本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 在 Amazon Connect Contact Lens 中使用對話分析來分析對話
透過Contact Lens對話分析，您可以使用自然語言處理，分析客戶和客服人員或客戶之間的對話，以及語音、聊天和電子郵件之間的對話 AI。對話分析可執行情緒分析、偵測問題，並讓您自動將聯絡分類。
**語音分析支援**
+ **即時通話分析**：於通話進行時更主動地偵測和解決客戶問題。例如，當客戶因為客服人員無法解決複雜問題而感到沮喪時，它可以[分析並提醒](add-rules-for-alerts.md)您。使您可以立即提供更多協助。
+ **通話後分析**：使用 了解客戶對話、自助服務互動和客服人員合規的趨勢。這可協助您識別改善對話式 AI 的機會，並在通話後指導客服人員。
**聊天分析支援**
+ **即時聊天分析**：與即時呼叫分析相同，您可以在聊天時更主動偵測和解決客戶問題並[接收警示](add-rules-for-alerts-chat.md)。例如，管理員可以在聊天聯絡人的客戶情緒變為負面時收到即時電子郵件警示，允許他們加入與聯絡人的對話並協助解決客戶問題。
+ **聊天後分析**：用於瞭解與機器人和客服人員的客戶對話趨勢。提供聊天互動特定的信息，例如客服人員問候時間以及客服人員和客戶的回應時間。回應時間和情緒可協助您調查客戶對機器人與客服人員的體驗，並找出需要改進的部分。
+ 每個處理的聊天訊息都會以相同的方式收費。雖然並非所有訊息都會套用所有功能 (例如，摘要只會套用至 `text/plain` 訊息)，但如果已在聯絡上啟用 Contact Lens 對話分析，就會將訊息計入計費。如需定價的詳細資訊，請參閱 [Amazon Connect 定價](https://aws.amazon.com/connect/pricing/)。
**電子郵件分析支援**
+ **電子郵件分析**：使用 來分析客戶和客服人員之間的電子郵件對話。 Contact Lens會自動分類電子郵件聯絡人、修訂電子郵件文字記錄的敏感資料，以及產生聯絡摘要。這可協助您了解電子郵件對話趨勢，並確保電子郵件管道的合規性。
+ 由於電子郵件聯絡人是非同步的，因此一個參與者一次執行動作，適用於語音和聊天的即時和聯絡後差異不適用於電子郵件。收到或傳送電子郵件聯絡人時[Amazon Connect 中的流程區塊：設定記錄、分析和處理行為](set-recording-analytics-processing-behavior.md)，只要使用 ，就會立即啟動電子郵件分析。
您可以通過刪減文字記錄和音訊錄音中的敏感資料 (例如姓名、地址和信用卡資訊) 來保護客戶的隱私。
## 通話聯絡詳細資訊頁面範例
下圖顯示語音通話的對話分析。請注意，其包含 **通話時間** 指標。
![\[帶有通話時間指標的聯絡詳細資訊頁面範例。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-contactdetails-call1b.png)
1. **客戶情緒趨勢**：此圖顯示客戶情緒如何隨著聯絡進度而改變。如需詳細資訊，請參閱[調查情緒分數](sentiment-scores.md)。
1. **客戶情緒**：此圖顯示整個通話的客戶情緒分佈。其計算方式，是加總客戶有正面、中性和負面情緒的對話回合或聊天訊息數目。
1. **通話時間**：此圖顯示整個通話期間的通話時間與非通話時間的分佈。通話時間會進一步分成客服人員和客戶通話時間。
下圖顯示語音通話的 **聯絡詳細資訊** 頁面上的下一個區段：音訊分析和文字記錄。請注意，個人身分識別資訊 (PII) [已從文字記錄中刪減](sensitive-data-redaction.md)。
![\[聯絡的語音分析和文字記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-contactdetails-call2b.png)
## 即時聊天分析的聯絡詳細資訊頁面範例
下圖顯示即時聊天的對話分析。請注意，其包含主要重點和客戶情緒。
![\[即時聯絡詳細資訊頁面，其中包含聊天對話分析。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-realtime-chat.png)
## 聊天後分析的聯絡詳細資訊頁面範例
下圖顯示聊天後分析。請注意，其包含聊天回應指標，例如 **客服人員問候時間** (從客服加入聊天到傳送第一個回應的時間)、**客戶回應時間** 和 **客服人員回應時間**。
![\[聯絡詳細資訊頁面，其中包含聊天的摘要和對話分析。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
下圖顯示聊天的 **聯絡詳細資訊** 頁面上的下一個區段：互動分析和文字記錄。請注意，您可以調查客戶與機器人之間的互動，對比與客服人員之間的互動。
![\[聯繫詳細資訊頁面，互動分析和聊天文字記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-contactdetails-chat2b.png)
## 電子郵件分析的聯絡詳細資訊範例頁面
下圖顯示電子郵件聯絡人的對話分析。電子郵件分析包括分類、敏感資料修訂和聯絡摘要。由於電子郵件聯絡人是非同步的，因此沒有即時分析或情緒分數。
![\[範例聯絡詳細資訊頁面，其中包含電子郵件聯絡的對話分析。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-contactdetails-email.png)
# 在 Amazon Connect Contact Lens 中啟用對話分析
只需幾個步驟即可啟用 Contact Lens 對話分析：
1. 在您的 Amazon Connect 執行個體上啟用 Contact Lens。
1. 將[設定錄製和分析行為](set-recording-behavior.md)區塊新增至流程，並將其設定為啟用語音、聊天、電子郵件或頻道組合的對話分析。
下圖顯示為通話錄音和語音分析設定的區塊。**通話錄音** 選項設定為 **客服人員和客戶**。在**分析**區段中，系統會為自動互動和客服人員互動選取選項。
![\[設定錄音和分析行為區塊的屬性頁面。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/set-recording-and-analytics-behavior.png)
本主題中的程序說明啟用通話、聊天或電子郵件對話分析的步驟。
**Topics**
+ [重要須知事項](#important-set-behaviorblock)
+ [為您的 Amazon Connect 執行個體啟用 Contact Lens。](#enable-cl)
+ [啟用通話錄音和語音分析](#enable-callrecording-speechanalytics)
+ [啟用聊天分析](#enable-chatanalytics)
+ [啟用電子郵件分析](#enable-emailanalytics)
+ [啟用刪減](#enable-redaction)
+ [檢閱修訂以確保準確性](#review-sensitive-data-redaction)
+ [停用情緒分析](#disable-sentiment-analysis-voice-and-chat)
+ [根據客戶的語言動態啟用修訂](#dynamically-enable-analytics-contact-flow)
+ [設計主要重點的流程](#call-summarization-agent)
+ [如果流程區塊無法啟用對話分析，該怎麼做？](#troubleshoot-contactlens-enablement)
+ [多方通話](#multiparty-calls-contactlens)
## 須知事項
+ **轉接聯絡後收集資料**：如果您想在將聯絡轉接到其他客服人員或佇列後繼續使用對話分析來收集資料，您必須在使用**啟用分析**的情況下新增另一個 [設定錄製和分析行為](set-recording-behavior.md) 區塊。這是因為轉接會產生第二個聯絡 ID 和聯絡錄製。對話分析也需要在該聯絡人記錄上執行。
**注意**
對於[佇列至佇列轉接](queue-to-queue-transfer.md)，對話分析的組態資訊會複製到轉接後的聯絡。
+ 當您選擇情緒分析支援的語言，並選取**啟用Contact Lens語音分析**、**啟用聊天分析**或在 [設定錄製和分析行為](set-recording-behavior.md) 區塊中**啟用電子郵件分析**時，情緒分析預設為啟用。您可以選擇[停用情緒分析](#disable-sentiment-analysis-voice-and-chat)。
+ 您在流程中放置 [設定錄製和分析行為](set-recording-behavior.md) 區塊的位置會影響客服人員在主要重點方面的體驗。如需詳細資訊，請參閱[設計主要重點的流程](#call-summarization-agent)。
## 為您的 Amazon Connect 執行個體啟用 Contact Lens。
您必須先為執行個體啟用 Contact Lens，才能啟用對話分析。
1. 在 [https://console.aws.amazon.com/connect/](https://console.aws.amazon.com/connect/) 開啟 Amazon Connect 主控台。
1. 在執行個體頁面上，選擇執行個體別名。執行個體別名也是您的**執行個體名稱**，它會出現在您的 Amazon Connect URL 中。下圖顯示 **Amazon Connect 虛擬聯絡中心執行個體**頁面，其中包含執行個體別名周圍的方塊。
![\[Amazon Connect 虛擬聯絡中心執行個體頁面，即執行個體別名。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/instance.png)
1. 在 Amazon Connect 主控台的導覽窗格中，選擇**分析工具**，然後選擇**啟用 Contact Lens**。
1. 選擇**儲存**。
## 啟用通話錄音和語音分析
為執行個體啟用 Contact Lens 後，您可以將 [設定錄製和分析行為](set-recording-behavior.md) 區塊新增至流程。然後，您可以在設定**設定錄製和分析行為**區塊時啟用對話分析。
1. 在流程設計工具中，將 [設定錄製和分析行為](set-recording-behavior.md) 區塊新增至您的流程。
如需哪些流程類型可用於此區塊的相關資訊和其他秘訣，請參閱 [設定錄製和分析行為](set-recording-behavior.md)。
1. 開啟**設定錄製和分析行為**屬性頁面。在**通話錄音**下，選擇**開啟**、**客服人員和客戶**。
客服人員和客戶通話錄音都必須對語音聯絡使用對話分析。
1. 在**分析**下，選擇**啟用 Contact Lens 對話分析**、**啟用語音分析**。
若未看到此選項，表示您的執行個體尚未啟用 Amazon Connect Contact Lens。如需加以啟用的指示，請參閱 [為您的 Amazon Connect 執行個體啟用 Contact Lens。](#enable-cl)。
1. 選擇下列其中一項：
