기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Connect Outbound Campaigns의 모범 사례
이 섹션의 주제에서는 아웃바운드 캠페인의 모범 사례를 설명합니다. 이러한 관행은 에이전트 생산성을 높이고, 규정을 준수하고, 전화번호의 무결성을 보호하는 데 도움이 될 수 있습니다.
**Topics**
+ [음성 커뮤니케이션에 적합한 모드 선택](#right-campaign-for-vc)
+ [음성 통신을 위한 에이전트 인력 배치 모범 사례](#agent-staffing-vc)
+ [연결 지연 시간 모범 사례](#call-latency-oc)
+ [자동 응답기 감지 모범 사례](#machine-detection-oc)
+ [아웃바운드 캠페인 및 여정과 함께 정렬된 세그먼트 사용](#sorted-segments-best-practices)
## 음성 커뮤니케이션에 적합한 모드 선택
Amazon Connect Outbound Campaigns은 여러 유형의 음성 통신을 제공합니다. 다음 섹션에서는 필요에 가장 적합한 캠페인을 구현할 수 있도록 각 유형을 설명합니다.
**Topics**
+ [예측(에이전트 지원 음성)](#predictive-campaigns-oc)
+ [진행 중(에이전트 지원 음성)](#progressive-campaigns-oc)
+ [에이전트리스(자동 음성)](#agentless-campaigns-oc)
### 예측(에이전트 지원 음성)
에이전트 생산성, 통화당 비용 또는 콜센터 효율성이 중요한 지표인 경우 예측을 사용합니다. 예측 모드는 많은 통화에 응답하지 않을 것으로 예상합니다. 에이전트의 교대 근무 중에 에이전트 가용성을 예측하여 목록에서 가능한 한 많은 전화번호를 다이얼링하여 이를 상쇄합니다.
예측 알고리즘은 특정 성능 지표를 기반으로 미리 호출합니다. 즉, 에이전트를 사용할 수 있게 되기 전에 통화를 연결할 수 있고 고객이 사용 가능한 다음 에이전트에 연결됩니다. 예측 알고리즘은 에이전트 생산성과 효율성을 개선할 수 있도록 에이전트 가용성을 실시간으로 지속적으로 분석, 평가 및 예측합니다.
### 진행 중(에이전트 지원 음성)
답변 속도를 줄여야 하는 경우 진행 중을 사용합니다.
진행 중 모드 캠페인은 에이전트가 이전 통화를 완료한 후 목록의 다음 전화번호로 전화를 겁니다. 동일한 에이전트 세트를 대상으로 하는 캠페인이 여러 개 있는 경우 각 캠페인이 동일한 에이전트의 고객 응대에 전화를 걸게 될 수 있습니다. 이를 방지하는 방법은 두 가지입니다.
+ 각 캠페인의 대역폭 할당 합계가 100% 이하가 되도록 캠페인의 대역폭 할당을 변경합니다. 이렇게 하면 여러 캠페인이 동일한 에이전트의 고객 응대에 전화를 걸 가능성이 크게 줄어들지만 완전히 제거되지는 않습니다.
+ 1:1 보장이 필요한 경우 각 캠페인에 대해 배타적인 에이전트 세트가 있어야 합니다. 이렇게 하려면 캠페인의 대기열을 단일 라우팅 프로필에 할당합니다. 라우팅 프로필에는 이 캠페인의 대기열만 있어야 하고, 음성 통화만 허용해야 하며, 인바운드 고객 응대는 이 대기열에 넣지 않아야 합니다.
통합 자동 응답기 감지를 사용하여 실시간 고객 픽업 또는 음성 메일을 식별하고 그에 따라 고객 응대 전략을 사용자 지정할 수 있습니다. 예를 들어 사람이 통화에 응답하는 경우 선택할 수 있는 옵션을 제공할 수 있습니다. 통화가 음성 메일로 이동하면 메시지를 남길 수 있습니다.
