collections-permissions-how-to-access-1.png)
1. Sur la page de gestion **Collections de mots**, vous pouvez consulter les collections de mots existantes et en créer de nouvelles.
![\[Option Saisir des mots-clés ou des expressions dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/word-collections-permissions-how-to-access-2.png)
## Comment créer une collection de mots utilisateur
****
1. Sur la page de gestion **Collections de mots**, choisissez **Créer une collection de mots**.
![\[Option Saisir des mots-clés ou des expressions dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/create-user-word-collections-1.png)
1. Entrez le nom de la collection, ajoutez des mots et des phrases, puis choisissez **Enregistrer**.
![\[Option Saisir des mots-clés ou des expressions dans l’interface utilisateur.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/create-user-word-collections-2.png)
## Limites des collections de mots
+ Amazon Connect a une limite par défaut de 100 collections de mots utilisateur par instance.
+ Chaque collection de mots peut contenir un maximum de 100 mots ou phrases.
+ Chaque mot ou phrase est limité à 512 caractères.
+ Vous ne pouvez gérer que les collections de mots utilisateurs. Vous ne pouvez ni gérer ni modifier les collections de mots système.
# Saisie d’un script dans une règle Contact Lens à suivre par les agents
Entrez un script dans une règle Contact Lens quand il est nécessaire que les agents utilisent des formulations exactes lors d’appels avec les clients.
Pour saisir un script dans une règle, entrez des expressions. Par exemple, si vous souhaitez mettre en évidence le moment où les agents disent « *Merci d’être membre. Nous apprécions votre entreprise* », entrez deux expressions :
+ Merci d’être membre.
+ Merci de faire affaire avec nous.
Pour appliquer la règle à certains secteurs d’activité, ajoutez une condition concernant les files d’attente auxquelles elle s’applique ou les attributs de contact. Par exemple, l'image suivante montre une règle qui s'applique lorsqu'un agent fait la queue pour la BasicQueue facturation et les paiements, que le client travaille pour l'assurance auto et que l'agent est situé à Seattle.
![\[La page de nouvelle règle, la section Mots ou expressions - Correspondance exacte, conditions multiples.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
# Autorisations de profil de sécurité pour les règles Contact Lens
Pour afficher, modifier ou ajouter des règles de catégorisation automatique, vous devez être affecté à un profil de sécurité doté des autorisations **Analytique et Optimisation : règles**.
Pour afficher, modifier ou ajouter une règle utilisant l’IA générative (en utilisant la condition **Langage naturel - Correspondance sémantique**), l’autorisation **Analytique et optimisation : Règles – IA générative** doit également être attribuée à votre profil de sécurité.
Pour voir les noms des agents afin de les ajouter aux règles, vous avez besoin des autorisations **Utilisateurs et autorisations utilisateurs - Afficher** dans le profil de sécurité.
Pour voir les noms des agents afin de les ajouter aux règles, vous avez besoin des autorisations **Routage : files d’attente - Afficher** dans le profil de sécurité.
Pour de plus amples informations, veuillez consulter [Attribution d’autorisations pour utiliser l’analytique conversationnelle Contact Lens dans Amazon Connect](permissions-for-contact-lens.md).
# Conception d’un flux pour utiliser les attributs de contact d’une règle dans Contact Lens
Vous pouvez avoir jusqu’à 5 attributs de contact dans une règle.
Les attributs de contact sont récupérés au début de la session d’analyse des contacts en temps réel et tout ce qui est extrait à ce moment-là est utilisé pour l’évaluation des règles pendant toute la session. Aucune mise à jour des attributs de contact après le début de la session n’est prise en compte.
Vous pouvez concevoir des flux pour utiliser les attributs de contact que vous spécifiez dans une règle, puis acheminer la tâche en conséquence. Par exemple, un appel ou un chat arrive dans le centre de contact. Lorsque Contact Lens analyse l’appel ou le chat, la règle **Conformité** est respectée. L’enregistrement de contact créé pour l’appel, par exemple, contient des informations similaires à celles de l’image suivante. Il indique la **catégorie** = **Conformité** et possède deux attributs de contact personnalisés : **CustomerType**= **VIP**, **AgentLocation**= **NYC**.
![\[L’enregistrement du contact lorsque la règle de conformité est déclenchée.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
Le moteur de règles génère une tâche. L’enregistrement de contact pour la tâche hérite des attributs de contact de l’enregistrement de contact vocal, comme illustré dans l’image suivante.
![\[L’enregistrement du contact pour la tâche, les attributs de contact personnalisés.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
L’enregistrement du contact vocal apparaît sous la forme de l’**ID de contact précédent**.
Le flux que vous spécifiez dans la règle doit être conçu pour utiliser les attributs du contact et acheminer la tâche vers le propriétaire approprié. Par exemple, vous souhaiterez peut-être acheminer les tâches où **CustomerType = VIP** vers un agent spécifique.
Pour de plus amples informations, veuillez consulter [Utilisation d'attributs de contact](connect-contact-attributes.md).
# Des règles sont appliquées aux nouveaux contacts lorsque Contact Lens analyse les conversations.
Une fois que vous avez ajouté des règles, elles sont appliquées aux nouveaux contacts créés après l’ajout de la règle. Les règles sont appliquées lorsque l'analyse conversationnelle Amazon Connect analyse les conversations.
Vous ne pouvez pas appliquer de règles à des conversations passées et enregistrées.
# Notifications d’erreur : lorsque Contact Lens ne parvient pas à analyser un contact
Il est possible que Contact Lens ne puisse pas analyser un fichier de contacts, même si l’analyse est activée dans le flux. Dans ce cas, Contact Lens envoie des notifications d'erreur à l'aide d'Amazon EventBridge Events.
Les événements sont générés [dans la mesure du possible](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html).
## S'abonner aux EventBridge notifications
Pour vous abonner à ces notifications, créez une EventBridge règle personnalisée correspondant aux critères suivants :
+ "source" = "aws.connect"
+ « detail-type » = « Changement d’état de l’analyse Contact Lens »
Vous pouvez également ajouter au modèle pour être averti lorsqu’un code d’événement spécifique se produit. Pour plus d'informations, consultez la section [Event Patterns](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html) dans le *guide de EventBridge l'utilisateur Amazon*.
Le format d’une notification ressemble à l’exemple suivant :
```
{
"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"
}
}
```
## Codes d’événements
Le tableau suivant répertorie les codes d’événement susceptibles de se produire lorsque Contact Lens ne parvient pas à analyser un contact.
| Code de motif de l’événement | Description |
| --- | --- |
| INVALID\$1ANALYSIS\$1CONFIGURATION | Contact Lens a reçu des valeurs non valides lorsque le flux a été lancé, par exemple un code de langue non pris en charge ou non valide, ou une valeur non prise en charge pour un comportement de rédaction. |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Contact Lens ne parvient pas à obtenir le fichier d’enregistrement. Cela peut être dû au fait que le fichier n’est pas présent dans le compartiment S3 ou qu’il existe des problèmes d’autorisation. |
| RECORDING\$1FILE\$1TOO\$1SMALL | Le fichier d’enregistrement est trop petit pour être analysé (moins de 105 ms). Si le format du fichier n’est pas attendu, une erreur INVALID se produit. Un JSON vide est également un objet inattendu. |
| RECORDING\$1FILE\$1TOO\$1LARGE | Le fichier d’enregistrement dépasse la durée limite d’analyse. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/contact-lens-error-notifications.html) |
| RECORDING\$1FILE\$1INVALID | Le fichier d’enregistrement n’est pas valide. |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Une erreur s’est produite lorsque Contact Lens a essayé de lire le fichier d’enregistrement. |
| RECORDING\$1FILE\$1EMPTY | Le fichier d’enregistrement est vide. |
| RECORDING\$1SAMPLE\$1RATE\$1NOT\$1SUPPORTED | La fréquence d’échantillonnage du fichier audio n’est pas prise en charge. Contact Lens prend actuellement en charge les fichiers audio avec une fréquence d’échantillonnage de 8 kHz. Il s’agit de la fréquence d’échantillonnage des enregistrements Amazon Connect. |
# Notifications d’erreur lorsque la règle Amazon Connect ne s’exécute pas
Il est important de savoir quand une action de règle spécifique a échoué dans un environnement de production et quelle en est la cause. Vous pouvez alors atténuer de manière proactive ces défaillances à l’avenir.
Pour obtenir des informations en temps réel sur les actions qui n'ont pas pu être exécutées, vous intégrez les règles Amazon Connect aux EventBridge événements Amazon. Cela vous permet d’être averti lorsque, par exemple, l’action « Créer une tâche » échoue parce que le nombre maximum de **Tâches actives simultanées par instance** a atteint le quota de service. Dans ce cas, Amazon Connect envoie des notifications d'erreur à l'aide d'Amazon EventBridge Events.
Les événements sont générés [dans la mesure du possible](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html).
## S'abonner aux EventBridge notifications
Pour vous abonner à ces notifications, créez une EventBridge règle personnalisée correspondant aux critères suivants :
+ "source" = "aws.connect"
+ « type-détails » = « Échec de l’exécution de l’action des règles Contact Lens »
Vous pouvez également ajouter au modèle pour être averti lorsqu’un code d’événement spécifique se produit. Pour plus d'informations, consultez la section [Event Patterns](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html) dans le *guide de EventBridge l'utilisateur Amazon*.
Le format d’une notification ressemble à l’exemple suivant :
```
{
"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}"
}
}
```
## Types d’actions prises en charge
+ `CREATE_TASK`
+ `GENERATE_EVENTBRIDGE_EVENT`
+ `SEND_NOTIFICATION`
Pour plus d’informations sur `ASSIGN_CONTACT_CATEGORY`, consultez [Notifications d’erreur : lorsque Contact Lens ne parvient pas à analyser un contact Dépannage](contact-lens-error-notifications.md).
## Événements déclencheurs pris en charge
+ `REAL_TIME_CALL`
+ `REAL_TIME_CHAT`
+ `POST_CALL`
+ `POST_CHAT`
+ `THIRD_PARTY`
## Codes de motif des actions ayant échoué
Lorsqu’une action échoue, le service de notification d’erreur collecte les codes de motif à partir des actions prises en charge. Pour plus d'informations sur les codes de cause des échecs de tâches et EventBridge d'actions, consultez les rubriques suivantes :
+ Pour connaître les codes de raison des échecs liés aux actions des tâches, consultez la rubrique « [Erreurs](https://docs.aws.amazon.com/connect/latest/APIReference/API_StartTaskContact.html#API_StartTaskContact_Errors) relatives à l'**StartTaskContact**API » du *guide de référence de l'API Amazon Connect*.
+ Pour connaître les codes de raison des échecs EventBridge d'action, consultez la rubrique **PutEvents**relative aux [erreurs](https://docs.aws.amazon.com/eventbridge/latest/APIReference/API_PutEvents.html#API_PutEvents_Errors) dans le *guide de référence des EventBridge API Amazon*.
# Spécifiez des variables pour certains paramètres lors de la création ou de la gestion de règles à l'aide d'Amazon Connect APIs
Lorsque vous créez ou gérez des règles par programmation à l'aide d'Amazon Connect APIs (comme [CreateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateRule.html)ou [UpdateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_UpdateRule.html)), vous pouvez spécifier des variables pour certains paramètres. Les variables sont résolues au moment de l'exécution lorsque l'action est déclenchée, en fonction de la valeur du [EventSourceName](https://docs.aws.amazon.com/connect/latest/APIReference/API_RuleTriggerEventSource.html)paramètre.