1. **通話後分析**：Contact Lens 會在對話和聯絡後工作 (ACW) 完成時進行通話錄音分析。此選項提供最佳的文字記錄準確性。
1. **即時分析**：Contact Lens 可在通話期間提供即時深入解析，並在對話結束和聯絡後工作 (ACW) 完成時進行通話後分析。
如果選擇此選項，建議您根據客戶在通話期間可能說出的關鍵字和片語來設定提醒。Contact Lens 會即時分析對話以偵測指定的關鍵字或片語，並提醒主管。從那裡，主管可以在即時通話中接聽並向客服人員提供引導，以幫助他們更快地解決問題。
如需有關設定提醒的詳細資訊，請參閱 [在通話中即時提醒主管](add-rules-for-alerts.md)。
如果您的執行個體是在 2018 年 10 月之前建立的，則需要額外設定才能存取即時通話分析。如需詳細資訊，請參閱[服務連結角色許可](connect-slr.md#slr-permissions)。
1. 從[可用語言清單](supported-languages.md#supported-languages-contact-lens)中選擇。
如需動態指定語言的指示，請參閱 [根據客戶的語言動態啟用修訂](#dynamically-enable-analytics-contact-flow)。
1. 選擇性地啟用修訂敏感資料。如需詳細資訊，請參閱下一節「[啟用刪減](#enable-redaction)」。
1. 選擇**儲存**。
1. 如果聯絡要轉接至其他客服人員或佇列，請重複這些步驟以新增另一個 [設定錄製和分析行為](set-recording-behavior.md) 區塊，並啟用**為對話分析啟用 Contact Lens**。
## 啟用聊天分析
1. 在 [設定錄製和分析行為](set-recording-behavior.md) 區塊中的**分析**下，選擇**啟用 Contact Lens 對話分析**，然後選擇**啟用聊天分析**。
**注意**
選擇此選項，您將收到即時和聊天後分析。
若未看到此選項，表示您的執行個體尚未啟用 Amazon Connect Contact Lens。如需加以啟用的指示，請參閱 [為您的 Amazon Connect 執行個體啟用 Contact Lens。](#enable-cl)。
1. 從[可用語言清單](supported-languages.md#supported-languages-contact-lens)中選擇。
如需動態選擇語言和修訂的指示，請參閱 [根據客戶的語言動態啟用修訂](#dynamically-enable-analytics-contact-flow)。
1. 選擇性地啟用修訂敏感資料。如需詳細資訊，請參閱下一節「[啟用刪減](#enable-redaction)」。
1. 選擇**儲存**。
1. 如果聯絡要轉接至其他客服人員或佇列，請重複這些步驟以新增另一個 [設定錄製和分析行為](set-recording-behavior.md) 區塊，並啟用**為對話分析啟用 Contact Lens**。
## 啟用電子郵件分析
您可以啟用電子郵件聯絡人的Contact Lens對話分析，以自動分類電子郵件、修訂敏感資料，以及產生聯絡人摘要。
1. 在流程設計工具中，將[設定記錄、分析和處理行為](set-recording-analytics-processing-behavior.md)區塊新增至傳入電子郵件流程。將 區塊放在電子郵件聯絡人路由到佇列或客服人員之前。
1. 開啟區塊屬性。針對**動作**，選擇**設定錄製和分析行為**。
1. 針對**頻道**，選擇**電子郵件**。
1. 在**分析**下，選擇**啟用Contact Lens對話分析**和**啟用電子郵件分析**。
若未看到此選項，表示您的執行個體尚未啟用 Amazon Connect Contact Lens。如需加以啟用的指示，請參閱 [為您的 Amazon Connect 執行個體啟用 Contact Lens。](#enable-cl)。
1. 從[可用語言清單](supported-languages.md#supported-languages-contact-lens)中選擇。
1. 選擇性地啟用修訂敏感資料。如需詳細資訊，請參閱[啟用刪減](#enable-redaction)。
1. 或者，在 **Contact Lens 生成式 AI 功能**下，啟用**聯絡摘要**來產生電子郵件聯絡的摘要。
1. 選擇**儲存**。
1. 如果電子郵件聯絡人將轉接到另一個客服人員或佇列，請重複這些步驟，在啟用**Contact Lens以進行對話分析**的情況下新增另一個[設定記錄、分析和處理行為](set-recording-analytics-processing-behavior.md)區塊。
## 啟用修訂敏感資料
當您設定 [設定錄製和分析行為](set-recording-behavior.md) 區塊以進行對話分析時，您也可以選擇在流程中啟用敏感資料的修訂。啟用修訂時，您可選擇下列選項：
+ 修訂所有個人身分識別資訊 (PII) 資料 (支援所有 PII 實體)。
+ 從支援的實體清單中選擇要修訂的 PII 實體。
如果您接受預設設定，Contact Lens 對話分析會對其識別的所有個人身分識別資訊 (PII) 進行修訂，並在文字記錄中將其取代為 **[PII]**。由於已選擇下列選項，因此預設設定會顯示在下列影像中：**修訂敏感資料**、**修訂所有 PII 資料** 和 **以預留位置 PII 取代**。
![\[敏感資料修訂的預設設定。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-enable-redaction-default.png)
### 選擇要修訂的 PII 實體
在 **資料修訂** 區段下，您可以選擇要修訂的特定 PII 實體。下圖顯示 **信用卡/借記卡號碼** 將被修訂。
![\[資料修訂部分，您可以修訂的實體清單。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-select-entities-to-redact.png)
### 選擇資料修訂取代
在 **資料修訂取代** 區段下，您可以選擇要用作資料修訂取代的遮罩。例如，在下圖中，**以預留位置 PII 取代** 選項表示 **PII** 將取代資料。
![\[使用 PII 取代資料的選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-dataredactionreplacement.png)
如需關於使用修訂的詳細資訊，請參閱 [使用敏感資料修訂](sensitive-data-redaction.md)。
## 檢閱敏感資料修訂的準確性
修訂功能旨在識別和移除敏感資料。但是，由於機器學習的預測性質，它可能無法識別和刪除 Contact Lens 生成的文字記錄中所有敏感資料的執行個體。我們建議您檢閱任何已修訂的輸出，以確保其符合您的需求。
**重要**
修訂功能不符合《1996 年美國健康保險流通與責任法案》(HIPAA) 等醫療隱私權法案 (HIPAA) 規定進行去除身分識別的要求，因此我們建議您在修訂後繼續將其視為需要保護的健康資訊。
如需修訂檔案和範例的位置，請參閱 [輸出檔案位置](example-contact-lens-output-locations.md)。
## 停用情緒分析
當您選擇情緒分析支援的語言時，若選擇了**啟用語音分析**或**啟用聊天分析**，依預設會為所有客服人員和客戶啟用情緒分析。如需情緒分析支援的語言清單，請參閱 [AI 功能](supported-languages.md#supported-languages-contact-lens)。
下圖顯示在**設定錄製和分析行為**區塊上啟用了情緒分析選項。
![\[啟用時的情緒分析選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/sentiment-analysis-enabled.png)
下圖顯示情緒分析不支援的語言。建議您開啟**情緒**區段，驗證是啟用還是停用。
![\[因語言不受支援而停用時的情緒分析選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/sentiment-analysis-verify.png)
若要為所有客服人員和客戶停用情緒分析，請取消選取**啟用情緒分析**選項，如下圖所示。
![\[停用時的情緒分析選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/sentiment-analysis-disabled.png)
## 根據客戶的語言動態啟用修訂
您可以根據客戶的語言動態啟用輸出檔案的修訂。例如，對於使用 en-US 的客戶，您可能只需要一個修訂檔案，而對於那些使用 en-GB 的客戶，您可能需要原始和修訂過的輸出檔案。
+ 修訂：選擇下列其中一項 (區分大小寫)
+ 無
+ RedactedOnly
+ RedactedAndOriginal
+ 語言：從[可用語言](supported-languages.md#supported-languages-contact-lens)清單中選擇。
您可採用以下方式來設定這些屬性：
+ 使用者定義：使用 **設定連絡屬性** 區塊。如需使用此區塊的一般性指示，請參閱 [如何參考聯絡屬性](how-to-reference-attributes.md)。視需要定義修訂和語言的 **目的地索引鍵** 和 **值**。
下圖顯示如何將 **設定聯絡屬性** 區塊設定為使用聯絡屬性進行修訂的範例。選擇 **使用文字** 選項，將 **目的地索引鍵** 設定為 **redaction\$1option**，然後將 **值** 設定為 **RedactedAndOriginal**。
**注意**
**值** 區分大小寫。
![\[設定聯絡屬性區塊，使用文字選項，值區分大小寫。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction1.png)
下圖顯示如何使用語言的聯絡屬性。選擇使用文字選項，將目的地索引鍵設定為語言，將 **值** 設定為 **en-US**。
![\[設定聯絡屬性區塊，使用文字選項，值區分大小寫。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction2.png)
+ [使用 Lambda 函數](attribs-with-lambda.md)。方法如同設定使用者定義的聯絡屬性。根據 Lambda 回應的語言， AWS Lambda 函數可以將結果以索引鍵值對的形式傳回。JSON 回應 Lambda 如以下範例所示。
```
{
'redaction_option': 'RedactedOnly',
'language': 'en-US'
}
```
## 設計主要重點的流程
使用聯絡人控制台 (CCP) 的客服人員可以看到文字記錄，具體取決於是否在撥入流程和/或轉接流程中的[設定錄製和分析行為](set-recording-behavior.md)啟用了對話分析。
本節提供三個在 [設定錄製和分析行為](set-recording-behavior.md) 區塊中啟用對話分析的使用案例，並說明它們如何影響客服人員在主要重點方面的體驗。
### 使用案例 1：僅在撥入流程中啟用對話分析
+ 聯絡會進入接聽流程，並且沒有來電轉接。以下是客服人員的體驗：
客服人員會在聯絡後工作 (ACW) 期間收到完整的文字記錄。文字記錄包括客服人員和客戶所說的一切，從客服人員接受初始通話的那一刻起，直到通話結束，如下圖所示。