각 캠페인에 대한 용량을 지정하여 페이싱을 관리할 수도 있습니다. 예를 들어, 지정된 에이전트리스 캠페인에 대해 다른 다이얼러 캠페인에 비해 더 높은 용량을 설정하여 더 많은 음성 알림을 더 빠르게 보낼 수 있습니다.
### 에이전트리스(자동 음성)
에이전트리스 모드를 사용하여 대량의 개인 맞춤형 음성 알림, 예약 알림을 보내거나 에이전트 없이 대화형 음성 응답(IVR)을 사용하여 셀프 서비스를 활성화합니다.
## 음성 통신을 위한 에이전트 인력 배치 모범 사례
통화 수신자가 통화에 응답하고 무음이 반환되는 것을 들으면 전화를 끊는 경우가 많습니다. 예측 모드의 경우 다음 모범 사례를 사용하여 무음을 줄입니다.
+ 통화 대기열에 로그인한 에이전트가 충분한지 확인합니다. 직원 관리에 대한 자세한 내용은 [Amazon Connect에서 예측, 용량 계획 및 일정 예약](forecasting-capacity-planning-scheduling.md) 섹션을 참조하세요.
+ Amazon Connect 기계 학습 서비스 사용을 고려해 보세요.
+ [예측](forecasting.md). 과거 데이터를 기반으로 문의량을 분석하고 예측합니다. 향후 수요(문의량 및 처리 시간)는 어떻게 될까요? Amazon Connect 예측은 매일 자동으로 업데이트되는 정확한 자동 생성 예측을 제공합니다.
+ [용량 계획](capacity-planning.md). 고객 센터에 필요한 에이전트 수를 예측합니다. 시나리오, 서비스 수준 목표, 지표(예: 감소)별로 계획을 최적화하세요.
+ [일정 예약](scheduling.md). 일상적인 워크로드에 대해 유연하고 비즈니스 및 규정 준수 요구 사항을 충족하는 에이전트 일정을 생성합니다. 에이전트에게 유연한 일정과 일과 삶의 균형을 제공하세요. 각 교대 근무에는 몇 명의 에이전트가 필요할까요? 어떤 에이전트가 어느 슬롯에서 일하나요?
[일정 준수](schedule-adherence.md). 콜센터 감독자가 일정 준수를 모니터링하고 에이전트 생산성을 개선할 수 있습니다. 일정 준수 지표는 에이전트 일정이 게시된 후에 사용할 수 있습니다.
## 연결 지연 시간 모범 사례
성공적인 아웃바운드 통화 캠페인은 사람이 통화에 응답한 후 에이전트가 전화를 받기 전까지의 무음 통화인 무음 통화를 방지합니다. 무음 또는 포기된 통화 수를 제한하고 수신자에 대한 정보를 유지하기 위한 법적 요구 사항도 적용될 수 있습니다. 다양한 방법으로 Amazon Connect를 구성하여 통화 연결 지연을 줄일 수 있습니다.
**Topics**
+ [아웃바운드 에이전트가 상주하는 통화](#outbound-agent-staffed-oc)
+ [아웃바운드 에이전트리스 통화](#outbound-agentless-oc)
+ [귓속말 및 대기열 흐름 모범 사례](#whisper-and-queue-oc)
+ [사용자 관리 모범 사례](#user-admin-oc)
+ [워크스테이션 및 네트워크 모범 사례](#workstations-oc)
+ [테스트 모범 사례](#testing-oc)
### 아웃바운드 에이전트가 상주하는 통화
[통화 진행 상황 확인](check-call-progress.md) 흐름 블록 사용 시:
+ 답변한 통화 브랜치 - [통화 진행 상황 확인](check-call-progress.md) 및 [대기열로 전송](transfer-to-queue.md) 블록 사이의 모든 흐름 블록을 제거합니다. 이렇게 하면 전화를 건 상대방이 인사를 하는 것과 에이전트 응답 시간 간의 지연이 최소화됩니다.