Supposons, par exemple, que vous configurez une action de tâche et que vous souhaitez ajouter du contexte. Voici un exemple de la façon dont vous pouvez utiliser des injections de variables pour inclure l’ID du contact et l’ID de l’agent dans le champ `Description` de la tâche :
+ Le client n’est pas satisfait de l’appel téléphonique. Un juron a été détecté lors de la conversation avec l’agent `$.ContactLens.PostCall.Agent.AgentId` dans le contact `$.ContactLens.PostCall.ContactId`
Lorsque l’action est déclenchée, sa chaîne devient « Le client n’est pas satisfait de l’appel téléphonique. Un juron a été détecté lors d'une conversation avec l'agent 12345678-1234-1234-1234- dans le contact 87654321-1234-1234-1234-1234- » EXAMPLEID012 EXAMPLEID345
Le tableau suivant répertorie chaque source d'événement, ainsi que les sources JSONPath à utiliser pour les champs qui prennent en charge l'injection de variables.
| EventSourceName | JSONPath Référence |
| --- | --- |
| OnPostCallAnalysisAvailable | \$1.ContactLens.PostCall.ContactId \$1. ContactLens. PostCall.Agent. AgentId \$1. ContactLens. PostCall.File d'attente. QueueId |
| OnRealTimeCallAnalysisAvailable | \$1.ContactLens.RealTimeCall.ContactId \$1. ContactLens. RealTimeCall.Agent. AgentId \$1. ContactLens. RealTimeCall.File d'attente. QueueId |
| OnPostChatAnalysisAvailable | \$1.ContactLens.PostChat.ContactId \$1. ContactLens. PostChat.Agent. AgentId \$1. ContactLens. PostChat.File d'attente. QueueId |
| OnSalesforceCaseCreate | \$1. ThirdParty.Salesforce. CaseCreate. CaseNumber \$1. ThirdParty.Salesforce. CaseCreate.Nom \$1. ThirdParty.Salesforce. CaseCreate.Courrier électronique \$1. ThirdParty.Salesforce. CaseCreate.Téléphone \$1. ThirdParty.Salesforce. CaseCreate.Entreprise \$1. ThirdParty.Salesforce. CaseCreate.Type \$1. ThirdParty.Salesforce. CaseCreate.Raison \$1. ThirdParty.Salesforce. CaseCreate. Origine \$1. ThirdParty.Salesforce. CaseCreate.Objet \$1. ThirdParty.Salesforce. CaseCreate.Priorité \$1. ThirdParty.Salesforce. CaseCreate. CreatedDate \$1. ThirdParty.Salesforce. CaseCreate.Descriptif |
| OnZendeskTicketCreate | \$1. ThirdParty.Zendesk. TicketCreate.Identifiant \$1. ThirdParty.Zendesk. TicketCreate.Priorité \$1. ThirdParty.Zendesk. TicketCreate. CreatedAt |
| OnZendeskTicketStatusUpdate | \$1. ThirdParty.Zendesk. TicketStatusUpdate.Identifiant \$1. ThirdParty.Zendesk. TicketStatusUpdate.Priorité \$1. ThirdParty.Zendesk. TicketStatusUpdate. CreatedAt |
# Recherche de conversations analysées par Contact Lens
Vous pouvez rechercher dans les enregistrements analysés et transcrits en fonction des éléments suivants :
+ Locuteur (agent ou client)
+ Mots clés
+ Score de sentiment
+ Temps de non-conversation (pour les appels uniquement)
+ Temps de réponse (pour les chats uniquement)
En outre, vous pouvez rechercher des conversations appartenant à des catégories de contacts spécifiques (c’est-à-dire que la conversation a été classée en fonction de expressions et de mots clés prononcés).
Ces critères sont décrits dans les sections suivantes.
**Important**
Lorsque Contact Lens est activé sur un contact, après la fin d’un appel ou d’un chat **et** que l’agent a terminé le travail après contact (ACW), Contact Lens analyse (et pour les appels, transcrit) l’enregistrement de la conversation entre le client et l’agent. L’agent doit d’abord choisir **Fermer le contact**.
Les transcriptions de chat sont indexées pour la recherche lorsque Contact Lens est activé ; elles ne sont pas indexées pour la recherche si Contact Lens n’est pas activé.
## Autorisations requises pour rechercher des conversations
Avant de pouvoir rechercher des conversations, vous devez disposer des autorisations suivantes dans le profil de sécurité. Elles vous permettent d’effectuer le type de recherche que vous voulez.
+ Activez l’une des autorisations suivantes pour accéder à la page **Recherche de contacts** :
+ **Recherche de contacts**. Permet de rechercher tous les contacts.
+ **Afficher mes contacts** : vous permet de rechercher uniquement les contacts que vous avez gérés en tant qu’agent.
+ **Rechercher des contacts par caractéristiques de conversation**. Cela inclut le temps de non-conversation, le score de sentiment et la catégorie de contact.
+ **Rechercher des contacts par mots-clés**
Pour de plus amples informations, veuillez consulter [Attribution des autorisations](permissions-for-contact-lens.md).
## Rechercher des mots ou des expressions
Pour la recherche par mot clé, Contact Lens utilise l'`standard`analyseur d'Amazon OpenSearch Service. Cet analyseur n’est pas sensible à la casse. Par exemple, si vous entrez *merci de faire affaire avec nous 2 vols ANNULÉS*, la recherche porte sur :
[merci, de, faire, affaire, avec, nous 2, vols, annulés]
Si vous entrez *« merci de faire affaire avec nous », deux, « vols ANNULÉS »*, la recherche porte sur :
[remerciements pour votre entreprise, deux, vols annulés]
**Pour rechercher des mots ou des expressions dans les conversations**
1. Dans Amazon Connect, connectez-vous avec un compte utilisateur auquel le profil de **CallCenterManager**sécurité a été attribué ou qui est activé pour l'autorisation de **recherche de contacts par mots clés**.
1. Choisissez **Analytique et optimisation**, puis **Recherche de contacts**.
1. Dans la section **Filtre**, spécifiez la période dans laquelle rechercher, et le canal.
**Astuce**
Lorsque vous effectuez une recherche par date, vous pouvez rechercher sur un maximum de 8 semaines à la fois.
1. Choisissez **Cliquer ici pour ajouter un filtre**, puis dans le menu déroulant, choisissez **Mots ou expressions**.
![\[La page Recherche de contacts, la section Filtres, le menu déroulant Ajouter des filtres, l’option Mots ou expressions.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
1. Dans la section **Utilisé par**, choisissez la partie de la conversation que vous souhaitez rechercher. Notez ce qui suit :
+ **Système** s’applique au chat, où le participant peut être un bot Lex ou une invite.
+ Pour rechercher des mots ou des expressions utilisés par tous les participants, sélectionnez **Agent**, **Client**, **Système**.
+ Si aucune case n’est cochée, cela signifie rechercher des mots ou des expressions utilisés par l’un des participants.
1. Dans la section **Logique**, choisissez parmi les options suivantes :
+ Choisissez **Correspondre à n’importe lequel** pour renvoyer les contacts dont les transcriptions contiennent l’un quelconque des mots.
Par exemple, la requête suivante équivaut à la correspondance (hello OR cancellation OR "example airline"). Et comme aucune case **Utilisé par** n’est sélectionnée, cela signifie « rechercher des contacts où l’un de ces mots a été utilisé par l’un des participants ».
![\[La boîte de dialogue Mots ou expressions, option Correspondre à n’importe lequel.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/match-any.png)
+ Choisissez **Correspondre à tous** pour renvoyer les contacts dont les transcriptions contiennent tous les mots.
Par exemple, la requête suivante équivaut à la correspondance ("thank you for your business" AND cancellation AND "example airline"). Et comme toutes les cases réservées aux participants sont sélectionnées, cela signifie « rechercher des contacts où tous ces mots et expressions ont été utilisés par tous les participants ».
![\[La boîte de dialogue Mots ou expressions, option Correspondre à tous.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/match-all.png)
1. Dans la section **Mots ou expressions**, entrez les mots à rechercher, séparés par des virgules. Si vous entrez une expression, placez-la entre guillemets.
Vous pouvez entrer jusqu’à 128 caractères.
## Recherche d’un score de sentiment ou évaluation du changement de sentiment
Contact Lens vous permet de rechercher des scores de sentiment ou des changements de ressenti dans les conversations sur une échelle de -5 (le plus négatif) à \$15 (le plus positif). Cela vous permet d’identifier les modèles et les facteurs qui expliquent pourquoi les appels se passent bien ou mal.
![\[La page de recherche de contacts, le filtre de score de sentiment.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-sentiment-score-shift.png)
Par exemple, supposons que vous souhaitez identifier et examiner tous les appels qui se sont terminés sur un sentiment négatif du client. Vous pouvez rechercher tous les contacts où le score de sentiment est **<=** (inférieur ou égal à) -1.
Pour de plus amples informations, veuillez consulter [Étude des scores de sentiment](sentiment-scores.md).
**Pour rechercher des scores de sentiment ou évaluer le changement de sentiment**
1. Dans Amazon Connect, connectez-vous avec un compte utilisateur auquel le profil de **CallCenterManager**sécurité a été attribué ou qui est activé pour l'autorisation de **recherche de contacts en fonction des caractéristiques de conversation**.
1. Dans la page **Recherche de contacts**, indiquez si vous souhaitez le score de sentiment des mots ou expressions prononcés par le client ou par l’agent.
1. Dans **Type d’analyse de score**, spécifiez le type de score à renvoyer :
+ **Score de sentiment** : cette option renvoie le score moyen pour la partie de la conversation consacrée au client ou à l’agent.
En plus de rechercher les scores de sentiment lorsque l’agent ou le client figure sur le contact, vous pouvez filtrer la recherche en fonction du moment où le client est :
+ **Avec un agent sur le chat**
+ **Sans agent sur le chat** : il s’agit du temps pendant lequel le client discute avec un bot, des invites et du temps passé dans la file d’attente.
![\[Le filtre Score de sentiment, le menu déroulant des participants, l’option Client sans agent sur le chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-search-sentiment-participant.png)
+ **Changement de sentiment** : identifiez les points sur lesquels le sentiment du client ou de l’agent a changé pendant le contact.
Par exemple, les images suivantes illustrent un exemple de recherche de contacts dont le score de sentiments du client est compris entre un niveau inférieur ou égal à -1 et un niveau supérieur ou égal à \$11. De plus, le client est sur un chat avec l’agent présent.
![\[Le filtre de score de sentiment, l’option de changement de sentiment.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-search-sentiment-score.png)
## Recherche de temps de non-conversation
Pour vous aider à identifier les appels à examiner en détail, vous pouvez rechercher le temps sans parler. Par exemple, vous pouvez rechercher tous les appels où le temps sans parler est supérieur à 20 %, puis les examiner en détail.
Le temps sans parler comprend le temps d’attente et tout silence où les deux participants ne parlent pas pendant plus de trois secondes. Cette durée ne peut pas être personnalisée.
Utilisez la flèche déroulante vers le bas pour indiquer s’il faut rechercher la durée ou le pourcentage du temps sans parler dans les conversations. Ces options sont décrites dans l’image suivante.
Pour plus d’informations sur l’utilisation de ces métriques, consultez [Étude du temps de non-conversation](non-talk-time.md).
![\[Le filtre de temps de non-conversation, les options de durée et de pourcentage.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/non-talk-time.png)
## Recherche par temps de réponse pour les conversations par chat
Vous pouvez effectuer une recherche par :
+ Temps de réponse moyen de l’agent ou du client pendant le chat
+ Temps de réponse maximum de l’agent ou du client pendant le chat
Vous indiquez si la durée est inférieure, supérieure ou égale à une durée spécifique. Pour plus d’informations sur l’utilisation de ces métriques, consultez [Étude du temps de réponse pendant les chats dans Contact Lens](response-time.md).