![\[聯絡控制面板、對話的文字記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use1.png)
+ 聯絡會進入接聽流程，並且有來電轉接。以下是客服人員的體驗：
+ 客服人員 1 在 ACW 期間離開會議/熱線轉接後收到通話文字記錄。
文字記錄包括客服人員 1 和客戶所說的所有內容，從客服人員接受初始通話的那一刻起，直到客服人員 1 離開會議/熱線轉接部分為止的所有內容。文字紀錄包括流程 (轉接/佇列流程) 提示訊息，如下圖所示。
![\[文字紀錄中的流程轉接提示。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use2.png)
+ 客服人員 2 在接受來自客服人員 1 的會議/熱線轉接通話時收到通話文字記錄。
文字記錄包括客服人員 1 和客戶所說的所有內容，從客服人員 1 接受初始通話的那一刻起，直到客服人員 1 離開會議/熱線轉接部分為止的所有內容。文字記錄包括流程 (傳輸/佇列流程) 提示訊息，以及熱線轉接的對話，如下圖所示。
![\[文字記錄、流量轉接提示以及兩個客服人員之間的熱線轉接。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use2b.png)
由於對話分析未在轉接流程中啟用，因此當通話結束且進入 ACW 時，客服人員 2 不會看到其餘的文字記錄。下列客服人員 2 的 ACW 圖片顯示空白的文字記錄。
![\[空白的文字記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use2c.png)
### 使用案例 2：在撥入流程和轉接流程 (快速連線) 中啟用對話分析
+ 聯絡會進入接聽流程，並且沒有來電轉接。以下是客服人員的體驗：
+ 客服人員 1 會在 ACW 期間收到完整的通話記錄 (未編輯)。
文字記錄包括客服人員 1 所說的所有內容，和客服人員接受客戶通話的那一刻起，直到通話結束為止的所有內容。下圖顯示客服人員 1 的 CCP。
![\[客服人員 1 的 CCP，完整的通話文字記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use3.png)
+ 聯絡會進入接聽流程，並且有來電轉接。以下是客服人員的體驗：
+ 客服人員 1 在 ACW 期間離開會議/熱線轉接後收到通話文字記錄。
文字記錄包括客服人員 1 所說的所有內容，和客服人員 1 接受客戶通話的那一刻起，直到客服人員 1 離開會議/熱線轉接部分為止的所有內容。文字記錄包括流程 (轉接/佇列流程) 提示訊息。
直到熱線轉接的完整通話文字記錄如下圖所示。
![\[完整的通話文字記錄，直到客服人員 1 離開會議為止。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use2b.png)
+ 客服人員 2 在接受來自客服人員 1 的會議/熱線轉接通話時收到通話文字記錄。
文字記錄包括客服人員 1 所說的所有內容，和客服人員 1 接受客戶通話的那一刻起，直到客服人員 1 離開會議/熱線轉接部分為止的所有內容。文字記錄包括流程 (轉接/佇列流程) 提示訊息。
+ 由於已在轉接流程中啟用對話分析，因此在 ACW 期間，客服人員 2 會在通話完成後收到通話文字記錄。
文字記錄僅包括客服人員 2 和客戶之間通話的剩餘部分，客服人員 1 已離開通話。文字記錄包括客服人員 2 和客戶所說的一切內容，從他們會議/熱線轉入的那一刻起，直到通話結束。下圖顯示文字記錄顯示的範例。
![\[客服人員 2 和客戶之間通話的文字記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-summarization-use3b.png)
## 如果流程區塊無法啟用對話分析，該怎麼做？
這是可能是 [設定錄製和分析行為](set-recording-behavior.md) 區塊無法在聯絡上啟用對話分析。如果未對聯絡啟用對話分析，[請檢查流程日誌](search-contact-flow-logs.md)是否存在錯誤。
## 多方通話和對話分析
Contact Lens 對話分析支援最多有 2 個參與者的通話。例如，如果一個通話中有兩個以上的對象 (客服人員和客戶)，或者通話被轉接到第三方，文字記錄和分析的品質 (例如情緒、修訂、類別等) 可能會降低。如果有超過兩方 (客服人員和客戶)，我們建議您為多方或第三方通話停用對話分析。若要這樣做，請將另一個 [設定錄製和分析行為](set-recording-behavior.md) 區塊新增至流程，並停用對話分析。如需流程區塊行為的詳細資訊，請參閱 [組態提示](set-recording-behavior.md#set-recording-behavior-tips)。
# 指派在 Amazon Connect 中使用 Contact Lens 對話分析的許可
為了保護客戶資料的安全，您可以設定安全設定檔許可，以決定誰可以存取 Contact Lens 對話分析所產生的資訊。
以下說明必要的安全設定檔許可，以及一些有幫助但非必要的許可。其中一些是搜尋許可，這是您尋找您要分析的聯絡所需的許可。這些項目並非專屬於 Contact Lens 對話分析。
## 對話分析許可
+ **Contact Lens - 對話分析**
+ 在**聯絡詳細資訊**頁面上，您可以檢視彙整了對話分析的圖形 (語音聯絡的客戶情緒、通話時間)，以及文字記錄和錄音上每個對話回合的情緒色彩與指標。例如，下圖顯示此資訊在語音連絡人 **聯絡詳細資訊** 頁面上的顯示方式。
也需要 **Contact Lens - 對話分析 - 檢視**許可，才能檢視對話錄音和文字記錄的情緒指標。
![\[聯絡詳細資訊頁面上的圖形。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission.png)
![\[聯絡詳細資訊頁面上的圖形。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission-2.png)
+ **通話錄音 (未修訂)**
在聯絡人的**聯絡人詳細資訊**和**聯絡人搜尋**頁面上，檢視未修訂的錄音。
+ **通話錄音 (已修訂)**
在聯絡人的**聯絡人詳細資訊**和**聯絡人搜尋**頁面上，聆聽其中已修訂敏感資料的通話錄音。
+ **聯絡文字記錄 (未修訂)**
在聯絡人的**聯絡人詳細資訊**和**聯絡人搜尋**頁面上，檢視未修訂的聊天、電子郵件對話，以及 Contact Lens 產生的未修訂語音文字記錄。
+ **聯絡文字記錄 (已修訂)**
在聯絡人的**聯絡人詳細資訊**和**聯絡人搜尋**頁面上，檢視其中已修訂敏感資料的聊天和語音文字記錄。
**重要**
如果您有權可執行：
**聯絡文字記錄 (未修訂) - 存取**和**聯絡文字記錄 (已修訂) - 存取**
- 或 -
**通話錄音 (未修訂) - 存取**和**通話錄音 (已修訂) - 存取**
請注意下列行為：
已在流程上啟用修訂時，修訂後的內容會顯示在**聯絡詳細資訊**和**聯絡搜尋**頁面上。
如果已在流程上停用修訂，或 Contact Lens 未分析聯絡，則未修訂的內容會顯示在**聯絡詳細資訊**和**聯絡搜尋**頁面上。
您無法同時存取對話的修訂和未修訂版本。
## 搜尋許可
+ **聯絡搜尋**
這是您存取**聯絡搜尋**頁面所需的許可，您可以在此搜尋聯絡，以便您查看分析的錄音和文字記錄。此外，您還可以在通話文字記錄上執行快速的全文檢索搜尋，並依情緒分數和非通話時間進行搜尋。
+ **檢視我的聯絡**
如果您需要存取**聯絡搜尋**頁面，這將是必要許可，請檢閱您已處理的聯絡，並且查看分析的錄音和文字記錄。
**重要**
如果同時授與 **聯絡搜尋** 和 **檢視我的聯絡** 許可，則使用者將擁有所有聯絡的存取許可。
+ **依對話特性搜尋聯絡**
Contact Lens 對話分析不需要此許可，但若有的話將可提供更多搜尋選項。
在 **聯絡搜尋** 頁面上：
+ 針對語音聯絡，您可以存取其他篩選條件，讓您根據情緒得分和非通話時間傳回結果。
+ 針對聊天聯絡，您可以存取其他篩選條件，以按回應時間搜尋聯絡。
+ 對於語音和聊天，您可以搜尋屬於特定聯絡類別的對話。
如需詳細資訊，請參閱[搜尋情緒分數/轉移](search-conversations.md#sentiment-search)、[搜尋非通話時間](search-conversations.md#nontalk-time-search)及[搜尋聯絡類別](search-conversations.md#contact-category-search)。
下圖顯示 **聯絡搜尋** 頁面的 **篩選條件** 區段，以及 **篩選條件** 下拉式功能表。旁邊有 **CL** 的篩選條件，只有具有此安全性描述檔許可的使用者才能使用。
![\[新增篩選條件下拉式功能表，篩選旁邊帶有 CL 的結果。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-search-contact-category-3.png)
+ **根據關鍵字搜尋聯絡**
Contact Lens 對話分析不需要此許可，但若有的話將可提供更多搜尋選項。
+ 在 **聯絡搜尋** 頁面上，您可以存取其他篩選條件，讓您根據 **單字或片語** 搜尋聯絡，例如「*謝謝您的光臨*」。如需詳細資訊，請參閱[搜尋單字或片語](search-conversations.md#keyword-search)。
![\[新增篩選條件下拉式功能表，單字或片語 CL 篩選。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
# Amazon Connect 中的對話分析指標
下列指標衍生自 Contact Lens 對話分析。只有在[為執行個體啟用了 Contact Lens](enable-analytics.md#enable-cl)，並且對聯絡啟用了[對話分析](enable-analytics.md#enable-callrecording-speechanalytics)時，這些指標才能使用。
這些指標會顯示在即時和歷史指標報告上。如需如何將這些指標新增至報告的相關指示，請參閱 [如何建立歷史指標報告](create-historical-metrics-report.md#historical-reports-howto-create)。
另請查看 [Contact Lens 對話分析儀表板](contact-lens-conversational-analytics-dashboard.md)，以取得聯絡驅動因素長時間趨勢的資料視覺效果。
## 客服人員通話時間百分比
此指標會測量客服人員在語音交談中的通話時間佔總交談持續時間的百分比。
**指標類型**：百分比
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`PERCENT_TALK_TIME_AGENT`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：客服人員通話時間百分比
**計算邏輯**：
+ 加總客服人員參與對話的所有間隔 (通話時間客服人員)。
+ 將總和除以總對話持續時間。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均客服人員問候時間