+ 감지되지 않은 브랜치 - 이 브랜치는 [대기열로 전송](transfer-to-queue.md) 블록으로 라우팅되는 답변한 통화와 동일한 방식으로 처리해야 합니다. 이 브랜치는 ML 모델이 답변 유형을 분류할 수 없을 때 사용됩니다. 음성 메일 또는 실시간 사용자일 수 있으므로 메시지에 답변하는 음성 메일이 남아 있는 경우 **대기열로 전송** 블록에 앞서 메시지를 재생할 수 있습니다.
예를 들어 “Example Corp.입니다. 예약 확인을 위해 전화했습니다. 사용자 또는 음성 메일이 이 통화에 답변했는지 알 수 없습니다. 에이전트와 연결하는 동안 기다려 주세요.”
### 아웃바운드 에이전트리스 통화
아웃바운드 캠페인은 사용자 지정 인사말과 셀프 서비스 함수를 사용하는 경우가 많습니다. Lambda 함수를 사용하여 Customer Profile 데이터를 가져오지 마십시오. 대신 다음 접근 방식을 사용하여 Customer Profiles에서 데이터를 검색합니다.
+ 흐름 시작 시 **Customer Profiles** 블록을 추가하고 **프로필 가져오기** 작업을 선택합니다.
+ 식별자 유형을 **프로파일 ID**로 설정합니다.
+ 식별자 값으로 `$.Attributes.connect_customer-profile_profile-id`를 사용합니다. Customer Profiles 세그먼트를 사용하는 아웃바운드 캠페인에서 고객 응대를 다이얼링하면이 속성이 자동으로 채워집니다.
+ 검색할 적절한 응답 필드를 선택합니다. 표준 프로필 속성(예: FirstName, LastName)의 경우 직접 추가합니다. 사용자 지정 속성(예: AppointmentDate, AppointmentTime)의 경우 사용자 지정 속성을 선택하여 사용자 지정 응답 필드로 추가합니다.
+ Customer Profiles 블록 후 표준 속성 또는 사용자 지정 속성`$.Customer.`에 대해를 사용하여 프로필 속성`$.Customer.Attributes.`에 액세스하여 사용자 지정 인사말을 재생할 수 있습니다.
다음은 프롬프트에서 Customer Profile 속성을 사용하는 방법의 예입니다.
+ 예시 - 답변한 통화 또는 감지되지 않음: “안녕하세요, `$.Customer.FirstName` 님. [조직]에서 `$.Customer.Attributes.AppointmentDate`에 예정된 예약을 확인하기 위해를 호출합니다`$.Customer.Attributes.AppointmentTime`. 여전히 예약 날짜와 시간이 괜찮으시다면 ‘확인’이라고 말해 주세요. 셀프 서비스 시스템을 사용하여 예약을 수정하려는 경우 '셀프 서비스'라고 말하거나 잠시 기다리시면 사용 가능한 다음 에이전트와 연결됩니다.”
+ 예시 - 신호음이 있거나 없는 음성 메일: “안녕하세요, `$.Customer.FirstName` 님. [조직]에서 `$.Customer.Attributes.AppointmentDate`에 예정된 예약을 확인하기 위해를 호출합니다`$.Customer.Attributes.AppointmentTime`. 여전히 이 날짜와 시간이 괜찮으시다면 그날 뵙겠습니다. 예약을 수정하려면 `$.SystemEndpoint.Address`에 다시 전화하여 예약 일정을 변경하세요.”
+ 오류 브랜치 - 때때로 통화가 오류 브랜치를 따르도록 하는 문제가 있을 수 있습니다. 가장 좋은 방법은 전화를 건 연락처에 적용되는 메시지와 함께 [프롬프트 재생](play.md) 블록을 사용하고 “예약을 확인하거나 다시 예약하려면 `$.SystemEndpoint.Address`에 전화하세요.”라는 지침을 사용하는 것입니다. 통화 수신자가 응답했지만 처리 중에 오류가 발생한 경우 [연결 해제/중단](disconnect-hang-up.md) 블록 전에 이 작업을 수행합니다.