Pour connaître les temps de réponse minimaux et maximaux pris en charge, consultez [Amazon Connect Spécifications des fonctionnalités des règles](feature-limits.md#rules-feature-specs).
L’image suivante montre une recherche de contacts pour lesquels le temps de réponse moyen de l’agent était supérieur ou égal à 1 minute.
![\[Le filtre de temps de réponse.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/response-time.png)
## Recherche d’une catégorie de contact
1. Sur la page **Recherche de contacts**, choisissez **Ajouter un filtre**, **Catégorie de contact**.
1. Dans la zone **Catégories de contact**, utilisez la liste déroulante pour répertorier toutes les catégories actuelles que vous pouvez rechercher. Si vous commencez à taper, l’entrée est utilisée pour faire correspondre les catégories existantes et pour filtrer celles qui ne correspondent pas.
+ **Correspondre à n’importe lequel** : recherche les contacts correspondant à l’une des catégories sélectionnées.
+ **Correspondre à tous** : recherche les contacts correspondant à toutes les catégories sélectionnées.
+ **Ne faire correspondre à aucun** : recherche les contacts ne correspondant à aucune des catégories sélectionnées. Notez que cela ne renvoie que les contacts analysés par l’analytique conversationnelle Contact Lens.
L’image suivante montre un menu déroulant répertoriant toutes les catégories actuelles.
![\[Le filtre des catégories de contacts, l’option Correspondre à tous, les catégories de contacts.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-search-contact-category2.png)
# Examen des conversations analysées à l’aide de Contact Lens
En utilisant Amazon Connect Contact Lens, vous pouvez vérifier la transcription et déterminer la partie du contact qui vous intéresse. Vous n’aurez pas besoin d’écouter l’intégralité d’un appel ou de lire la transcription complète d’un chat pour découvrir ce qui est intéressant. Vous pouvez vous concentrer sur des parties spécifiques de l’audio ou de la transcription. Les deux sont mis en évidence pour vous partout où il y a des points d’intérêt.
Par exemple, vous pouvez analyser la transcription du contact et voir un émoji rouge représentant le tour d’un client, ce qui indique que le client exprime un sentiment négatif. Vous pouvez choisir l’horodatage et passer à cette partie de l’enregistrement audio ou de l’interaction par chat.
L’image suivante montre un exemple de contact vocal.
![\[Analyse d’un contact vocal.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-category-hit.png)
L’image suivante montre un exemple de contact par chat. **Message système** s’applique au chat, où le participant peut être un bot Lex ou une invite.
![\[Analyse d’un contact par chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-category-hit-chat.png)
**Pour passer en revue les conversations analysées**
1. Connectez-vous à Amazon Connect avec un compte d’utilisateur doté des autorisations **Recherche de contacts** et **Contact Lens – analytique conversationnelle** dans le profil de sécurité.
1. Dans Amazon Connect, choisissez **Analytique et optimisation**, puis **Recherche de contacts**.
1. Utilisez les filtres de la page pour affiner votre recherche de contacts. Pour la date, vous pouvez rechercher jusqu’à 14 jours à la fois. Pour plus d’informations sur la recherche de contacts, consultez [Recherche de contacts terminés et en cours](contact-search.md).
1. Choisissez l’ID de contact pour afficher les détails du contact.
1. Dans les sections **Enregistrement** et **Transcription** de la page **Détails de contact**, examinez ce qui a été dit, quand cela a été dit et le sentiment associé.
1. Pour les appels, si vous le souhaitez, choisissez l’invite de lecture pour écouter l’enregistrement. Vous pouvez également cliquer sur la partie correspondante de l’enregistrement pour écouter la partie qui vous intéresse.
1. Pour les chats, si vous le souhaitez, utilisez le graphique pour accéder à la partie de la transcription qui vous intéresse.
# Navigation dans les transcriptions et les fichiers audio dans Amazon Connect Contact Lens
Les superviseurs sont souvent tenus de passer en revue les contacts de nombreux agents, à des fins d’assurance qualité. Les données de turn-by-turn transcription et de sentiment vous aident à identifier rapidement la partie de l'enregistrement qui vous intéresse et à y accéder rapidement.
L’image suivante d’un enregistrement de contact montre des fonctionnalités qui vous permettent de parcourir rapidement les transcriptions et l’audio pour trouver les domaines qui nécessitent votre attention. Même si l’image montre un contact vocal, les mêmes fonctionnalités s’appliquent aux contacts par chat.
![\[Analyse d’un contact vocal.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-navigate-transcripts2.png)
1. Utilisez [Afficher les points saillants](#contact-lens-contact-summarization) pour examiner uniquement le problème, le résultat et l' and/or action à entreprendre.
1. Utilisez [Défilement automatique](#autoscroll) pour les contacts vocaux, pour parcourir l’audio ou la transcription. Les deux restent toujours synchronisés.
1. Recherchez des [émojis de sentiments](#sentiment-emojis) pour identifier rapidement une partie de la transcription que vous souhaitez lire ou écouter.
1. Choisissez l’horodatage pour accéder directement à cette partie de l’enregistrement audio ou de la transcription. L’horodatage est calculé à partir du début de l’interaction avec le client au sein du contact.
## Afficher les principaux points forts
L’examen des transcriptions de contacts de plusieurs centaines de lignes peut prendre beaucoup de temps. Pour accélérer ce processus et augmenter son efficacité, Contact Lens vous permet de visualiser les principaux points forts. Les points forts montrent uniquement les lignes où Contact Lens a identifié un problème, un résultat ou un élément d’action dans la transcription.
+ **Problème** représente le pilote d’appel. Par exemple, « Je pense passer à votre plan d’abonnement en ligne ».
+ **Résultat** représente la conclusion ou le résultat probable du contact. Par exemple, « Sur la base de votre plan actuel, je recommanderais les plans Essentials en ligne que nous avons. »
+ **Élément d’action** représente l’action entreprise par l’agent. Par exemple, « Restez à l’affût d’un e-mail contenant un devis. Je vous l’enverrai sous peu. »
Chaque contact n’a qu’un seul problème, un seul résultat et un élément d’action. Tous les contacts n’auront pas les trois.
**Note**
Si Contact Lens affiche le message **Il n’y a aucun point fort pour cette transcription**, cela signifie qu’aucun problème, résultat ni élément d’action n’a été identifié.
Vous n’avez pas besoin de configurer les principaux points forts. Il fonctionne out-of-the-box sans aucune formation du modèle d'apprentissage automatique.
## Activez le défilement automatique pour synchroniser la transcription et l’audio
Pour les contacts vocaux, utilisez **Défilement automatique** pour parcourir l’audio ou la transcription, et les deux restent toujours synchronisés. Par exemple :
+ Lorsque vous écoutez une conversation, la transcription se déplace avec elle, vous montrant les émojis de sentiment et tout problème détecté.
+ Vous pouvez parcourir la transcription et choisir l’horodatage du tour pour écouter ce point précis de l’enregistrement.
L’audio et la transcription étant alignés, la transcription peut vous aider à comprendre ce que disent l’agent et le client. Cette approche est utile lorsque :
+ Le son est mauvais, peut-être à cause d’un problème de connexion. La transcription peut vous aider à comprendre ce qui est dit.
+ Il existe un dialecte ou une variante linguistique. Nos modèles sont formés à différents accents, de sorte que la transcription peut vous aider à comprendre ce qui est dit.
## Recherche d’émojis de sentiment
Les émojis de sentiment vous aident à analyser rapidement une transcription afin que vous puissiez écouter cette partie de la conversation.
Par exemple, lorsque vous voyez des émojis rouges représentant le tour du client, puis un émoji vert, vous pouvez choisir l’horodatage pour passer directement à un point précis de la conversation afin de vérifier comment l’agent a aidé le client.
## Appuyez ou cliquez sur les balises de catégories pour parcourir la transcription
Lorsque vous appuyez ou cliquez sur les balises de catégorie, vous Contact Lens accédez automatiquement à la catégorie correspondante point-of-interests dans la transcription. La visualisation de l’interaction comporte également des marqueurs de catégorie pour indiquer quelle partie du fichier d’enregistrement contient des énoncés liés à la catégorie.
L’image suivante montre une partie de la page **Détails de contact** d’un chat.
![\[Une transcription du chat, une catégorie, la section correspondante de la transcription.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-category-tag-navigation.png)
# Affichage des résumés post-contact optimisés par l’IA générative dans Amazon Connect
**Note**
**Propulsé par Amazon Bedrock** : AWS implémente la [détection automatique des abus](https://docs.aws.amazon.com//bedrock/latest/userguide/abuse-detection.html). Le résumé post-contact optimisé par l’IA générative étant basé sur Amazon Bedrock, les utilisateurs peuvent tirer pleinement parti des contrôles mis en œuvre dans Amazon Bedrock pour renforcer la sûreté, la sécurité et l’utilisation responsable de l’intelligence artificielle (IA).
Vous pouvez gagner un temps précieux grâce aux résumés post-contact optimisés par l’IA générative qui fournissent des informations essentielles à partir des conversations avec les clients, dans un format structuré, concis et facile à lire. Vous pouvez rapidement passer en revue les résumés et comprendre le contexte au lieu de lire les transcriptions et de surveiller les appels.
Vous pouvez accéder aux résumés post-contact optimisés par l’IA générative de différentes manières :
+ **Les agents** peuvent accéder aux résumés post-contact des contacts vocaux et électroniques sur le panneau de contrôle des contacts (CCP). Ils peuvent utiliser les résumés pour terminer rapidement leur travail après contact (ACW). Pour en apprendre plus sur l’expérience de l’agent, consultez [Consultez les résumés post-contact sur le CCP](#summaries-on-agentws).
+ **Les responsables et les superviseurs** peuvent accéder aux résumés des contacts vocaux, par chat et par e-mail sur le site Web de l' Amazon Connect administration, sur les pages **Détails du contact** et sur les pages de **recherche de contacts**. Ils peuvent utiliser les résumés pour comprendre rapidement les problèmes et les résultats pour les contacts qu’ils examinent. Pour en savoir plus sur l’expérience des responsables, consultez [Afficher les résumés post-contact sur le site Web de l'administrateur Amazon Connect](#summaries-on-website).
+ **Les développeurs** peuvent directement [APIs](contact-lens-api.md)intégrer les résumés depuis des systèmes tiers. Ils peuvent également être [intégrés à Amazon Kinesis Data](contact-analysis-segment-streams.md) Streams pour diffusion. Cette dernière option est utile lorsque vous avez des charges plus élevées et que vous souhaitez éviter que le TPS ne soit limité.
**Topics**
+ [Activation des résumés post-contact](#gen-ai-getstarted)
+ [Activer les résumés de contacts pour les e-mails](#enable-email-summaries)
+ [Consultez les résumés post-contact sur le CCP](#summaries-on-agentws)
+ [Afficher les résumés post-contact sur le site Web de l'administrateur Amazon Connect](#summaries-on-website)
+ [Pourquoi aucun résumé n’est généré](#summary-not-generated)
## Activation des résumés post-contact
**Pour activer les résumés post-contact sur le CCP de l’agent pour les contacts vocaux**
1. Ajoutez un bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) à votre flux.
1. Configurez la page **Propriétés** du bloc :
1. Définissez **Enregistrement d’appels** sur **Activé**. Choisissez **Agent et client**, comme illustré dans l’image suivante.