此指標提供客服人員在聊天中的平均第一次回應時間，指出他們在加入聊天後與客戶互動的速度。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_GREETING_TIME_AGENT`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均客服人員問候時間
**計算邏輯**：
+ 此指標的計算方式是將客服人員啟動第一個回應所花費的總時間除以聊天聯絡人的數量。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均客服人員中斷
此指標會量化客服人員在客戶互動期間中斷的平均頻率。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_INTERRUPTIONS_AGENT`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均客服人員中斷
**計算邏輯**：
+ 此指標的計算方式是將客服人員中斷總次數除以聯絡人總數。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均客服人員中斷時間
此指標會測量與聯絡人交談時，客服人員中斷總時間的平均值。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_INTERRUPTION_TIME_AGENT`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均客服人員中斷時間
**計算邏輯**：
+ 加總每個對話內的中斷間隔。
+ 將總和除以至少經歷一次中斷的對話數量。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均客服人員通話時間
此指標會測量客服人員在通話中花費的平均時間。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_TALK_TIME_AGENT`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均客服人員通話時間
**計算邏輯**：
+ 加總客服人員說話期間所有間隔的持續時間。
+ 將總和除以聯絡人總數。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均交談持續時間
此指標會測量與客服人員進行語音聯絡的平均對話持續時間。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_CONVERSATION_DURATION`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均對話持續時間
**計算邏輯**：
+ 此指標是透過從對話開始直到客服人員或客戶說出最後一個字的總時間進行計算。
+ 然後，此值除以聯絡人總數，以提供通話所花費的交談時間的平均表示。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均客戶通話時間
此指標會測量客戶在通話中花費的平均時間。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_TALK_TIME_CUSTOMER`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均客戶通話時間
**計算邏輯**：
+ 加總客戶說話期間所有間隔的持續時間。
+ 將總和除以聯絡人總數。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均非通話時間
此指標會提供語音對話中總非通話時間的平均值。非通話時間是指保留時間和超過 3 秒的沉默期間的合併持續時間，在此期間，客服人員人和客戶都不會進行對話。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_NON_TALK_TIME`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均非通話時間
**計算邏輯**：
+ 加總兩個參與者保持靜音的所有間隔。
+ 將總和除以聯絡人數量。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 平均通話時間
此指標會測量在跨客戶或客服人員進行語音聯絡期間通話所花費的平均時間。
**指標類型**：字串 (*hh:mm:ss*)
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`AVG_TALK_TIME`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：平均通話時間
**計算邏輯**：
+ 加總客服人員、客戶或兩者參與對話的所有間隔。
+ 將總和除以聯絡人總數。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 客戶通話時間百分比
此指標會提供客戶在語音交談中的通話時間佔總交談持續時間的百分比。
**指標類型**：百分比
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`PERCENT_TALK_TIME_CUSTOMER`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：客戶通話時間百分比
**計算邏輯**：
+ 加總客戶參與對話的所有間隔。
+ 將總和除以總對話持續時間。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 非通話時間百分比
此指標會測量語音交談中的非通話時間佔總交談持續時間的百分比。
**指標類型**：百分比
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`PERCENT_NON_TALK_TIME`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：非通話時間百分比
**計算邏輯**：
+ 加總參與者保持靜音 (非通話時間) 的所有間隔。
+ 將總和除以總對話持續時間。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
## 通話時間百分比
此指標會測量語音交談中的通話時間佔總交談持續時間的百分比。
**指標類型**：百分比
**指標類別**：對話分析驅動的指標
**如何使用 Amazon Connect API 進行存取**：
+ [GetMetricDataV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html) API 指標識別碼：`PERCENT_TALK_TIME`
**如何使用 Amazon Connect 管理員網站存取** ：
+ 歷史指標報告：通話時間百分比
**計算邏輯**：
+ 加總客服人員、客戶或兩者參與對話的所有間隔 (通話時間)。
+ 將總和除以總對話持續時間。
**備註**：
+ 此指標僅適用於透過 Contact Lens 對話分析來分析的聯絡人。
# Amazon Connect Contact Lens 通知類型
Contact Lens 提供下列通知類型：
+ Contact Lens 通話/聊天後規則相符：只要 Contact Lens 規則符合並觸發 EventBridge 規則動作，就會傳送 EventBridge 事件。
此事件包含有關觸發 Contact Lens 規則的實用資訊，包括指派的類別，以及客服人員、聯絡和佇列的詳細資訊。
+ Contact Lens 即時通話/聊天規則相符：只要符合 Contact Lens 規則並即時觸發，就會傳送 EventBridge 事件。
此事件包含有關觸發 Contact Lens 規則的實用資訊，包括指派的類別，以及客服人員、聯絡和佇列的詳細資訊。
+ Contact Lens 分析狀態變更：當 Contact Lens 無法分析聯絡錄音時，會傳遞 EventBridge 事件。事件包含事件原因代碼，其中提供無法處理錄音的詳細資訊。
您可以在各種情境下使用這些通知類型。例如，使用 Contact Lens 分析狀態變更事件可在處理聯絡檔案時發出意外錯誤訊號，EventBridge 事件詳細資料隨後可儲存在 CloudWatch 日誌中以供進一步檢閱、觸發其他工作流程，或提醒相關支援團隊進行進一步調查。
用於語音和聊天分析的 Contact Lens 事件啟用了許多新的使用案例，像是公開和視覺化其他深入解析，例如：
+ 對所有通話和聊天對話中的即時客戶情緒下降產生提醒
+ 彙總和報告重複發生的問題和主題
+ 通過偵測通話期間，有多少客戶引用最新行銷活動，來衡量最新行銷活動的成效
+ 為每個區域和業務線自訂客服人員合規標準，並在必要時為客服人員註冊其他培訓。
# 使用 Amazon Connect 管理員網站將自訂詞彙新增至 Contact Lens
您可以擴展和調整 Contact Lens 中語音轉換文字引擎的詞彙，以提高產品名稱、品牌名稱和特定領域術語的語音辨識準確性。
本主題說明如何使用 Amazon Connect 管理員網站新增自訂詞彙。您也可以使用 [CreateVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateVocabulary.html) 和 [AssociateDefaultVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateDefaultVocabulary.html) API 來新增詞彙。
## 自訂詞彙的須知事項
+ 您必須將詞彙設定為 **預設** 詞彙，才能將其套用至分析以產生文字記錄。下圖顯示 **自訂詞彙** 頁面。選擇省略號，然後選擇 **設為預設值**。
![\[自訂詞彙頁面、省略號的位置、設定為預設選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-custom-vocab-default.png)
+ 每種語言能將一種詞彙套用至分析。這表示每種語言只能有一個檔案處於 **就緒 (預設)** 狀態。
+ 您最多可以上傳和啟用 20 個詞彙檔案。這 20 個檔案可以全部同時啟用。
+ 文字記錄是一次性事件。新上傳的詞彙不會以追溯方式套用至現有的文字記錄。
+ 您的文字檔案必須為 LF 格式。如果您使用任何其他格式 (例如 CRLF 格式)，Amazon Transcribe 將不接受您的自訂詞彙。
+ 僅當您選擇英文語言設定時，才能下載詞彙範例檔案。
+ 如需詞彙檔案大小和其他需求的限制，請參閱《Amazon Transcribe 開發人員指南》**中的[自訂詞彙](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary.html)。
+ 自訂詞彙僅適用於語音分析。它們不適用於聊天對話，因為文字記錄早已存在。
## 所需的許可
將自訂詞彙新增至 Amazon Connect 之前，您必須將**分析和最佳化**、**Contact Lens – 自訂字彙**許可指派給您的安全設定檔。
根據預設，在 Amazon Connect 的新執行個體中，**管理員** 和 **CallCenterManager** 安全設定檔具有此權限。