### 귓속말 및 대기열 흐름 모범 사례
+ **기본 고객 대기열** 흐름에서 **루프 프롬프트**를 제거하고 **이를 흐름 종료/재개**로 바꿉니다.
+ 에이전트가 통화가 대기열에 도착한 후 2초 이내에 응답하지 않는 경우 **루프 프롬프트를 사용하여 무음 통화를 최소화**하고 고객에게 메시지를 재생할 수 있습니다. 다음 이미지는 루프 프롬프트가 있는 일반적인 흐름 블록을 보여 줍니다.
+ [귓속말 흐름 설정](set-whisper-flow.md) 블록에서 **에이전트 귓속말 비활성화** 및 **고객 귓속말 비활성화** 옵션을 사용합니다. 따라서 고객은 아웃바운드 캠페인의 일부로 연결 지연 시간을 줄일 수 있습니다. 다음 이미지는 블록의 속성 페이지에서 **에이전트 귓속말 비활성화** 설정의 위치를 보여 줍니다.
### 사용자 관리 모범 사례
연결 시간을 줄이려면 다음 옵션을 설정하는 것이 좋습니다. 이러한 설정에 액세스하려면 Connect Customer 관리자 웹 사이트에서 **사용자**, **사용자 관리**, **편집**으로 이동합니다.
이러한 옵션은 소프트폰에만 적용됩니다.
+ [통화 자동 수락 활성화](enable-auto-accept.md)합니다. 이렇게 하면 수신자가 전화를 건 후 통화 연결 지연/지연이 발생할 가능성이 줄어듭니다.
+ [고객 응대 후 작업(ACW) 시간 초과](configure-agents.md)를 30으로 설정합니다. ACW 시간을 최소화하면 예측 다이얼링 캠페인을 사용할 때 다이얼링 알고리즘이 최적화됩니다.
+ [지속적인 연결 활성화](enable-persistent-connection.md) 이렇게 하면 통화가 종료된 후에도 에이전트 연결이 유지됩니다. 이를 통해 후속 통화를 더 빠르게 연결할 수 있습니다.
다음 이미지는 **사용자 편집** 페이지의 **설정** 섹션을 보여 줍니다.
### 워크스테이션 및 네트워크 모범 사례
다음 모범 사례는 적절한 하드웨어 및 네트워크 리소스를 보장하여 에이전트 효율성을 최적화하는 데 도움이 될 수 있습니다.
+ 에이전트 워크스테이션이 최소 요구 사항을 충족하는지 확인합니다. 자세한 내용은 [연락 제어판(CCP)을 사용하기 위한 에이전트 헤드셋 및 워크스테이션 요구 사항](ccp-agent-hardware.md) 섹션을 참조하세요.
+ 에이전트가 CCP 또는 에이전트 Workspace를 열고 데스크톱에 표시하도록 합니다. 이렇게 하면 발신자에게 인사하기 전에 화면을 앞으로 가져오는 데 걸리는 시간이 줄어듭니다.
+ 에이전트가 유선 네트워크 연결을 사용하는지 확인합니다. 이렇게 하면 잠재적인 무선 네트워크 지연 시간이 완화됩니다.
+ 가능하면 Amazon Connect 인스턴스를 호스팅하는 AWS 리전과 아웃바운드 캠페인과 상호 작용하는 에이전트 간의 지리적 거리를 최소화합니다. 에이전트와 호스팅 리전 간의 지리적 거리가 클수록 가능한 지연 시간이 늘어납니다.