![\[La page des propriétés du bloc Définir le comportement d’enregistrement et d’analytique, configurée pour l’enregistrement des appels.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/call-recording-summaries.png)
1. Définissez **Analytique** sur **Activé**.
1. Choisissez **Activer l’analytique vocale**.
1. Choisissez **Analytique en temps réel et après appel**.
1. Sous **Capacités d’IA générative Contact Lens**, choisissez **Résumé post-contact**.
L’image suivante montre la section **Analytique** d’une page **Propriétés** configurée pour activer les résumés post-contact sur le CCP de l’agent :
![\[La page des propriétés du bloc Définir le comportement d’enregistrement et d’analytique.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/set-block-post-contact-summaries-ccp.png)
1. Attribuez les autorisations suivantes au profil de sécurité de l’agent :
+ **Panneau de configuration des contacts (CCP) – Données Contact Lens – Accès**
+ **Analyse et optimisation – Contact Lens – résumé post-contact – Afficher**
+ **Analyse et optimisation – Conversations enregistrées (modifiées)**, **Afficher les conversations enregistrées (non modifiées)**, **Toutes** ou **Accès** (le moindre privilège est **Accès**, qui est recommandé)
+ **Analytique et optimisation – Afficher mes contacts** ou **Rechercher des contacts**
**Pour activer les résumés post-contact sur le site Web de l'administrateur Amazon Connect**
1. Configurez la page **Propriétés** de [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md) comme suit :
1. Définissez **Analytique** sur **Activé**.
1. Choisissez **Activer l’analytique vocale**, **Activer l’analytique de conversations instantanées**, ou les deux.
Si vous choisissez l’analytique vocale, choisissez l’une des options suivantes :
+ **Analytique après appel**
+ **Analytique en temps réel et après appel** : choisissez cette option si l’utilisateur souhaite consulter les résumés post-contact pour les contacts en cours (l’agent est toujours à l’étape ACW mais l’appel est terminé).
1. L’option Rédaction granulaire n’est pas prise en charge pour le résumé post-contact. Lorsque l’option Rédaction granulaire est sélectionnée, le résumé post-contact modifient toutes les PII dans le texte et les remplace par une balise [PII].
1. Sous **Capacités d’IA générative Contact Lens**, choisissez **Résumé post-contact**.
1. Attribuez les autorisations suivantes au profil de sécurité de l’utilisateur :
+ **Analytique et optimisation – Recherche de contacts** OU **Afficher mes contacts**
+ **Analyse et optimisation – Contact Lens – résumé post-contact – Afficher**
+ **Analyse et optimisation – Conversations enregistrées (modifiées)**, **Afficher les conversations enregistrées (non modifiées)**, **Toutes** ou **Accès** (le moindre privilège est **Accès**, qui est recommandé)
## Activer les résumés de contacts pour les e-mails
**Pour activer les résumés de contacts pour les contacts par e-mail**
1. Ajoutez un [Définissez le comportement d'enregistrement, d'analyse et de traitement](set-recording-analytics-processing-behavior.md) bloc à votre flux d'e-mails entrants.
1. Configurez la page **Propriétés** du bloc :
1. Pour **Canal**, choisissez **E-mail**.
1. Définissez **Analytique** sur **Activé**.
1. Choisissez **Activer l'analyse des e-mails**.
1. Sous **Fonctionnalités de l'IA Contact Lens générative**, sélectionnez **Résumé des contacts**.
1. Choisissez **Enregistrer**.
## Consultez les résumés post-contact sur le CCP
Pour aider les agents à effectuer leur travail après contact (ACW), Amazon Connect affiche un résumé post-contact optimisé par l’IA générative sur leur CCP pour les contacts vocaux. L’image suivante illustre un exemple de résumé :
![\[Le panneau de configuration des contacts affiche un résumé optimisé par l’IA générative pendant le travail après contact (ACW).\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/genai-summary-ccp1.png)
1. L’agent est à l’état ACW. Il peut parcourir la transcription tandis qu’une bannière « Génération du résumé » est affichée en haut de la page.
1. Pendant que l’agent parcours la transcription, un message s’affiche indiquant que le résumé est disponible. Si l’agent clique sur la bannière, le CCP repasse au haut de la page où le résumé est affiché.
1. La bannière disparaît une fois que l’agent a cliqué dessus.
**Note**
Les résumés post-contact basés sur l'IA générative prennent en charge les contacts vocaux, par chat et par e-mail sur le CCP.
## Afficher les résumés post-contact sur le site Web de l'administrateur Amazon Connect
Pour aider les responsables et les autres utilisateurs à consulter les contacts, ils peuvent consulter les résumés post-contact sur le site Web de l' Amazon Connect administration. Vous trouverez ci-dessous un exemple de résumé post-contact optimisé par l’IA générative sur la page **Détails de contact**.
![\[La page Détails de contact affiche un résumé post-contact optimisé par l’IA générative avec des informations structurées sur la conversation avec le client.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/genai-summary2.png)
L’image suivante illustre un exemple de résumé post-contact optimisé par l’IA générative sur la page **Recherche de contacts**.
![\[La page Recherche de contacts affiche des résumés post-contact optimisés par l’IA générative pour plusieurs interactions avec les clients présentés sous forme de liste.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/genai-summary-contactsearch2.png)
Chaque contact n’a pas plus d’un résumé généré. Tous les contacts ne disposent pas d’un résumé généré ; pour plus d’informations, consultez [Pourquoi aucun résumé n’est généré](#summary-not-generated).
## Pourquoi aucun résumé n’est généré
Si aucun résumé n’est généré, un message d’erreur s’affiche sur les pages **Détails de contact** et **Recherche de contacts**. En outre, le ReasonCode code d'erreur apparaît dans l'`ContactSummary`objet du fichier Contact Lens de sortie, comme dans l'exemple suivant :
```
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "POST_CONTACT_SUMMARY",
"ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT"
}
]
},
```
Ci-dessous se trouve une liste des messages d’erreur qui peuvent s’afficher sur les pages Détails de contact ou Recherche de contacts si aucun résumé n’est généré. Le code de motif associé qui apparaît dans le fichier de sortie Contact Lens est également répertorié.
+ **Le résumé n'a pas pu être généré en raison du dépassement du quota de résumés simultanés**. ReasonCode:`QUOTA_EXCEEDED`.
Si vous recevez ce message, nous vous recommandons de [soumettre un ticket](https://console.aws.amazon.com/support/home#/case/create?issueType=service-limit-increase&limitType=service-code-connect) pour augmenter le quota de [tâches de résumés post-contact simultanés](amazon-connect-service-limits.md#contactlens-quotas).
+ **Le résumé n'a pas pu être généré en raison d'un nombre insuffisant de conversations éligibles**. ReasonCode:`INSUFFICIENT_CONVERSATION_CONTENT`.
Pour l’audio, au moins un énoncé par participant est requis. Pour le chat, au moins un message de type compatible de chaque participant est requis. Les types de messages pris en charge sont `text/plain` et `text/markdown`. Les messages d’autres types, tels que `application/json`, ne sont pas utilisés pour le résumé.
+ **Contact Flow avait une Contact Lens configuration non valide pour le PostContact résumé, par exemple un code de langue non pris en charge ou non valide**. ReasonCode:`INVALID_ANALYSIS_CONFIGURATION`.
Cette erreur est renvoyée si le résumé activé est incompatible avec les autres paramètres Contact Lens, en particulier s’il est activé pour une langue non prise en charge.
+ **Le résumé ne peut pas être fourni car il ne satisfaisait pas aux exigences de sécurité et de qualité.** ReasonCode:`FAILED_SAFETY_GUIDELINES`.
Cette erreur peut survenir dans Amazon Connect pour les tâches de résumés post-contact simultanés. Amazon Connect transmet les données de contact à Amazon Bedrock pour la génération de résumés. Si les données de contact contiennent des données d’identification personnelle (PII) non expurgées, les instructions de sécurité Amazon Bedrock sont déclenchées. Amazon Bedrock refuse ainsi de générer le résumé pour protéger les informations sensibles, entraînant l’erreur dans Amazon Connect.
+ Erreur interne du système. ReasonCode: `INTERNAL_ERROR`
# Affichage des points clés des conversations avec les clients dans le panneau de configuration des contacts (CCP)
L’examen des transcriptions de contacts de plusieurs centaines de lignes peut prendre beaucoup de temps. Pour accélérer ce processus et augmenter son efficacité, Contact Lens identifie et étiquette automatiquement les parties essentielles des conversations avec les clients, puis affiche les points clés des conversations. Les responsables peuvent visualiser ces points forts sur la page **Détails de contact**. Les agents peuvent visualiser les points forts dans le panneau de configuration des contacts (CCP).
**Astuce**
Pour obtenir la liste des langues prises en charge, consultez la colonne *Principaux points saillants* de la rubrique [Langues prises en charge par Amazon Connect Contact Lens](supported-languages.md#supported-languages-contact-lens).
Une fois que vous avez activé Contact Lens, il identifie les éléments essentiels d’une conversation avec un client, leur attribue des étiquettes (tels que problème, résultat ou élément d’action) et affiche les points clés de la conversation avec le client. Vous pouvez développer les points forts pour afficher la transcription complète du contact.
L’exemple suivant montre les principaux points forts sur la page **Détails de contact**.
![\[Principaux points forts sur la page Détails de contact.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-key-highlights.png)
1. Activez ou désactivez l’option **Afficher les principaux points forts** selon les besoins.
1. **Problème** représente le pilote du contact. Par exemple, « Je pense passer à votre plan d’abonnement en ligne ».
1. **Élément d’action** représente l’action entreprise par l’agent. Par exemple, « Restez à l’affût d’un e-mail contenant un devis. Je vous l’enverrai sous peu. »
1. **Résultat** représente la conclusion ou le résultat probable du contact. Par exemple, « Sur la base de votre plan actuel, je recommanderais notre plan Essentials en ligne ».
Les contacts ont un seul problème, un seul résultat et un seul élément d’action. Il est possible que certains contacts n’aient pas les trois.
**Note**
Vous voyez le message **Il n’y a aucun point fort pour cette transcription** quand Contact Lens ne peut pas identifier un problème, un résultat ou un élément d’action.
Pour en savoir plus sur l’expérience de l’agent (quelle partie de la transcription est affichée dans le panneau de configuration des contacts (CCP) et à quel moment), consultez [Conception d’un flux pour obtenir les principaux points forts](enable-analytics.md#call-summarization-agent).
# Utilisation de la détection des thèmes dans Amazon Connect Contact Lens pour découvrir les problèmes liés aux contacts
Utilisez la détection de thèmes pour découvrir des thèmes de contact auparavant inconnus ou émergents à partir de milliers d’interactions avec les clients. Par exemple, vous pouvez identifier les motifs les plus courants des contacts de clients, par exemple « annuler une réservation » ou « retarder la commande ». Vous pouvez ensuite prendre les mesures appropriées pour améliorer l’expérience client en accélérant la résolution des problèmes et en améliorant les options d’IVR, les articles de la base de connaissances et la formation de l’agent.
## Points importants à connaître
+ La détection de thèmes est disponible dans les langues suivantes prises en charge par Amazon Connect Contact Lens :
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/use-theme-detection.html)
+ La détection de thèmes est prise en charge sur les contacts créés le 30 janvier 2023 ou après cette date.
+ Le bouton **Générer un rapport sur les thèmes** n’est activé que lorsque la recherche enregistrée contient au moins 300 contacts présentant des problèmes détectés par Contact Lens.
+ Le rapport de détection des thèmes est généré pour les 3 000 contacts les plus récents.
+ Les rapports de détection des thèmes sont disponibles pendant 30 jours après leur création. Après 30 jours, les rapports sont supprimés de la base de données et ne peuvent pas être récupérés.
+ Les 20 rapports sur les thèmes les plus récents pour une recherche enregistrée sont disponibles dans le menu déroulant **Afficher les rapports sur le thème**, comme illustré dans l’image suivante.