如需如何將更多權限新增到現有安全性設定檔的資訊，請參閱 [在 Amazon Connect 中更新安全性設定檔](update-security-profiles.md)。
## 新增自訂詞彙
1. 使用具有新增自訂詞彙所需許可的使用者帳戶登入 Amazon Connect。
1. 導覽至 **分析和最佳化**，**自訂詞彙**。
1. 選擇 **新增自訂詞彙**。
1. 在 **新增自訂詞彙** 頁面上，輸入詞彙的名稱、選擇英文語言，然後選擇 **下載範例檔案**。
**注意**
僅當您選擇英文語言設定時，才能下載詞彙範例檔案。否則，會顯示錯誤訊息，如下圖所示。
![\[處理詞彙檔案失敗的錯誤訊息。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-custom-vocab-sample-error.png)
下圖顯示詞彙檔案範例看起來的樣子。標頭包含 `Phrase`、`IPA`、`SoundsLike` 以及 `DisplayAs`。需要標頭。
![\[詞彙檔案範例、標頭。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-custom-vocab-header.png)
1. 檔案中的資訊由每個項目一個 [TAB] 分隔。如需如何在詞彙檔案中新增單字和縮略詞的詳細資訊，請參閱《Amazon Transcribe 開發人員指南》**中的[使用表格建立自訂字彙](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary-create-table.html)。
下圖顯示詞彙檔案範例中的單字。片語欄中的單字是必要項目。`IPA`、`SoundsLike` 和 `DisplayAs` 欄中的單字是選用的。
![\[詞彙檔案範例，片語中的單字是必要項目。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-custom-vocab-phrase-column.png)
若要在 **片語** 欄中輸入多個單字，請使用連字號 (-) 分隔每個單字；請勿使用空格。
## 詞彙狀態
+ **就緒 (預設)**：將詞彙套用至分析以產生文字記錄。適用於即時和通話後分析。
+ **就緒**：詞彙不會套用至分析，但是有效的檔案且可供使用。若要將其套用至分析，請將其設定為預設值。
+ **處理中**：Amazon Connect 正在驗證您上傳的詞彙，並嘗試將其套用於分析以產生文字記錄。
+ **刪除中**：您選擇 **移除** 詞彙，而 Amazon Connect 現在正在刪除該詞彙。
Amazon Connect 大約需要 90 分鐘才能刪除詞彙。
如果您嘗試上傳未驗證的詞彙，結果會是 **失敗** 狀態。例如，如果您在 **片語** 欄中加入多個單字片語，並以空格而非連字號分隔，則會導致失敗。
## 下載並檢視自訂詞彙
若要檢視已上傳的自訂詞彙，請下載並開啟檔案。只能下載和檢視處於 **就緒** 狀態的檔案。
1. 導覽至 **分析和最佳化**，**自訂詞彙**。
1. 選擇 **更多**，**下載**。下圖顯示 **下載** 的位置。
![\[自訂詞彙頁面、詞彙清單、更多下拉式功能表、下載選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-custom-vocab-download.png)
1. 開啟下載以檢視內容。
1. 您可以變更內容，然後選擇 **儲存並上傳**。
# 使用 Amazon Connect 管理員網站建立 Contact Lens 規則
Contact Lens 規則可讓您根據通話、聊天或電子郵件、情緒分數、客戶屬性和其他條件中使用的關鍵字，自動分類聯絡人、接收提醒或產生任務。
本主題說明如何使用 Amazon Connect 管理員網站建立規則。若要以程式設計方式建立和管理規則，請參閱《Amazon Connect API 參考資料指南》**中的[規則動作](https://docs.aws.amazon.com/connect/latest/APIReference/rules-api.html)和 [Amazon Connect 規則函數語言](https://docs.aws.amazon.com/connect/latest/APIReference/connect-rules-language.html)。
**提示**
如需規則功能規範的清單 (例如，您可以建立多少規則)，請參閱 [Amazon Connect 規則功能規格](feature-limits.md#rules-feature-specs)。
## 步驟 1：定義對話分析的規則條件
1. 在導覽功能表上，選擇**分析和最佳化**，**規則**。
1. 選擇 **建立規則**、**對話分析**。
1. 在**時間**下，使用下拉式清單選擇**通話後分析**、**即時分析**、**聊天後分析**或**電子郵件分析**。
![\[新的規則頁面、下拉式時間功能表。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. 選擇**新增條件**。
您可以將大量條件與條件結合，以建立非常具體的 Contact Lens 規則。以下是可用的條件：
+ **單字或片語**：從[完全比對、模式比對或語意比對中進行選擇](exact-match-pattern-match-semantic-match.md)，以在輸出關鍵字時觸發提醒或任務。
+ **自然語言 - 語意比對**：提供自然語言陳述 (例如，客戶來電取消其帳戶) 與使用生成式 AI 的對話文字記錄進行比對，並採取動作 (例如，觸發任務、執行評估等) 如需詳細資訊，請參閱[採用生成式 AI 技術的語意比對](natural-language-semantic-match.md)
+ **聯絡後工作 (ACW)**：建立規則來衡量客服人員在聯絡後工作完成時的效率。
+ **客服人員階層**：建置在特定客服人員階層上執行的規則。客服人員階層可能代表地理位置、部門、產品或團隊。
若要查看代理程式階層清單，以便您可以將它們新增至規則，您需要安全設定檔中的**代理程式階層 - 檢視**許可。
+ **客服人員**：建置在客服人員子集上執行的規則。例如，建立規則以確保新聘用的客服人員合公司標準。
若要查看客服人員名稱以便將其新增至規則，您需要安全性設定檔中的 **使用者 – 檢視** 許可。
+ **AI 代理程式**：識別特定 Connect AI 代理程式執行自助服務或客服人員協助的聯絡人。您可以選取多個 AI 代理器，或選取特定版本的代理器。
若要查看 AI 代理器名稱以便將其新增至規則，您需要 **AI 代理器 - 在安全性設定檔中檢視**許可。
+ **AI 代理程式 - 升級**：當用於客戶自助服務的 Connect AI 代理程式升級為人類時，識別聯絡人。
若要查看 AI 代理程式名稱以便將其新增至規則，您需要 **AI 代理程式 - 在安全性設定檔中檢視**許可。
+ **客服人員互動持續時間**：建置規則，以識別客服人員互動時間比預期長或短的聯絡。此功能僅適用於通話。
+ **聯絡客群屬性**：您可以使用自訂聯絡客群屬性來識別規則內的聯絡，其值是從其他系統填入或使用自訂邏輯。您可以[定義屬性，](predefined-attributes.md#predefined-attributes-create-web-admin)並在流程中設定其值。自訂客群屬性僅存在於該特定聯絡 ID，而非整個聯絡鏈。例如，您可以建置規則，識別聯絡人在與客服人員連線之前已在 IVR 中預先驗證。
若要查看要新增至規則的聯絡客群屬性清單，您需要**預先定義的屬性 - 檢視**許可。
+ **中斷連線原因**：建立規則，檢查聯絡人中斷連線的原因。例如，如果客服人員在客戶之前中斷連線，或聯絡案例已轉接。
+ **最高響度分數**：建立規則，在客服人員或客戶的對話期間檢查峰值響度分數 （以分貝為單位）。較高的響度 （例如，超過 70Db) 可能與興奮或憤怒有關，而低於特定響度分數 （例如，30Db 或更低） 的語音可能難以理解。
+ **保留時間**：建立規則來識別保留時間不尋常的聯絡人，以識別更有效率地處理聯絡人的機會。您可以使用最長保留時間、總保留時間和保留數量來設定規則。您也可以檢查保留時間，以客戶與客服人員連線的總時間百分比表示 （客戶保留時間除以客服人員互動持續時間和客戶保留時間）。
+ **啟動方法**：建置規則，檢查聯絡人是否傳入、傳出、轉接等。
+ **聯絡屬性**：建立根據自訂[連絡屬性](what-is-a-contact-attribute.md)值執行的規則。例如，您可以針對特定業務單位或特定客戶建立專屬規則，例如根據他們的會員資格層級、目前居住國家/地區或他們是否有未完成的訂單。
您最多可以將五個聯絡屬性新增至規則。
+ **情緒 – 時段**：建立在追蹤時間範圍內對情緒分析結果 (正面、負面或中立) 執行的規則。
例如，您可以針對客戶情緒在設定的時間段內保持負面的情況建立規則。如果參與者稍後加入聯絡，則此處設定的時間範圍適用於參與者在場的時間。
規則套用到沒有情緒資料的聯絡時，會使用中性情緒。
+ **情緒 – 整體聯絡**：建立根據整體聯絡的情緒分數值執行的規則。例如，您可以在整體聯絡的客戶情緒低下時建立規則，您可以建立客戶體驗分析師檢閱通話記錄和進行跟進。
規則套用到沒有情緒資料的聯絡時，會使用中性情緒。
+ **中斷**：當偵測到客服人員中斷客戶超過 X 次時，建置的規則。此功能僅適用於通話。
+ **非通話時間**：建置規則以檢查未偵測到的語音。這可能包括客戶被保留的期間。您可以檢查總非通話時間、對話中最長的非通話時段，或對話期間的非通話時間百分比。高非通話時間，例如超過對話 50% 的非通話時間百分比，可能表示有機會改善流程或客服人員指導機會。此功能僅適用於通話。
+ **回應時間**：建置規則以識別參與者回應時間過長或過短，超出預期的聯絡人：「平均」或「上限」。
例如，您可以設定 **客服人員問候時間** 規則，也稱為 **首次回應時間**：客服人員加入聊天後，需要多久才傳送第一則問候語訊息。這將幫助您確定客服人員什麼時候花費太長時間，才與客戶進行互動。
+ **潛在的中斷連線問題**：建置規則來檢查是否有任何技術問題 （例如網路連線、裝置問題）。您可以使用此功能從自動客服人員效能評估中排除聯絡人，因為客服人員無法控制連線問題。
+ **佇列**：建置在佇列子集上執行的規則，或檢查聯絡人是否未排入佇列。組織通常會使用佇列來指示業務單位、主題或網域。例如，您可以特別為銷售佇列建立規則、追蹤近期行銷活動的影響，或者，為您的客戶支援佇列建立規則、追蹤整體情緒。對於自助式互動，您可以檢查聯絡人是否從未排入佇列，可能表示與 AI 代理器的自助式服務成功。
若要查看佇列名稱，以便您可以將它們新增至您需要**佇列 - 在安全性設定檔中檢視許可的**規則。
+ **轉接描述檔**：識別由對應至特定轉接描述檔的客服人員處理的聯絡人。轉接描述檔可能表示客服人員部門或技能熟練度。例如，您可以使用轉接描述檔對客服人員執行自動評估 新進人員，使用不同的評估標準與資深多技能客服人員進行基本疑難排解。
若要查看路由描述檔以便將其新增至規則，您需要在安全性描述檔中**路由描述檔 - 檢視**許可。
+ **通話時間**：使用客服人員或客戶交談所花費的絕對時間閾值來建置規則。這可用來識別客戶完全沒有說話的位置，導致客服人員中斷連線，或客服人員表現出通話迴避行為，例如接聽電話後未說話。