**참고**
아웃바운드 캠페인은 Amazon Connect 인스턴스의 오리진에 따라 에이전트가 다이얼할 수 있는 번호에 제한이 있습니다. 자세한 내용은 [Amazon Connect 통신사 국가별 서비스 범위 안내서](https://d1v2gagwb6hfe1.cloudfront.net/Amazon_Connect_Telecoms_Coverage.pdf)를 참조하세요.
### 테스트 모범 사례
모범 사례로 대규모 테스트를 실행합니다. 통화 연결 지연 시간을 최소화하려면 아웃바운드 캠페인을 사용하여 프로덕션 환경을 모방하기 위해 수십만 개의 연속 통화를 수행합니다. 소수의 캠페인 통화를 수행할 때 통화 연결 지연 시간이 비교적 높을 수 있습니다.
## 자동 응답기 감지 모범 사례
캠페인에서 자동 응답기 감지(AMD)를 사용하려면 [통화 진행 상황 확인](check-call-progress.md) 흐름 블록을 사용합니다. 통화 진행률 분석을 제공합니다. 이는 답변한 통화 조건을 감지하는 ML 모델로, 신호음이 들리거나 들리지 않는 상태에서 사람이 응답한 통화와 기계가 응답한 통화에 대해 다양한 경험을 제공할 수 있습니다. 또한 흐름 블록은 ML 모델이 사람과 음성 메일을 구별할 수 없거나 통화 처리에서 오류가 발생할 때 통화를 라우팅하기 위한 분기를 제공합니다.
AMD는 다음 기준을 사용하여 실시간 통화를 감지합니다.
+ 사전 녹음된 메시지와 관련된 배경 노이즈입니다.
+ “안녕하세요, 전화를 받지 못해 죄송합니다. 메시지를 다음으로 남겨 주세요…”
+ 인사말 후 무음이 뒤따를 때 “여보세요, 여보세요?”와 비슷한 말을 하는 실시간 발신자입니다.
소비자에 대한 통화의 40\~60%가 음성 메일로 이동합니다. AMD는 실시간 호출을 통한 음성 메일 통화 수를 제거하는 데 도움이 됩니다. 그러나 감지 정확도에는 제한이 있습니다.
+ 음성 메일 인사말이 짧은 '여보세요'이거나 일시 중지가 포함된 경우 AMD는 이를 실시간 고객(거짓부정)으로 감지합니다.
+ 실시간 고객의 긴 인사말이 음성 메일(거짓긍정)로 잘못 감지되는 경우도 있습니다.
+ 시스템에서 통화를 에이전트에 연결하는 동안 약간의 지연이 발생하여 고객이 전화를 끊을 수 있습니다.
+ 여러 수준의 음성 메일 프롬프트가 있는 PBX(프라이빗 브랜치 교환) 번호는 지원되지 않습니다.
### 자동 응답기 감지의 장단점 및 최적 용도
자동 응답기 감지(AMD)를 사용하면 텔레마케팅 법률을 준수하지 않을 수 있습니다. 사용자는 관련 법률을 준수하는 방식으로 AMD를 구현할 책임이 있으며, 항상 특정 사용 사례에 대해 법률 고문과 상의해야 합니다.
사용 사례 1: AMD가 켜져 있고 자동 음성 메일을 남김
+ **장점** - 에이전트는 주로 95%의 시간 동안 실시간 통화와 상호 작용하여 통화 시간을 극대화합니다. 음성 메일이 감지되면 AMD는 자동 음성 메일을 남길 수 있습니다.
+ **단점** - 이 기술은 매우 다양한 자동 응답기 유형으로 인해 오탐이 발생하여 음성 메일을 50\~60%로 남깁니다. 또한 AMD는 실시간 통화에 짧은 지연을 추가하기 때문에 고객을 자극할 수 있습니다.
+ **최적 용도** - 대량의 자동 응답기를 받을 수 있고 모든 통화가 음성 메일을 수신하도록 하는 것이 긴급하지 않을 때 하루 동안 소비자에게 전화를 거는 것입니다.