![\[La page de recherche de contacts, le menu déroulant Afficher les rapports sur les thèmes.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-view-theme-reports.png)
## Comment générer un rapport sur le thème
1. Connectez-vous à Amazon Connect à l’aide d’un compte disposant des autorisations de profil de sécurité suivantes :
+ **Recherche de contacts - Accéder**
+ **Contact Lens : détection de thème – Créer**
+ **Contact Lens : détection de thème – Afficher**
1. Dans Amazon Connect, dans le menu de navigation de gauche, choisissez **Analytique et optimisation**, **Recherche de contacts**.
1. Sur la page **Recherche de contacts**, appliquez des filtres pour sélectionner un groupe de contacts qui ont été analysés par Contact Lens.
**Important**
La requête de recherche doit renvoyer au moins 300 contacts présentant des problèmes détectés par Contact Lens. Dans le cas contraire, le bouton **Générer un rapport sur les thèmes** n’est pas activé.
1. Choisissez **Enregistrer la recherche** pour enregistrer les résultats. Attribuez un nom à la recherche.
1. Choisissez **Générer un rapport sur les thèmes**.
Contact Lens applique le machine learning pour regrouper automatiquement les contacts présentant des problèmes similaires. Lorsque le rapport est généré, une bannière affiche un lien vers le rapport sur le thème. L’image suivante montre un exemple de bannière.
![\[La page de recherche de contacts, la bannière de détection de thème.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-theme-detection-banner.png)
1. Cliquez ou appuyez sur le lien du rapport sur le thème.
Le rapport sur le thème s’affiche. Il inclut des étiquettes de thèmes et une liste de contacts, comme illustré dans l’image suivante.
![\[Un rapport sur le thème avec plusieurs étiquettes de thèmes.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-theme-detection-drilldown.png)
1. Cliquez ou appuyez sur les étiquettes des thèmes pour afficher les contacts associés, écouter des enregistrements spécifiques et lire les transcriptions pour une analyse plus approfondie.
# Étude des scores de sentiment lors des conversations de contact à l’aide de Contact Lens
## Que sont les scores de sentiment ?
Un score de sentiment est une analyse d’un texte et une évaluation indiquant si ce texte contient un discours principalement positif, négatif ou neutre. Les superviseurs peuvent utiliser des scores de sentiment pour inspecter des conversations et identifier les appels associés à différents degrés d’expériences client, positifs ou négatifs. Cela les aide à identifier rapidement les contacts à examiner en détail.
Vous pouvez consulter le score de sentiment pour l’ensemble de la conversation, ainsi que la tendance des sentiments sur l’ensemble du contact.
## Comment étudier les scores de sentiment
Lorsque vous vous efforcez d’améliorer le centre de contact, vous pouvez vous concentrer sur les points suivants :
+ Contacts qui commencent avec un score de sentiment positif mais se terminent avec un score négatif.
Si vous souhaitez vous concentrer sur un nombre limité de contacts à échantillonner à des fins d’assurance qualité, par exemple, vous pouvez examiner les contacts pour lesquels vous savez que le client avait un sentiment positif au début, mais qu’il a fini avec un sentiment négatif. Cela montre qu’il a quitté la conversation mécontent de quelque chose.
+ Contacts qui commencent avec un score de sentiment négatif mais se terminent avec un score positif.
L’analyse de ces contacts vous aidera à identifier les expériences que vous pouvez recréer dans le centre de contact. Vous pouvez partager des techniques efficaces avec d’autres agents.
Une autre façon d’examiner la progression du sentiment consiste à vérifier la courbe de tendance du sentiment. Vous pouvez constater la variation du sentiment du client à mesure que le contact progresse. Par exemple, l’image suivante montre une conversation dont le score de sentiment est très faible au début de la conversation, puis il devient plus positif pour redevenir faible à la fin.
![\[Tendance des sentiments des clients.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-sentiment-trend.png)
Pour de plus amples informations, veuillez consulter [Recherche d’un score de sentiment ou évaluation du changement de sentiment](search-conversations.md#sentiment-search).
## Comment sont déterminés les scores de sentiment
Amazon Connect Contact Lens analyse le sentiment de chaque réplique dans une conversation comme étant positif, négatif ou neutre. Il prend ensuite en compte deux facteurs pour chaque tour de participant afin d’attribuer un score compris entre -5 et \$15 pour chaque période de l’appel :
+ Fréquence. Nombre de fois où le sentiment est positif, négatif ou neutre.
+ Séries de sentiments. Tours consécutifs avec le même sentiment.
Le score de sentiment global est la moyenne des scores attribués pendant chaque partie de l’appel.
# Étude du temps de non-conversation pendant les appels à l’aide de Amazon Connect Contact Lens
## Qu’est-ce que le temps de non-conversation ?
Amazon Connect Contact Lens identifie également le *temps sans parler******* global dans un appel. Temps de non-conversation = temps d’attente \$1 tout silence où les deux participants ne parlent pas pendant plus de 3 secondes. Cette durée ne peut pas être personnalisée.
L’image suivante montre l’emplacement des données de temps de non-conversation sur la page **Détails de contact**.
![\[La page des détails de contact, la section consacrée au temps de conversation, les données de temps de non-conversation.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-nontalk-time-overview.png)
## Comment étudier le temps de non-conversation
Le temps de non-conversation peut vous aider à identifier les appels qui se sont mal passés. Cela peut être dû au fait que :
+ Le client posait une question nouvelle pour le centre de contact.
+ L’agent met beaucoup de temps à faire quelque chose, mais il est bien formé. Cela indique qu’il peut y avoir un problème avec les outils utilisés par l’agent. Par exemple, les outils ne sont pas suffisamment réactifs ou ne sont pas faciles à utiliser.
+ L’agent n’avait pas de réponse toute faite, mais il est relativement nouveau. Cela indique qu’il a besoin d’une formation supplémentaire.
Vous pouvez décider de vous concentrer ou non sur ces contacts pour améliorer le centre de contacts. Par exemple, vous pouvez accéder à cette section de l’audio, puis consulter la transcription pour voir ce qui se passait.
Dans l’exemple suivant, le temps de non-conversation s’est produit lorsque l’agent recherchait l’ID de parcours de l’appelant. Cela peut indiquer un problème avec les outils de l’agent. Si l’agent est nouveau, il a besoin d’une formation supplémentaire.
![\[L’enregistrement audio et la transcription du contact, le lieu du temps de non-conversation.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-non-talk-time-transcript.png)
Pour de plus amples informations, veuillez consulter [Recherche de temps de non-conversation](search-conversations.md#nontalk-time-search).
# Étude du temps de réponse pendant les chats dans Contact Lens
Utilisez la métrique du temps de réponse pour comprendre la réactivité de l’agent ou du client lors d’un contact par chat.
Contact Lens calcule les métriques suivantes :
+ **Temps d’accueil de l’agent**. Il s’agit du temps de première réponse de l’agent, c’est-à-dire de la rapidité avec laquelle il a interagi avec le client une fois que l’agent a rejoint le chat. Un temps de première réponse long peut expliquer, par exemple, si un client a un sentiment négatif au début de la conversation.
+ **Temps de réponse moyen de l’agent** et **Temps de réponse moyen du client**. Le temps de réponse de l’agent vous permet de vérifier les performances d’un agent par rapport à la base de référence de l’organisation.
+ **Temps de réponse maximal de l’agent** et **Temps de réponse maximal du client**.
Le temps de réponse maximal du client peut expliquer le temps de réponse d’un agent. Par exemple, si un client n’a pas répondu pendant cinq minutes, puis a envoyé un message, il est possible que l’agent ait mis plus de temps que d’habitude à répondre parce qu’il gérait d’autres chats en même temps.
Nous vous recommandons d’examiner les métriques de temps de réponse conjointement avec le graphique des interactions qui montre les lacunes dans la conversation et le sentiment des participants.
Vous pouvez cliquer ou appuyer sur la valeur du temps de réponse le plus long sur le graphique pour être redirigé vers le message associé dans la transcription.
L’image suivante de la page **Détails de contact** montre les métriques relatives aux conversations par chat. Notez que **Temps d’accueil de l’agent** = après que l’agent a rejoint le chat, délai avant qu’il n’envoie la première réponse.
![\[La page des détails de contact, les métriques du chat.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
Pour de plus amples informations, veuillez consulter [Recherche par temps de réponse pour les conversations par chat](search-conversations.md#response-time-search).
# Étude du volume sonore des agents et des clients lors des appels à l’aide de Contact Lens
Un score de volume sonore mesure le volume de la voix du client ou de l’agent pendant un appel. Contact Lens affiche une analyse de la conversation qui vous permet d’identifier les points pour lesquels le client ou l’agent peut parler fort et avoir un sentiment négatif.
## Comment utiliser les scores de volume
Nous vous recommandons d’utiliser les scores de volume en même temps que les sentiments. Recherchez les parties de la conversation où le volume est élevé et où le sentiment est faible. Lisez ensuite cette partie de la transcription ou écoutez cette section de l’appel.
Par exemple, voici une image d’un enregistrement et d’une analyse de transcription. Les barres verticales pointues indiquent les endroits où le client parle fort. Les barres rouges horizontales indiquent que son sentiment est négatif.
![\[La page des détails de contact, les scores de volume.\]](http://docs.aws.amazon.com/fr_fr/connect/latest/adminguide/images/contact-lens-amplitude.png)
# Utilisez la rédaction de données sensibles pour protéger la confidentialité des clients en utilisant Contact Lens
Pour vous aider à protéger la vie privée de vos clients, l'analyse Contact Lens conversationnelle vous permet de supprimer automatiquement les données sensibles des transcriptions de conversations, des fichiers audio et des transcriptions d'e-mails. Il expurge les données sensibles, comme le nom, l’adresse et les informations de carte de crédit en utilisant la compréhension du langage naturel.
Lorsque vous activez l’analytique conversationnelle dans le bloc **Définir le comportement d’enregistrement et d’analytique**, vous avez la possibilité d’activer l’expurgation. Pour de plus amples informations, veuillez consulter [Activation de l’expurgation de données sensibles](enable-analytics.md#enable-redaction).
Pour les contacts vocaux, la suppression des données sensibles est appliquée après la déconnexion d'un appel. Pour les contacts par e-mail, la rédaction est appliquée après la fin du contact par e-mail.
**Important**
La fonctionnalité d’expurgation est conçue pour identifier et supprimer les données sensibles. Cependant, en raison de la nature prédictive du machine learning, celui-ci peut ne pas identifier et supprimer toutes les instances de données sensibles dans une transcription générée par Contact Lens. Nous vous recommandons de passer en revue toute sortie expurgée pour vous assurer qu’elle répond à vos besoins.
La fonctionnalité d’expurgation ne répond pas aux exigences de désidentification prévues par les lois sur la confidentialité médicale, comme la loi américaine de 1996 sur la portabilité et la responsabilité en matière d’assurance maladie (HIPAA). Nous vous recommandons donc de continuer à les traiter comme des informations de santé protégées après leur expurgation.
Pour obtenir une liste des langues prises en charge par la fonctionnalité de rédaction de Contact Lens, consultez [Langues prises en charge par les fonctionnalités Amazon Connect](supported-languages.md).
## À propos des fichiers expurgés
Les fichiers vocaux expurgés sont stockés dans votre compartiment Voice Amazon S3, par exemple : connect- *instanceARN* /Analysis.
Les fichiers de discussion expurgés sont stockés dans votre compartiment Amazon S3 de chat, par exemple : connect- *instanceARN* /Analysis/Chat
Les fichiers e-mail expurgés sont stockés dans votre compartiment Amazon S3 de messagerie, par exemple : connect- *instanceARN* /Analysis/Email
Vous pouvez accéder à tous les fichiers (expurgés, non expurgés, bruts, etc.) via la console AWS , en utilisant la console Amazon S3.