+ **客服人員互動持續時間**：建置規則，以識別客服人員互動時間比預期長或短的聯絡。此功能僅適用於通話。
下圖顯示具有多個語音聯絡條件的規則範例。
![\[具有多個語音聯絡條件的規則範例。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-conditions.png)
下圖顯示具有多個聊天聯絡條件的規則範例。當 **第一個** 回應時間大於或等於 1 分鐘，且客服人員在第一個回應中未提及任何清單中的問候語或片語時，就會觸發此規則。
**第一個回應時間** = 客服人員加入聊天後，直到他們向客戶傳送第一條消息，這之間花費多少時間。
![\[具有多個聊天聯絡條件的規則範例。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-conditions-chat.png)
1. 選擇**下一步**。
## 步驟 2：定義規則動作
1. 選擇**新增動作**。您可以選擇下列動作：
+ [建立任務](contact-lens-rules-create-task.md)：此選項不適用於即時聊天
+ [傳送電子郵件通知](contact-lens-rules-email.md)
+ [產生 EventBridge 事件](contact-lens-rules-eventbridge-event.md)
![\[新增動作下拉式功能表，動作清單。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-action-no-wisdom.png)
1. 選擇**下一步**。
1. 檢閱並進行任何編輯，然後選擇 **儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
# 藉由比對對話與自然語言陳述或特定字詞和片語，將聯絡自動分類
Contact Lens 對話分析可讓您自動分類聯絡，以識別聯絡的首要驅動因素、客戶體驗和客服人員行為。在聊天的**聯絡詳細資訊**頁面上，類別會顯示於文字記錄上方，如下圖所示。
![\[聯絡詳細資訊頁面，類別區段。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-category-overview-chat2.png)
以下是您在分類聯絡時可以執行的一些重要操作：
+ 透過採用生成式 AI 技術的聯絡分類，您可以提供以自然語言分類聯絡的條件 (例如，客戶是否曾嘗試支付餘額？)。
+ 您可以提供客服人員或客戶所說的特定字詞或片語，與對話比對。Contact Lens 隨後會自動標記符合比對條件的聯絡，並提供對話中的相關要點。
+ 您可以定義動作，以就分類的聯絡接收警示及產生任務。
+ 您可以指定其他條件來分類聯絡，例如客戶情緒分數、佇列或您新增至聯絡的任何自訂屬性，如客戶忠誠度資訊。
## 何時使用字詞或片語
當您想要偵測明確定義的字詞或片語清單時，使用特定的字詞或片語非常有用，例如，在監控客服人員腳本遵循，或評估客戶對產品的興趣時。
## 何時使用自然語言
有太多可能的字詞或片語，或是您想要比對內容特定條件時，使用自然語言陳述來比對聯絡很有用，例如「客戶想要變更其訂閱計劃」、「客服人員已解決客戶的所有問題」。
## 新增對聯絡分類的規則
在本節中：
+ [步驟 1：定義條件](#add-category-rules-define-conditions)
+ [步驟 2：定義動作](#add-category-rules-define-actions)
### 步驟 1：定義條件
1. 使用獲指派 **CallCenterManager** 安全性描述檔的使用者帳戶，或啟用 **規則** 許可的使用者帳戶登入 Amazon Connect。
1. 在導覽功能表上，選擇**分析和最佳化**，**規則**。
1. 選擇 **建立規則**、**對話分析**。
1. 為規則指定名稱。
1. 在**時間**下，使用下拉式清單選擇**通話後分析**、**即時分析**、**聊天後分析**、**即時聊天分析**或**電子郵件分析**。
![\[新增規則頁面，時間下拉式清單。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. 選擇 **新增條件**，然後選擇相符的類型：
+ **字詞或片語 - 完全相符**：尋找與字詞或片語完全相符的聯絡。輸入單字或片語，並以英文逗號分隔。
+ **字詞或片語模式相符**：藉由尋找字詞或片語的模式來尋找聯絡。您也可以指定單字之間的距離。例如，如果您正在尋找提及「信用卡」一詞的聯絡，但您不想看到任何提及「信用卡」一詞的聯絡，則您可以定義模式比對類別，以尋找「卡」一個字距離內沒有「信用」的一詞。
+ **自然語言 - 語意比對**：使用生成式 AI 尋找與提供的自然語言陳述相符的聯絡。陳述應可用是或否來回答。自然語言 - 當您想要使用內容特定條件比對聯絡，或是有太多可能的字詞或片語要比對時，就可以使用語意比對。範例如下：
+ 「客戶想要變更其訂閱計劃。」
+ 「客戶表示想要終止其目前的服務。」
+ 「客服人員提供了多種付款選項。」
+ 「客服人員向客戶保證他們的通話很重要，並要求更長的等待時間。」
+ 「客服人員已解決客戶的所有問題。」
**注意**
「自然語言 - 語意比對」條件無法用於即時分析。
要建立使用生成式 AI 的規則，必須要有額外的許可：**規則 - 生成式 AI**。
**專業提示**：如果您之前使用了**字詞或片語 - 語意比對**，請使用採用生成式 AI 技術的**自然語言 - 語意比對**。
+ **字詞或片語 - 語意比對**：尋找可能是同義字的字詞。例如，如果您輸入「沮喪」，則可以配對「不開心」，或是「難以接受」可以與「不可接受」配對，而「取消訂閱制」可以與「取消訂閱」配對。同樣，也可以在語義上配對片語。例如，「非常感謝您幫助我」、「非常感謝，這很有幫助」和「我很高興您能夠幫助我」。
這樣就不需要在建立類別時，詳細定義關鍵字清單，並且讓您能夠投放更寬廣的範圍，搜尋對您重要的類似片語。若要取得最佳語意比對結果，請在語意比對卡片中提供具有類似意義的關鍵字或片語。目前，每個語意比對卡片最多可以提供四個關鍵字和片語。
1. 以**字詞或片語 - 完全相符**為例，請輸入要醒目提示的字詞或片語 (以逗號分隔)，然後選擇**新增**。每個逗號分隔的單字或片語，在卡片中都會自行取得一行。
![\[新的規則頁面，單字或片語 – 完全相符的部分。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-script.png)
![\[新的規則頁面，單字或片語 – 完全相符的部分，新增按鈕。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-script2.png)
Contact Lens 用來讀取這些片語的邏輯是：(Hello AND thank AND you AND for AND calling AND Example AND Corp) OR (we AND value AND your AND business) OR (how AND may AND I AND assist AND you)。
或者，使用**自然語言 - 語意比對**條件，並在文字方塊中輸入自然語言陳述 (應可由生成式 AI 評估為 True 或 False)。
![\[新增規則頁面，自然語言 - 語意比對區段。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-natural-language-semantic.png)
1. 若要新增更多單字或片語，請選擇 **新增單字或片語群組**。在下圖中，第一組單字或片語是客服人員可能會說的話，第二組是客戶可能會說的話。
![\[單字或片語 – 與客服人員單字和片語完全相符，或與客戶單字或片語完全相符。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. Contact Lens 用來讀取這些片語的邏輯是：(Hello AND thank AND you AND for AND calling AND Example AND Corp) OR (we AND value AND your AND business) OR (how AND may AND I AND assist AND you)。
1. 這兩張卡與「和」連接。這意味著，需要說出第一張卡片中的一行，然後，「和」第二張卡片中的一個片語。
Contact Lens 用來讀取兩張字詞或片語卡片的邏輯是 (卡片 1) AND (卡片 2)。
1. 選擇 **新增條件** 將規則套用至：
+ 特定佇列
+ 當聯絡屬性具有特定值時
+ 當情緒分數具有特定值時
例如，下圖顯示的規則適用於客服人員正在進行 BasicQueue 或帳單與付款佇列、客戶要處理自動保險，而客服人員位於西雅圖。
![\[具有多個條件的規則。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
### 步驟 2：定義動作
除了對聯絡進行分類之外，您還可以定義 Amazon Connect 應採取的動作：
1. [產生 EventBridge 事件](contact-lens-rules-eventbridge-event.md)
1. [建立任務](contact-lens-rules-create-task.md)
1. [建立案例](contact-lens-rules-create-case.md)
1. [傳送電子郵件通知](contact-lens-rules-email.md)
1. [建立提交自動化評估的規則](contact-lens-rules-submit-automated-evaluation.md)
### 步驟 3：檢閱和儲存
1. 完成時，請選擇**儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
# 當規則或類別無法由 Amazon Connect Contact Lens 評估時
當 Amazon Connect Contact Lens 在語音或聊天聯絡的聯絡後分析期間評估規則或類別時，規則或類別有可能無法評估。
以下是在聯絡分析期間評估規則或類別時可能產生的類別結果：
1. **已成功比對並套用至聯絡**。類別顯示在**聯絡詳細資訊**頁面上時，表示已成功比對並套用至聯絡。
1. **已成功評估，但不適用於聯絡**。類別未顯示於**聯絡詳細資訊**頁面時，表示不適用於聯絡，但已由 Contact Lens 規則成功評估。
1. **聯絡分析已完成，但未評估特定類別**。類別無法評估時，並不表示類別不適用於聯絡 (根據其條件)，而是 Contact Lens 在未評估此類別的情況下完成了聯絡分析。
下圖顯示失敗的類別以其虛線邊框、透明背景、錯誤圖示和失敗的字首表示。當您將滑鼠暫留在失敗的類別上方時，會顯示類別為何無法評估的詳細資訊。
![\[聯絡詳細資訊頁面上的失敗類別。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/failed-categories1.png)
這些失敗的類別僅存在於具有語意比對條件的規則中。兩個可能的原因為：
1. **超過配額**：已超過該時間範圍的生成式 AI 動作限制。您可以透過 AWS Support 請求提高配額。
1. **失敗的安全指導方針**：類別處理失敗，因為不符合安全和品質防護機制。
建議您對語意比對規則新增更多條件，以縮小其可能適用的聯絡數量。這有助於避免超過配額失敗。