사용 사례 2: AMD가 켜져 있지만 자동 음성 메일을 남기지 않음
+ **장점** - 에이전트는 주로 95%의 시간 동안 실시간 통화와 상호 작용하여 통화 시간을 극대화합니다.
+ **단점** - 음성 메일을 남길 수 없습니다. 고객을 성가시게 할 수 있는 실시간 통화 지연이 추가됩니다.
+ **최적 용도** - 대량의 음성 메일을 받을 수 있고 음성 메일을 남기고 싶지 않은 날에 소비자에게 전화를 겁니다.
사용 사례 3: AMD가 꺼져 있고 에이전트가 수동 음성 메일을 남길 수 있음
+ **장점** - 시간의 100%로 음성 메일을 남길 수 있습니다.
+ **단점** - 에이전트는 실시간 통화 또는 음성 메일을 수신하고 있는지 확인해야 합니다. 음성 메일을 수동으로 남겨야 합니다. 대부분의 시간이 많이 소요되며 에이전트가 하루에 거는 통화 수기 줄어들 수 있습니다.
+ **최적의 용도** - 소비자 또는 기업에 전화를 걸고 사용자 지정 음성 메일을 남깁니다.
사용 사례 4: AMD가 꺼져 있고 에이전트가 미리 녹음된 음성 메일을 남길 수 있음
+ **장점** - 에이전트는 '음성 메일 삭제'를 사용하여 동일한 메시지를 반복하지 않고 100% 시간을 절약하여 개인화된 사전 녹음된 음성 메일을 남길 수 있습니다.
+ **단점** - 에이전트는 실시간 통화 또는 음성 메일을 수신하고 있는지 확인해야 합니다. AMD보다 더 많은 시간이 소요되지만 음성 메일을 수동으로 남기는 것보다 더 빠릅니다.
+ **최적의 용도** - 소비자 또는 기업에 전화를 걸고 일반 음성 메일을 남깁니다.
## 아웃바운드 캠페인 및 여정과 함께 정렬된 세그먼트 사용
세그먼트를 생성할 때 필요에 따라 최대 10개의 프로필 속성을 기준으로 세그먼트를 정렬할 수 있습니다. 아웃바운드 캠페인 및 여정은 캠페인 또는 여정이 실행되는 시점에 세그먼트에서 지정한 순서대로 프로필을 실행, 처리 및 다이얼링하는 동안이 정렬 순서를 준수합니다. 반복 캠페인 또는 여정에서 사용할 경우 캠페인 또는 여정이 반복될 때마다 그리고 세그먼트에 새 프로필이 추가될 때마다 정렬된 세그먼트의 순서가 평가됩니다.
정렬된 세그먼트는 다음과 같은 경우에 유용합니다.
+ 수명 값 또는 계정 티어와 같은 속성을 기준으로 정렬하여 고부가가치 고객을 우선시합니다.
+ 약속 날짜를 기준으로 정렬하여 예정된 약속이 있는 고객에게 먼저 문의하세요.
+ 시간에 민감한 통신을 특정 순서로 처리합니다.
**참고**
세그먼트 정렬 순서는 여정의 음성 캠페인 및 음성 활동에만 적용됩니다. 다른 통신 채널은 정렬되지 않은 순서로 프로필을 처리합니다.
정렬된 세그먼트는 100개의 배치로 분할됩니다. 각 배치는 지정된 정렬 순서에 따라 처리됩니다. 이렇게 하면 정의된 세그먼트 순서의 1% 내에 있는 실행 순서가 생성됩니다.
초기 다이얼 시도는 캠페인에 정의된 재시도보다 우선합니다. 여정에서는 이전 전송 통신 블록이 이후 블록보다 우선합니다.
세그먼트 생성 및 정렬에 대한 자세한 내용은 섹션을 참조하세요[Amazon Connect에서 고객 세그먼트 구축](customer-segments-building-segments.md).