Vous trouverez ci-dessous une liste des éléments auxquels vous pouvez accéder en utilisant le site Web Amazon Connect d'administration (par exemple, sur la page des **coordonnées**), en supposant que vous disposiez des [autorisations de profil de sécurité](permissions-for-contact-lens.md) appropriées :
+ Accédez à des fichiers vocaux, de chat et de courrier électronique expurgés.
+ Téléchargez des enregistrements vocaux expurgés.
**Note**
Actuellement, vous ne pouvez pas télécharger de fichiers de chat et de transcriptions vocales expurgés.
Lorsque la rédaction est activée, Contact Lens génère les fichiers suivants :
+ Un fichier expurgé. Ce fichier est généré par défaut quand Expurgation est activée. Il s’agit du schéma de sortie, avec les données sensibles expurgées. Pour obtenir un exemple de fichier, consultez [Exemple de fichier expurgé pour un appel analysé par l’analytique conversationnelle Contact Lens](contact-lens-example-output-files.md#example-redacted-file).
+ Un fichier original (brut) analysé. Ce fichier est généré uniquement lorsque vous choisissez **Obtenir les transcriptions expurgées et originales avec du contenu audio expurgé** dans le bloc [Définir le comportement d’enregistrement et d’analytique](set-recording-behavior.md). Pour obtenir un exemple de fichier, consultez [Exemple de fichier original pour un appel analysé par l’analytique conversationnelle Contact Lens](contact-lens-example-output-files.md#example-original-output-file).
**Important**
Pour les contacts vocaux, le fichier original analysé est le seul endroit où la conversation complète est stockée. Si vous le supprimez, il n’y aura aucun enregistrement des données sensibles expurgées.
+ Un fichier audio expurgé (wav) pour les contacts vocaux. Les données sensibles contenues dans les fichiers audio sont expurgées et remplacées par du silence. Ces périodes de silence ne sont pas signalées sur le site Web Amazon Connect d'administration ou ailleurs comme des heures de non-conversation.
Utilisez vos politiques de conservation des fichiers pour déterminer la durée de conservation de ces fichiers.
# Utilisation Contact Lens APIs pour l'analyse du chat
Contact Lensen inclut deux APIs qui prennent en charge l'analyse conversationnelle. Utilisez-les APIs pour créer des solutions qui améliorent l'efficacité de votre centre d'appels.
+ [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html): à utiliser pour les contacts vocaux.
+ [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html) : À utiliser pour les contacts de chat.
Ces analyses conversationnelles APIs sont des sondages APIs, avec un request/response échange standard, où vous n'avez pas besoin de les intégrer à un autre service. Cependant, il existe des [limites de taux](amazon-connect-service-limits.md#connect-contactlens-api-quotas). Si nécessaire, vous pouvez éliminer ces limites en utilisant l’[API de streaming](contact-analysis-segment-streams.md). Cela nécessite une intégration à Amazon Kinesis Data Streams.
Voici deux cas d’utilisation de l’API d’analytique des appels et du chat.
## Transferts de contact améliorés
Lorsqu’un contact est transféré d’un agent à un autre, vous pouvez transférer une transcription de la conversation au nouvel agent. Le nouvel agent dispose alors d’un contexte expliquant pourquoi le client contacte votre centre de contact, et le client n’a pas besoin de répéter les informations qu’il a déjà fournies. Utilisez l'[ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html)API pour les contacts vocaux et l'API [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html) pour les chats afin d'obtenir la transcription complète de la conversation jusqu'à un certain point et de la partager avec le nouvel agent.
## Mise en évidence des éléments clés de la conversation sous forme d’étiquettes, de problèmes, d’éléments d’action et de résultats
Grâce aux principaux points forts, les agents peuvent rapidement prendre des notes une fois le contact terminé, et les superviseurs peuvent rapidement identifier les contacts pour la gestion de la qualité et des performances des agents. Les agents et les superviseurs sont ainsi plus productifs dans leur travail.
# Accédez à l’analytique Contact Lens des contacts vocaux et par chat à l’aide d’Amazon Kinesis Data Streams
Les flux de segments d’analyse des contacts vous permettent d’accéder à l’analytique Contact Lens pour les contacts vocaux et par chat. Le streaming permet de surmonter les limites de mise à l'échelle des [analyses APIs d'appels et de chat](contact-lens-api.md) existantes. Pour les contact vocaux, cela donne également accès à un segment de données appelé `Utterance` qui vous permet d’accéder à des transcriptions partielles. Cela vous permet de répondre aux exigences de latence extrêmement faible pour aider les agents lors des appels en direct.
Cette section explique comment intégrer Amazon Kinesis Data Streams pour le streaming.
Grâce au streaming, vous pouvez recevoir les types d’événements suivants :
+ Les événements STARTED publiés au début de la session d’analyse des contact.
+ Les événements SEGMENTS publiés lors des sessions d’analyse de contact. Ces événements contiennent une liste de segments contenant des informations analysées.
+ Les événements COMPLETED ou FAILED publiés à la fin d’une session d’analyse de contact.
**Topics**
+ [Activation des flux de segments d’analyse de contact](enable-contact-analysis-segment-streams.md)
+ [Voix : modèle de données pour les flux de segments d’analytique conversationnelle](real-time-contact-analysis-segment-streams-data-model.md)
+ [Chat : modèle de données pour les flux de segments d’analytique conversationnelle](chat-real-time-contact-analysis-segment-streams-data-model.md)
+ [Voix : exemple de flux de segments d’analytique conversationnelle](sample-real-time-contact-analysis-segment-stream.md)
+ [Chat : exemple de flux de segments d’analytique conversationnelle](chat-sample-real-time-contact-analysis-segment-stream.md)
# Activation des flux de segments d’analyse des contacts pour analyser les conversations Contact Lens
Les flux de segments d’analyse de contact en temps réel ne sont pas activés par défaut. Cette rubrique explique comment les activer.
## Étape 1 : créer un flux Amazon Kinesis
Créez le flux de données sur le même compte et dans la même région que ceux où réside l’instance d’Amazon Connect. Pour obtenir des instructions, consultez [Étape 1 : créer un flux de données](https://docs.aws.amazon.com/streams/latest/dev/tutorial-stock-data-kplkcl-create-stream.html) dans *Guide du développeur Amazon Kinesis Data Streams*.
**Astuce**
Nous vous recommandons de créer un flux distinct pour chaque type de données. Bien qu’il soit possible d’utiliser le même flux pour les flux de segments de l’analyse de contact, les événements de l’agent et les enregistrements de contacts, il est beaucoup plus facile de gérer et d’obtenir des données à partir du flux lorsque vous en utilisez un distinct pour chacun d’entre eux. Pour plus d’informations, consultez le [Guide du développeur Amazon Kinesis Data Streams](https://docs.aws.amazon.com/streams/latest/dev/introduction.html).
## Étape 2 : configurer le chiffrement côté serveur pour le flux Kinesis (facultatif mais recommandé)
Il existe plusieurs méthodes pour le faire.
+ Option 1 : utilisez Kinesis Clé gérée par AWS (`aws/kinesis`). Cela fonctionne sans configuration supplémentaire de votre part.
+ Option 2 : utilisez la même clé gérée par le client pour les enregistrements d’appels, les transcriptions de chat ou les rapports exportés dans l’instance d’Amazon Connect.
Activez le chiffrement et utilisez la même clé gérée par le client pour les enregistrements d’appels, les transcriptions de chat ou les rapports exportés dans l’instance d’Amazon Connect. Choisissez ensuite la même clé KMS pour le flux de données Kinesis. Cette clé possède déjà l’autorisation (accord) requise pour être utilisée.
+ Option 3 : utilisez une autre clé gérée par le client.
Utilisez une clé gérée par le client existante ou créez-en une nouvelle et ajoutez les autorisations requises pour que le rôle Amazon Connect puisse utiliser la clé. Pour ajouter des autorisations à l’aide des accords AWS KMS , reportez-vous à l’exemple suivant :
```
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
```
Où `grantee-principal` correspond à l’ARN du rôle lié au service associé à l’instance d’Amazon Connect. Pour trouver l’ARN du rôle lié au service, dans la console Amazon Connect, accédez à **Aperçu**, **Paramètres de distribution**, **Rôle lié à un service**.
## Étape 3 : associer le flux Kinesis
Utilisez l'[AssociateInstanceStorageConfig](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateInstanceStorageConfig.html)API Amazon Connect pour associer les types de ressources suivants :
+ Pour les contacts vocaux, utilisez `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`
+ Pour les contacts par chat, utilisez `REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS`
**Note**
`REAL_TIME_CONTACT_ANALYSIS_SEGMENTS` est obsolète, mais continue d’être pris en charge et ne s’applique qu’aux contacts vocaux. Utilisez `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS` pour les contacts vocaux futurs.
Si vous avez déjà associé un flux à `REAL_TIME_CONTACT_ANALYSIS_SEGMENTS`, aucune action n’est nécessaire pour mettre à jour le flux à `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`.
Spécifiez le flux Kinesis dans lequel les segments d’analyse des contacts en temps réel seront publiés. Vous aurez besoin de l’ID de l’instance et de l’ARN du flux Kinesis. Le code suivant en présente un exemple :
```
// 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
L’exemple suivant concerne les contacts de chat.
**Astuce**
Si vous n'incluez pas la AWS région (`--region`), elle utilise la région par défaut en fonction du profil de la CLI.
La valeur du paramètre `--storage-config` ne doit pas être incluse entre guillemets simples (’). Dans le cas contraire, cela génère une erreur.
```
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
L’exemple suivant concerne les contacts vocaux.
```
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'));
```
## Étape 4 : activer Contact Lens pour votre instance Amazon Connect
Pour obtenir des instructions, consultez [Activation de l’analytique conversationnelle dans Amazon Connect Contact Lens](enable-analytics.md).
## Étape 5 (facultatif) : examiner un exemple de flux de segments
Nous vous recommandons d’examiner des exemples de flux de segments [vocal](sample-real-time-contact-analysis-segment-stream.md) et de [chat](chat-sample-real-time-contact-analysis-segment-stream.md) pour vous familiariser avec leur apparence.
# Modèle de données pour les flux de segments d’analytique conversationnelle afin d’analyser les contacts vocaux dans Contact Lens
Les flux de segments d’analyse de contact en temps réel sont générés au format JSON. Les blobs JSON d’événements sont publiés dans le flux associé pour chaque contact pour lequel l’analytique conversationnelle en temps réel est activée. Les types d’événements suivants peuvent être publiés pour une session d’analytique conversationnelle d’un contact vocal :
+ Événements STARTED : chaque session d’analytique conversationnelle publie un événement STARTED au début de la session.
+ Événements SEGMENTS : chaque session d’analytique conversationnelle peut publier zéro événement SEGMENTS ou plus au cours de la session. Ces événements contiennent une liste de segments contenant des informations analysées. Pour les contacts vocaux, la liste des segments peut inclure des segments « `Utterance` », « `Transcript` », « `Categories` » ou « `PostContactSummary` ».
+ Événements COMPLETED or FAILED : chaque session d’analytique conversationnelle publie un événement COMPLETED or FAILED à la fin de la session.
## Propriétés communes incluses dans tous les événements des contacts vocaux
Chaque événement inclut les propriétés suivantes :
**Version**
Version du schéma de l’événement.
Type : String
**Channel**
Type de canal de ce contact.
Type : String
Valeurs valides : `VOICE`, `CHAT`, `TASK`
Pour plus d’informations sur les canaux, consultez [Canaux et simultanéité pour le routage des contacts dans Amazon Connect](channels-and-concurrency.md).