## Contact Lens 聯絡後分析輸出客戶 S3 檔案
失敗類別會出現在 [JobDetails] > [略過的分析] 下的分析檔案中。
`SkippedAnalysis` 區段會顯示標記為「略過」的聯絡分析，即使該聯絡的分析已完成亦然。其中包含屬性 "Feature" 和 "ReasonCode"。`POST_CONTACT_SUMMARY` 是現有特徵之一。
`CATEGORIZATION` 會以新特徵的形式新增至略過的分析。對於導致分類失敗的每個唯一 `ReasonCode`，`SkippedAnalysis` 陣列中都有一個唯一的分類元素。每個唯一元素都會導入新的 `SkippedEntities` 屬性，其中包含因相關原因代碼而失敗的所有類別名稱 (及其相關聯的規則 ID) 的清單。
以下舉例說明 `JobDetails` 內的失敗類別：
```
"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"
}
]
},
```
如需詳細資訊，請參閱[通話的範例 Contact Lens 對話分析輸出檔案](contact-lens-example-output-files.md)。
# 根據通話中的關鍵字和片語在 Contact Lens 中為主管新增即時提醒
在流程中[啟用即時分析](enable-analytics.md)後，您可以新增規則，以便發生客戶體驗問題時自動通知主管。
例如，Contact Lens 可以在對話過程中提到某些關鍵字或片語時，或當它偵測到其他條件時自動傳送提醒。主管會在即時指標儀表板上看到提醒。從那裡，主管可以接聽即時通話，並向客服人員提供聊天引導，以幫助他們更快地解決問題。
下圖顯示主管收到提醒時，在即時指標儀表板上看到的內容範例。在這種情況下，Contact Lens 偵測到憤怒的客戶情況。
![\[即時指標頁面，提醒出現憤怒的客戶。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-real-time-metrics-alert2.png)
當主管接聽即時通話時，Contact Lens 會為他們提供即時文字記錄和客戶情緒趨勢，幫助他們了解情況並評估適當的行動。如果轉接到另一個客服人員，文字記錄也省去客戶重複自己需求的需要。
下圖顯示即時文字記錄範例。
![\[即時文字記錄範例。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-real-time-transcript.png)
## 新增通話即時警示的規則
1. 使用獲指派 **CallCenterManager** 安全性描述檔的使用者帳戶，或啟用 **規則** 許可的使用者帳戶登入 Amazon Connect。
1. 在導覽功能表上，選擇**分析和最佳化**，**規則**。
1. 選擇 **建立規則**、**對話分析**。
1. 為規則指定名稱。
1. 在 **時間** 下，使用下拉式清單選擇 **即時分析**。
1. 選擇 **新增條件**，然後選擇相符的類型：
+ **完全相符**：僅尋找完全相符的單字或片語。
+ **模式比對**：尋找可能小於 100% 精確的相符項目。您也可以指定單字之間的距離。例如，您可能會尋找提及「信用」一詞的聯絡人，但您不想看任何提及「信用卡」這個單字。您可以定義一個模式比對類別，以查詢「新用」單字距離一個字以內沒有「卡」一詞。
**提示**
語意比對不適用於即時分析。
1. 輸入您要反白顯示的單字或片語 (以逗號分隔)。即時規則僅支援 **所提及** 的任何關鍵字或片語。
![\[單字和片語規則。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. 選擇**新增**。每個逗號分隔的單字或片語，都會自行取得一行。
![\[具有多個片語的單字和片語規則，每個片語都在自己的行上。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
Contact Lens 用來讀取這些字詞或片語的邏輯是：(Talk OR to OR your OR manager) OR (this OR is OR not OR helpful) OR (speak OR to OR your OR supervisor) 等。
1. 若要新增更多單字或片語，請選擇 **新增單字或片語群組**。在下圖中，第一組單字或片語是客服人員人可能會說的話。第二組是客戶可能會說的話。
![\[帶有多個片語的單字和片語規則，適用於客戶和客服人員。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. 在第一張卡片中，Contact Lens 會將每一行讀取為 OR。例如：(您好) 或 (感謝，或，您，或，致電，或，範例，或，公司) 或 (我們，或，價值，或，您的，或，業務)。
1. 這兩張卡與「和」連接。這意味著，需要說出第一張卡片中的一行，然後，「和」第二張卡片中的一個片語。
Contact Lens 用來讀取兩張字詞或片語卡片的邏輯是 (卡片 1) AND (卡片 2)。
1. 選擇 **新增條件** 將規則套用至：
+ 特定佇列
+ 當聯絡屬性具有特定值時
+ 當情緒分數具有特定值時
例如，下圖顯示的規則適用於客服人員正在進行 BasicQueue 或帳單與付款佇列、客戶要處理自動保險，而客服人員位於西雅圖。
![\[具有多個條件的單字和片語規則。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. 完成時，請選擇**下一步**。
1. 在 **指派聯絡類別** 方塊中，新增類別的名稱。例如，**投訴** 或 **非投訴**。
1. 選擇 **下一步**，然後選擇 **儲存並發佈**。
# 根據聊天中的關鍵字和片語在 Contact Lens 中為主管新增即時提醒
在流程中[啟用即時分析](enable-analytics.md)後，您可以新增規則，以便發生客戶體驗問題時自動通知主管。
例如，Contact Lens 可以在聊天過程中提到某些關鍵字或片語時，或當它偵測到其他條件時自動傳送提醒。然後，主管可以查看即時聊天的 **聯絡詳細資訊** 頁面以查看問題。從那裡，主管可以加入聊天，並向客服人員提供聊天引導，以幫助他們更快地解決問題。
下圖顯示主管收到即時聊天警示時，在 **聯絡詳細資訊** 頁面上看到的內容範例。在這種情況下，Contact Lens 偵測到憤怒的客戶情況。
![\[聯絡詳細資訊頁面，警示即時出現憤怒的聊天客戶。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-realtime-alert-chat.png)
當主管監控聊天時，Contact Lens 會為他們提供即時文字記錄和客戶情緒趨勢，幫助他們了解情況並評估適當的行動。如果轉接到另一個客服人員，文字記錄也省去客戶重複自己需求的需要。
## 新增聊天即時警示的規則
1. 使用獲指派 **CallCenterManager** 安全性描述檔的使用者帳戶，或啟用 **規則** 許可的使用者帳戶登入 Amazon Connect。
1. 在導覽功能表上，選擇**分析和最佳化**，**規則**。
1. 選擇 **建立規則**、**對話分析**。
1. 為規則指定名稱。
1. 在 **時間** 下，使用下拉式清單選擇 **即時分析**。
1. 選擇 **新增條件**，然後選擇相符的類型。下圖顯示針對「**情緒-時間週期**」條件設定的規則。
![\[即時聊天分析規則的條件。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-realtime-chat-rule2.png)
您可以從以下選項中選擇：
+ **完全相符**：僅尋找完全相符的單字或片語。
+ **模式比對**：尋找可能小於 100% 精確的相符項目。您也可以指定單字之間的距離。例如，您可能會尋找提及「信用」一詞的聯絡人，但您不想看任何提及「信用卡」這個單字。您可以定義一個模式比對類別，以查詢「新用」單字距離一個字以內沒有「卡」一詞。
**提示**
語意比對不適用於即時分析。
1. 輸入您要反白顯示的單字或片語 (以逗號分隔)。即時規則僅支援 **所提及** 的任何關鍵字或片語。
![\[單字和片語規則。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. 選擇**新增**。每個逗號分隔的單字或片語，都會自行取得一行。
![\[具有多個片語的單字和片語規則，每個片語都在自己的行上。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
Contact Lens 用來讀取這些字詞或片語的邏輯是：(Talk OR to OR your OR manager) OR (this OR is OR not OR helpful) OR (speak OR to OR your OR supervisor) 等。
1. 若要新增更多單字或片語，請選擇 **新增單字或片語群組**。在下圖中，第一組單字或片語是客服人員可能會提到的話。第二組是客戶可能會提到的話。
![\[帶有多個片語的單字和片語規則，適用於客戶和客服人員。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. 在第一張卡片中，Contact Lens 會將每一行讀取為 OR。例如：(您好) 或 (感謝，或，您，或，致電，或，範例，或，公司) 或 (我們，或，價值，或，您的，或，業務)。
1. 這兩張卡與「和」連接。這意味著，需要提到第一張卡片中的一行，然後，「和」第二張卡片中的一個片語。
Contact Lens 用來讀取兩張字詞或片語卡片的邏輯是 (卡片 1) AND (卡片 2)。
1. 選擇 **新增條件** 將規則套用至：
+ 特定佇列
+ 當聯絡屬性具有特定值時
+ 當情緒分數具有特定值時
例如，下圖顯示的規則適用於客服人員正在進行 BasicQueue 或帳單與付款佇列、客戶要處理自動保險，而客服人員位於西雅圖。
![\[具有多個條件的單字和片語規則。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. 完成時，請選擇**下一步**。
1. 在 **指派聯絡類別** 方塊中，新增類別的名稱。例如，**投訴** 或 **非投訴**。
1. 選擇**新增動作** 以指定符合條件時，Amazon Connect 應採取的動作。您可以使用電子郵件通知或開發與 EventBridge 的自訂整合來設定主管警示。
![\[產生事件 EventBridge 事件和 傳送電子郵件通知 選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-realtime-chat-rule3.png)
1. 如果您選擇**傳送電子郵件通知**，請參閱 [建立傳送電子郵件通知的 規則](contact-lens-rules-email.md) 以取得完成頁面的更多詳細資訊以及電子郵件限制的相關資訊。
如果您選擇**產生 EventBridge 事件**，請參閱 [建立產生 EventBridge 事件的 規則](contact-lens-rules-eventbridge-event.md) 以取得完成頁面的更多詳細資訊以及訂閱 EventBridge 事件類型的詳細資訊。
# 建立傳送電子郵件通知的 規則
您可以建立將電子郵件通知傳送給組織中人員的 規則。這可協助您更快速地回應客服中潛在的問題。例如，您可建立一個通知的規則：