**AccountId**
Identifiant du compte sur lequel ce contact a lieu.
Type : Chaîne
**ContactId**
Identifiant du contact en cours d’analyse.
Type : Chaîne
**InstanceId**
Identifiant de l’instance où ce contact a lieu.
Type : Chaîne
**LanguageCode**
Code de langue associé à ce contact.
Type : String
Valeurs valides : code de langue de l’une des [langues prises en charge pour l’analytique d’appel en temps réel par Contact Lens](supported-languages.md#supported-languages-contact-lens).
**EventType**
Type d’événement publié.
Type : String
Valeurs valides : `STARTED`, `SEGMENTS`, `COMPLETED`, `FAILED`
## Événement STARTED
Les événements `STARTED` incluent uniquement les propriétés communes :
+ Version
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: COMMENCÉ
## Événement SEGMENTS
Les événements `SEGMENTS` incluent les propriétés suivantes :
+ Version
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: SEGMENTS
+ Segments : outre les propriétés communes, les événements `SEGMENTS` incluent une liste de segments contenant des informations analysées.
Type : tableau d’objets [Segment](#segment)
+ PostContactSummary: Informations sur le résumé post-contact pour un segment de contact vocal.
Type : [PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html)objets
Obligatoire : non
**Segment**
Segment analysé pour une session d’analyse en temps réel.
Chaque segment est un objet avec les propriétés facultatives suivantes. Une seule de ces propriétés est présente, selon le type de segment :
+ Énoncé
+ Transcription
+ Catégories
+ PostContactSummary
**Énoncé**
Énoncé analysé.
Obligatoire : non
+ **Id**
Identifiant de l’énoncé.
Type : Chaîne
+ ** TranscriptId**
Identifiant de la transcription associée à cet énoncé.
Type : Chaîne
+ **ParticipantId**
Identifiant du participant.
Type : Chaîne
+ ** ParticipantRole**
Rôle du participant. Par exemple, s’agit-il d’un client, d’un agent ou d’un système.
Type : Chaîne
+ ** PartialContent**
Contenu de l’énoncé.
Type : Chaîne
+ ** BeginOffsetMillis**
Décalage initial dans le contact pour cette transcription.
Type : Integer
+ ** EndOffsetMillis**
Décalage final dans le contact pour cette transcription.
Type : Integer
**Transcription**
Transcription analysée.
Type : objet [Transcript](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Transcript.html)
Obligatoire : non
**Catégories**
Règles de catégorie correspondantes.
Type : objet [Categories](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Categories.html)
Obligatoire : non
**PostContactSummary**
Informations sur le résumé post-contact pour un segment de contact vocal.
Type : objet [PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html)
Obligatoire : non
## Événement COMPLETED
Les événements `COMPLETED` incluent uniquement les propriétés communes suivantes :
+ Version
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: TERMINÉ
## Événement FAILED
Les événements `FAILED` incluent uniquement les propriétés communes suivantes :
+ Version
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: ÉCHEC
# Modèle de données pour que les flux de segments d’analytique conversationnelle analysent les chats Contact Lens
Les flux de segments d’analytique conversationnelle pour les contacts de chat sont générés au format JSON. Les blobs JSON d’événements sont publiés dans le flux associé pour chaque contact pour lequel l’analytique conversationnelle en temps réel est activée. Les types d’événements suivants peuvent être publiés pour une session d’analytique conversationnelle de contact par chat :
+ Événements STARTED : chaque session d’analytique conversationnelle publie un événement STARTED au début de la session.
+ Événements SEGMENTS : chaque session d’analytique conversationnelle peut publier zéro événement SEGMENTS ou plus au cours de la session. Ces événements contiennent une liste de segments contenant des informations analysées. Pour les contacts de chat, la liste des segments peut inclure des segments « `Attachments` », « `Transcript` », « `Categories` », « `Events` », « `Issues` » ou « `PostContactSummary` ».
+ Événements COMPLETED or FAILED : chaque session d’analytique conversationnelle publie un événement COMPLETED or FAILED à la fin de la session.
## Propriétés communes incluses dans tous les événements pour les contacts de chat
Chaque événement inclut les propriétés suivantes :
**Version**
Version du schéma de l’événement. Pour les contacts de chat, il s’agit de la version 2.0.0.
Type : String
**Channel**
Type de canal de ce contact.
Type : String
Valeurs valides : `VOICE`, `CHAT`, `TASK`
Pour plus d’informations sur les canaux, consultez [Canaux et simultanéité pour le routage des contacts dans Amazon Connect](channels-and-concurrency.md).
**AccountId**
Identifiant du compte sur lequel ce contact a lieu.
Type : Chaîne
**InstanceId**
Identifiant de l’instance où ce contact a lieu.
Type : Chaîne
**ContactId**
Identifiant du contact en cours d’analyse.
Type : Chaîne
**StreamingEventType**
Type d’événement publié.
Type : String
Valeurs valides : `STARTED`, `SEGMENTS`, `COMPLETED`, `FAILED`
**StreamingSettings**
Les paramètres Contact Lens de ce contact
Type : objet [StreamingSettings](#streamingsettingsobject)
## StreamingSettings objet
**LanguageCode**
Code de langue associé à ce contact.
Type : String
Valeurs valides : code de langue de l’une des [langues prises en charge pour l’analytique d’appel en temps réel par Contact Lens](supported-languages.md#supported-languages-contact-lens).
**Output**
Type de sortie Contact Lens activé pour ce contact.
Type : String
Valeurs valides : `Raw`, `Redacted`, `RedactedAndRaw`
**RedactionTypes**
Type de rédaction activé pour ce contact.
Type : tableau de chaînes
Valeurs valides : `PII`
**RedactionTypesMetadata**
Les métadonnées de rédaction pour chaque type de rédaction.
Type : RedactionType chaîne vers [RedactionMetadata](#redactionmetadata)objet
Valeurs valides : `PII`
## RedactionMetadata objet
Fournit des informations sur les paramètres de rédaction.
**RedactionMaskMode**
Paramètre de remplacement de rédaction des données
Type : String
Valeurs valides : `PII`, `EntityType`
## Événement STARTED
Les événements `STARTED` incluent uniquement les propriétés communes :
+ Version
+ Channel
+ AccountId
+ ContactId
+ StreamingEventType: COMMENCÉ
+ StreamingSettings
## Événement SEGMENTS
Les événements `SEGMENTS` incluent les propriétés suivantes :
+ Version
+ Channel
+ AccountId
+ OutputType
+ Le type de sortie Contact Lens du segment en cours
+ Type : String
+ Valeurs valides : `Raw`, `Redacted`
+ ContactId
+ StreamingEventType: SEGMENTS
+ StreamingSettings
+ Segments
+ Une liste de segments contenant des informations analysées.
+ Type : tableau d’objets [Segment](#chat-segment)
**Segment**
Segment analysé pour une session d’analyse en temps réel.
Chaque segment est un objet avec les propriétés facultatives suivantes. Une seule de ces propriétés est présente, selon le type de segment :
+ [Pièces jointes](#chat-attachments)
+ [Catégories](#chat-category)
+ [Event](#chat-event)
+ [Problèmes](#chat-issues)
+ [Transcription](#chat-transcript)
+ [PostContactSummary](#chat-postcontactsummary)
**Pièces jointes**
Pièces jointes analysées.
Obligatoire : non
Type : objet [RealTimeContactAnalysisSegmentAttachments](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentAttachments.html)
**Catégories**
Règles de catégorie correspondantes.
Type : objet [RealTimeContactAnalysisSegmentCategories](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentCategories.html)
Obligatoire : non
**Événement**
Type de segment décrivant un événement de contact.
Type : objet [RealTimeContactAnalysisSegmentEvent](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentEvent.html)
Obligatoire : non
**Problèmes**
Type de segment contenant une liste des problèmes détectés.
Type : objet [RealTimeContactAnalysisSegmentIssues](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentIssues.html)
Obligatoire : non
**Transcription**
Segment de transcription analysé.
Type : objet [RealTimeContactAnalysisSegmentTranscript](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentTranscript.html)
Obligatoire : non
**PostContactSummary**
Informations sur le résumé post-contact pour un segment de contact en temps réel pour le chat.
Type : objet [RealTimeContactAnalysisSegmentPostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentPostContactSummary.html)
Obligatoire : non
## Événement COMPLETED
Les événements `COMPLETED` incluent uniquement les propriétés communes suivantes :
+ Version
+ Channel
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType: TERMINÉ
+ StreamingSettings
## Événement FAILED
Les événements `FAILED` incluent uniquement les propriétés communes suivantes :
+ Version
+ Channel
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType: ÉCHEC
+ StreamingSettings
# Exemples de flux de segments d’analytique conversationnelle pour analyser les appels à l’aide de Contact Lens
Cette rubrique donne des exemples de flux de segments pour les événements STARTED, SEGMENTS, COMPLETED et FAILED qui peuvent se produire lors d’un contact vocal.
## Exemple d’événement STARTED
+ EventType: COMMENCÉ
+ Publié au début de la session d’analytique conversationnelle.
```
{
"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"
}
```
## Exemple d’événement SEGMENTS
+ EventType: SEGMENTS
+ Publié pendant une session d’analytique conversationnelle. Cet événement contient une liste de segments contenant des informations analysées. La liste des segments peut inclure des segments « `Utterance` », « `Transcript` », « `Categories` » ou « `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"
}
}
]
}
```
## Exemple d’événement COMPLETED
+ EventType: TERMINÉ
+ Publié à la fin de la session d’analytique conversationnelle si l’analyse s’est terminée avec succès.
```
{
"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"
}
```
## Exemple d’événement FAILED
+ EventType: ÉCHEC
+ Publié à la fin de la session d’analytique conversationnelle en cas d’échec de l’analyse.
```
{
"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"
}
```
# Exemples de flux d’analytique conversationnelle pour analyser les chats dans Contact Lens
Cette rubrique donne des exemples de flux de segments pour les événements STARTED, SEGMENTS, COMPLETED et FAILED qui surviennent lors d’un contact par chat.
## Exemple d’événement STARTED
+ EventType: COMMENCÉ
+ Publié au début de la session d’analytique conversationnelle.
```
{
"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"
}
}
}
}
```
## Exemple d’événement SEGMENTS
+ EventType: [SEGMENTS](chat-real-time-contact-analysis-segment-streams-data-model.md#chat-segment-streams-data-model-segments-event)
+ Publié pendant une session d’analytique conversationnelle. Cet événement contient une liste d'[RealtimeContactAnalysisSegment](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealtimeContactAnalysisSegment.html)objets contenant des informations analysées. La liste des segments peut inclure des segments `"Transcript"` `"Categories"``"Issue"`,`"Event"`,`"Attachment"`,, ou 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"
}
}]
}
```
## Exemple d’événement COMPLETED
+ EventType: TERMINÉ
+ Publié à la fin de la session d’analytique conversationnelle si l’analyse s’est terminée avec succès.
```
{
"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"
}
}
}
}
```
## Exemple d’événement FAILED
+ EventType: ÉCHEC
+ Publié à la fin de la session d’analytique conversationnelle en cas d’échec de l’analyse.
```
{
"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"
}
}
}
}
```
# Emplacements des fichiers de sortie pour les fichiers analysés par l’analytique conversationnelle Contact Lens
Voici des exemples de ce à quoi ressemble le chemin des fichiers de sortie d’analytique conversationnelle Contact Lens lorsqu’ils sont stockés dans le compartiment Amazon S3 de l’instance.
+ Fichier de transcription original analysé (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 Z.json** *contact's\$1ID*
+ **/connect-instance- bucket/ Analysis/Email /2026/03/10/ \$1Analysis\$120260310T 22:35 \$1UTC.json** *contact's\$1ID*
+ Fichier de transcription analysé expurgé au format (JSON)
+ **/connect-instance- **Analysis/Voice/Redacted**bucket/ /2020/02/04/ \$1 analysis\$1redacted \$12020-02-04T 21:14:16 Z.json *contact's\$1ID***
+ **/connect-instance- **Analysis/Chat/Redacted**bucket/ /2020/02/04/ \$1 analysis\$1redacted \$12020-02-04T 21:14:16 Z.json *contact's\$1ID***
+ **/connect-instance- **Analysis/Email/Redacted**bucket/ /2026/03/10/ \$1 analysis\$1redacted \$120260310T 22:35 \$1UTC.json *contact's\$1ID***
+ Fichier audio expurgé
+ **/connect-instance- **Analysis/Voice/Redacted**bucket/ /2020/02/04/ \$1 call\$1recording\$1redacted \$12020-02-04T 21:14:16 Z. *contact's\$1ID*** **wav**
**Important**
Pour supprimer un enregistrement, vous devez supprimer les fichiers des enregistrements expurgés et non expurgés.
# Exemples de fichiers de sortie d’analytique conversationnelle Contact Lens pour un appel
Les sections suivantes fournissent des exemples du résultat obtenu lorsque l’analytique conversationnelle Contact Lens détecte des problèmes, fait correspondre des catégories, indique le volume sonore, modifie des données sensibles et ignore l’analyse.
Agrandissez chaque section pour plus d’informations.
## Exemple de fichier original pour un appel analysé par l’analytique conversationnelle Contact Lens
L’exemple suivant présente le schéma d’un appel après analyse par l’analytique conversationnelle Contact Lens. L’exemple montre le volume sonore, la détection des problèmes, les facteurs d’appel et les informations qui vont être expurgées.
Notez les éléments suivants à propos du fichier analysé :
+ Il n’indique pas quelles données sensibles ont été expurgées. Toutes les données sont appelées PII (données d’identification personnelle).
+ Chaque tour inclut une section `Redaction` uniquement s’il inclut des PII.
+ Si une section `Redaction` existe, elle inclut le décalage en millisecondes. Dans un fichier .wav, la partie expurgée est indiquée par un silence. Si vous le souhaitez, vous pouvez utiliser le décalage pour remplacer le silence par autre chose, par exemple un signal sonore.
+ Si deux ou plusieurs expurgations de PII existent à la fois, le premier décalage s’applique aux premières PII, le deuxième décalage s’applique aux deuxièmes PII, et ainsi de suite.
```
{
"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
]
}
]
}
}
```
## Exemple de fichier expurgé pour un appel analysé par l’analytique conversationnelle Contact Lens
Cette section présente un exemple de fichier expurgé pour un appel après son analyse par l’analytique conversationnelle Contact Lens. Il s’agit d’un jumeau du fichier original analysé. La seule différence est que les données sensibles sont expurgées. Dans cet exemple, trois entités ont été sélectionnées pour l’expurgation : « `CREDIT_DEBIT_NUMBER` », « `NAME` », « `USERNAME` ».
Dans cet exemple, `RedactionMaskMode` est défini sur PII. Lorsqu’une entité est expurgée, Contact Lens la remplace par `[PII]`. Si cela était défini sur `ENTITY_TYPE`, Contact Lens remplacerait les données par le nom de l’entité, par exemple `[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
]
}
]
}
```
# Exemples de fichiers de sortie Contact Lens pour un chat analysés par l’analytique conversationnelle Contact Lens
Cette section présente un exemple de schéma pour une conversation par chat analysée par l’analytique conversationnelle Contact Lens. L’exemple montre le sentiment déduit, les catégories correspondantes, le résumé de contact et le temps de réponse.
Le fichier original analysé contient la transcription complète du chat. Le même contenu que celui présent dans le champ **Transcription** du chat sur la page **Détails de contact** est présent dans le champ `Transcript` du fichier d’analyse de Contact Lens d’origine. En outre, le fichier analysé peut contenir d’autres champs, comme une section `Redaction` indiquant que le fichier d’analyse expurgé contient des données expurgées.
**Note**
Certains `ConversationCharacteristics` incluent des cartes `DetailsByParticipantRole`, avec les rôles des participants comme clés. Cependant, il n’est pas garanti que tous les rôles de la liste `Participants` (comme `CUSTOMER` ou `AGENT`) possèdent des clés correspondantes dans les objets `DetailsByParticipantRole`. La présence d’une clé pour un participant dépend de l’existence de données éligibles pour l’analyse Contact Lens.
## Catégories
`PointsOfInterest` diffère entre les catégories post-chat et après appel :
+ Le `PointsOfInterest` après appel est décalé de quelques millisecondes.
+ Le `PointsOfInterest` post-chat possède un tableau de `TranscriptItems` ; chaque élément a un `id` et un `CharacterOffset`.
Il existe un tableau de `PointsOfInterest`. Chaque tableau contient un tableau de `TranscriptItems` : chaque `PointOfInterest` est destiné à une correspondance de catégorie, mais chaque correspondance peut couvrir plusieurs éléments de transcription.
Pour les appels comme pour les chats, le tableau `PointsOfInterest` peut être vide. Cela signifie que la catégorie correspond à l’ensemble du contact. Par exemple, si vous créez une règle correspondant à la catégorie lorsque `Hello` n’est pas mentionné dans le contact, aucune partie de la transcription ne permet d’identifier cette condition.
**Note**
Actuellement, la catégorie est déduite pour `text/plain`, les messages de chat `text/markdown` uniquement.
## Principaux points forts
Les **points clés** se trouvent dans le tableau `ConversationCharacteristics.ContactSummary.SummaryItemsDetected`. Il ne peut y avoir plus d’un élément dans ce tableau, ce qui souligne qu’un seul ensemble d’éléments `Issue`, `Outcome`, et `Action` peut être trouvé.
Chaque objet du tableau possède les champs suivants : `IssuesDetected`, `OutcomesDetected` et `ActionItemsDetected`.
Chacun des champs possède un tableau de `TranscriptItems` contenant `Id` et `CharacterOffsets`. Ils décrivent `TranscriptItems` et les parties spécifiques identifiées comme contenant le résumé de ce contact : problème, résultat ou élément d’action.
**Note**
Pour l’instant, les points clés sont déduits uniquement pour les messages de chat `text/plain`.
## Sentiment
### Sentiment général
Le score de sentiment des participants du champ `DetailsByParticipantRole` est similaire à celui du fichier Contact Lens pour l’analytique vocale.
Le champ `DetailsByInteraction` a un score de sentiment de `CUSTOMER` pour certaines parties de l’interaction par chat `WithAgent` et `WithoutAgent`. S’il n’y avait aucun message client dans ces parties de l’interaction, le champ correspondant est absent.
**Note**
Actuellement, le sentiment est déduit pour `text/plain`, les messages de chat `text/markdown` uniquement.
### Changement de sentiment
Le champ `DetailsByParticipantRole` contient un objet qui décrit le changement de sentiment des participants au contact (c’est-à-dire, `AGENT`, `CUSTOMER`) : `BeginScore` et `EndScore`.
Le champ `DetailsByInteraction` a un changement de sentiment de `CUSTOMER` pour certaines parties de l’interaction par chat `WithAgent` et `WithoutAgent`. S’il n’y avait aucun message client dans ces parties de l’interaction, le champ correspondant est absent.
Le changement de sentiment fournit des informations sur la façon dont le sentiment du participant a changé tout au long de l’interaction par chat.
## Temps de réponse
`AgentGreetingTimeMillis` mesure le délai entre le moment où l’`AGENT` a rejoint le chat et le moment où il a terminé son premier message au client.
`DetailsByParticipantRole` présente les caractéristiques suivantes pour chacun des participants :
+ `Average` : quel est le temps de réponse moyen d’un participant ?
+ `Maximum` : quel est le temps de réponse le plus long d’un participant ? Si plusieurs éléments de transcription présentent le même temps de réponse maximal, indique ceux dont ils s’agit.
Pour calculer le temps de réponse `Average` et le temps de réponse `Maximum` d’un participant donné, celui-ci doit répondre à un message d’un autre participant (`AGENT` doit répondre au `CUSTOMER`, ou vice versa).
Par exemple, s’il n’y a eu qu’un seul message du `CUSTOMER`, puis un seul message de l’`AGENT` avant la fin du chat, Contact Lens calcule le temps de réponse pour l’`AGENT`, mais pas pour le `CUSTOMER`.
**Note**
Actuellement, le temps de réponse est déduit uniquement pour les messages de chat ` text/plain` et `text/markdown`.
## Expurgation
Notez les éléments suivants à propos du fichier d’analyse d’origine pour les chats :
+ L’élément de transcription inclut une section `Redaction` uniquement s’il contient des données à expurger. La section contient des décalages de caractères pour les données expurgées dans le fichier d’analyse expurgé.
+ Si au moins deux parties d’un message sont expurgées, le premier décalage s’applique à la première partie expurgée, le deuxième décalage s’applique à la deuxième partie expurgée, et ainsi de suite.
Les valeurs `DisplayNames` pour l’`AGENT` et le `CUSTOMER` sont expurgées, car elles contiennent des PII. Cela s’applique aussi à `AttachmentName`.
Les `CharacterOffsets` prennent en compte les modifications d’expurgation apportées à la longueur de `Content` du fichier d’analyse expurgé. Les `CharacterOffsets` décrivent le contenu expurgé, et non le contenu original.
## Exemple de fichier 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"
}
```
## Exemple de fichier de chat expurgé
```
{
"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"
}
```
# Exemples de fichiers de sortie de Contact Lens pour un e-mail analysé par Contact Lens Conversational Analytics
Cette section présente un exemple de schéma pour un contact e-mail qui a été analysé par Contact Lens Conversational Analytics. L'exemple montre les catégories correspondantes et un résumé de la chaîne de contacts.
Notez ce qui suit à propos des fichiers de sortie d'analyse des e-mails :
+ Le champ `Channel` est défini sur `EMAIL`.
+ Le `Version` champ utilise le `EMAIL` préfixe (par exemple,`EMAIL-2026-01-01`).
+ Les fichiers de sortie des e-mails n'incluent pas les scores de sentiment, le changement de sentiment, le volume sonore ou les données relatives au temps passé hors conversation.
+ La `Categories` section inclut un `EventSource` champ défini sur`OnEmailAnalysisAvailable`.
+ Les résumés de contacts sont utilisés à la `ContactChainSummary` place de`PostContactSummary`, car l'analyse des e-mails résume l'intégralité du fil de discussion (chaîne de contacts).
+ La `CustomerMetadata.InputFiles` section fait référence au message électronique et aux fichiers texte brut stockés dans Amazon S3.
## Exemple de fichier de sortie d'analyse des e-mails
L'exemple suivant montre le résultat d'un contact par e-mail avec la catégorisation, la rédaction et le résumé de la chaîne de contacts activés.
```
{
"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": {}
}
```
# Résolution des problèmes dans Amazon Connect Contact Lens
## Pourquoi est-ce que je ne vois ni n’entends aucun contenu non expurgé ?
Si votre organisation utilise la fonctionnalité de Contact Lens rédaction, seul le contenu expurgé apparaît par défaut sur le site Web de l' Amazon Connect administrateur.
Vous devez avoir les autorisations nécessaires pour afficher le contenu non expurgé. Pour de plus amples informations, veuillez consulter [Attribution d’autorisations pour utiliser l’analytique conversationnelle Contact Lens dans Amazon Connect](permissions-for-contact-lens.md).