+ 帳戶升級或取消時的團隊主管。
+ 聯絡中心中的一群人，因為在對話中提到了某些單字。
+ 通話期間發生分歧時，聯絡中心內的指定人員。
+ 已處理使用 Amazon Connect 對話分析所分析或評估之聯絡案例的客服人員。
**重要**
所有電子郵件都是從 `no-reply@amazonconnect.com` 傳送。
SAML 使用者沒有主要電子郵件地址，他們具有使用者名稱登入。使用者名稱登入通常是電子郵件地址，但並不一定。這些使用者在 Amazon Connect 內的欄位標籤**電子郵件地址**是空白的。傳送電子郵件通知給 SAML 使用者時，他們必須已設定次要電子郵件，才能取得通知。若未設定次要電子郵件，使用者將不會接收到電子郵件。
**建立傳送電子郵件通知的 規則**
1. 使用具有建立規則[所需許可](permissions-for-rules.md)的使用者帳戶登入 Amazon Connect。
1. 導覽至 **分析和最佳化**，**規則**。
1. 在**規則**頁面上選擇**建立規則**，然後從下拉式清單中選擇**對話分析**或**評估表單**。
![\[規則頁面，建立規則下拉式清單，Contact Lens 選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-create-rule.png)
1. 在 **新增規則** 頁面上，定義規則的條件。如需詳細資訊，請參閱：
+ [定義對話分析的規則條件](build-rules-for-contact-lens.md#rule-conditions)
+ [定義評估表單的規則條件](create-evaluation-rules.md#rule-conditions-eval)。
1. 當您定義規則的處理行動時，請針對該動作選擇 **傳送電子郵件通知**。
![\[新規則頁面，新增動作下拉式清單，傳送電子郵件通知動作。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-email-action.png)
1. 在 **傳送電子郵件通知** 區段中，使用下列其中一個選項，選擇要接收電子郵件的人員：
+ **透過登入選擇收件者：將電子郵件路由傳送給指定的使用者。**
**重要**
SAML 使用者必須設定次要電子郵件，才能取得。若未設定次要電子郵件，使用者將不會接收到電子郵件。
+ **依索引標籤選擇收件者**。根據客服人員的索引標籤值動態路由電子郵件。
+ **選取處理聯絡的客服人員**。將電子郵件轉接給處理聯絡的客服人員。
在下圖中，規則會傳送通知電子郵件給處理聯絡的客服人員。
![\[傳送電子郵件通知區段，選取處理聯絡的客服人員選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-email-tag.png)
1. 在 **主旨** 中，新增電子郵件主旨。在 **內文** 中，新增電子郵件通知的內容。
使用 **@ 來新增在規則執行期間填入的動態變數**。對於對話分析規則和評估表單規則，您可以為符合規則的聯絡人新增**規則名稱、執行個體 URL、聯絡人、客服人員**和**佇列**資訊。評估表單規則可讓您插入**評估 ID**。
![\[電子郵件內文、可用變數的清單。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/rules-send-email-dynamic-variables.png)
**注意**
其他規則類型支援不同的變數：
即時指標規則可讓您輸入超過閾值的**規則名稱、執行個體 URL** 和**客服人員、佇列、流程或轉接設定檔**清單，以觸發提醒。
案例的規則可讓您插入**規則名稱、執行個體 URL** 和**案例 ID**。
1. 選擇**下一步**。檢閱您的選項，然後選擇 **儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
## 電子郵件限制
+ Amazon Connect 每天有 500 封電子郵件的預設限制。超過該限制時，Amazon Connect 執行個體會遭到封鎖 24 小時，無法傳送更多電子郵件。這是因為電子郵件受到退信和投訴限制。如需詳細資訊，請參閱[瞭解 Amazon SES 中的電子郵件交付能力](https://docs.aws.amazon.com/ses/latest/dg/send-email-concepts-deliverability.html)的**退信**和**投訴**部分。
+ 所有電子郵件都是從 `no-reply@amazonconnect.com` 傳送，您無法自訂。
+ SAML 使用者沒有主要電子郵件地址，他們具有使用者名稱登入。使用者名稱登入通常是電子郵件地址，但並不一定。這些使用者在 Amazon Connect 內的欄位標籤**電子郵件地址**是空白的。傳送電子郵件通知給 SAML 使用者時，他們必須已設定次要電子郵件，才能取得通知。若未設定次要電子郵件，使用者將不會接收到電子郵件。
如果傳送電子郵件的預設選項不符合您的需求，請聯絡您的技術客戶經理或與 Amazon Connect 服務團隊 支援 討論。
# 建立產生 EventBridge 事件的 規則
在即時或通話後/聊天中，您可以取得事件並使用這些事件觸發後續通知或警示，或彙總 Amazon Connect 以外的報告。您可以使用此資料做很多事。例如：
+ 在 QuickSight 儀表板中取得即時提醒。
+ 在 Amazon Connect 之外建立匯總報告。
+ 使用 CRM 加入資料。
+ 將您的通知解決方案連接到 EventBridge，並確保在一天結束時，所有特定類型的事件都會傳送到特定的收件匣。承載量會告訴您聯絡、客服人員和佇列。
**注意**
對於即時指標規則，觸發規則的資源會列在**資源**下。例如，如果您建立規則來提醒您佇列指標，例如平均佇列接聽時間，則超出閾值的佇列清單會列在資源下。
**若要建立產生 EventBridge 事件的規則**
1. 建立規則時，請選擇 **產生 EventBridge 事件** 動作。
![\[新規則頁面、採取這些動作區段、新增動作下拉式清單、產生 EventBridge 事件動作。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-events-example1.png)
1. 在 **動作名稱** 中，輸入事件承載量的名稱。
**注意**
您為 **動作名稱** 指派的值會顯示在 EventBridge 承載量中。彙總事件時，動作名稱會提供一個額外的維度，供您用來處理事件。例如，您有 200 個類別名稱，但只有 50 個具有特定動作名稱，例如：NOTIFY\$1CUSTOMER\$1RETENTION。
![\[採取這些動作區段，指派聯絡類別區段、產生 EventBridge 事件區段。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-add-eb-action.png)
1. 選擇**下一步**。檢閱，然後 **儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
1. 若要利用 EventBridge 資料，請訂閱 EventBridge 事件類型。請參閱下一步程序。
## 訂閱 EventBridge 事件類型
若要訂閱 EventBridge 事件類型，請建立一個自訂 EventBridge 規則符合下列規則：
+ 「來源」=「aws.connect」
+ "detail-type" = "Contact Lens 符合通話後規則" 或下列其中一項：
+ **Contact Lens 即時規則相符**
+ **Contact Lens 即時聊天規則相符**
+ **Contact Lens 聊天後規則相符**
+ **Contact Lens 符合的評估規則**
+ **符合的指標規則**
下圖顯示在新規則頁面的「事件模式」區段中的這些設定。
![\[新事件 EventBridge 規則頁面的事件模式區段。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-eb-rules-events.png)
### EventBridge 承載量範例
下列範例是在 **Contact Lens 通話後規則相符**時，EventBridge 承載看起來的樣子。
```
{
"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",
}
}
```
下列範例是在 **Contact Lens 即時規則相符**時，承載看起來的樣子。
```
{
"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",
}
}
```
# 建立產生任務的規則
Amazon Connect 規則可讓您產生任務。這可協助您與擁有者建立可追蹤的動作，並讓您立即了解任務完成和生產力。
下列是一些範例：
+ 檢閱客戶詐騙時的聯絡案例。例如，當客戶說出使他們看起來有可能詐騙的單字或片語時，您可以建立後續任務。
+ 當客戶在稍後提到您想要追加銷售的特定主題時進行跟進，或者通過聯絡提供其他支援時進行跟進。
+ 評估客服人員在特定案例中的效能，例如客戶在對話期間情緒非常低，且客戶表達沮喪。
+ 採取操作動作，例如將其他客服人員指派給前一小時平均佇列接聽時間已超過可接受閾值的佇列。
**若要建立任務的規則**
1. 建立規則時，請為動作選擇 **建立任務**。
![\[新規則頁面，新增動作下拉式功能表，建立任務選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-add-task-example1.png)
1. 如下所示完成任務欄位：
![\[新規則頁面，指派聯絡類別區段，建立任務區段。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-add-tasks-example2.png)
1. **類別名稱**：類別名稱會出現在聯絡記錄中。最大長度：200 個字元。
1. **名稱**：名稱會出現在客服人員的聯絡控制面板 (CCP) 中。最大長度：512 個字元。
1. **描述**：描述會顯示在客服人員的聯絡控制面板 (CCP) 中。最大長度：4096 個字元。
**注意**
在名稱和描述中，使用 **@ 來新增在規則執行期間填入的動態變數**。對於對話分析規則和評估表單規則，您可以為符合規則的聯絡人新增**規則名稱、執行個體 URL、聯絡人、客服人員**和**佇列**資訊。評估表單規則也可讓您插入**評估 ID**。
![\[具有動態變數的任務動作。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/rules-create-task-dynamic-variables.png)
其他規則類型支援不同的變數：
即時指標規則可讓您輸入超過閾值**的規則名稱、執行個體 URL 和客服人員、佇列、流程或轉接設定檔清單**，以觸發提醒。
案例的規則可讓您插入**規則名稱、執行個體 URL** 和**案例 ID**。
1. **工作參照名稱**：這是預設參照，會自動顯示在客服人員的 CCP 中。
+ 對於即時規則，任務參考會連結至即時詳細資訊頁面。
+ 對於呼叫後/聊天規則，任務參照會連結至 **聯絡詳細資訊** 頁面。
1. **其他參考名稱**：最大長度：4096 個字元。您最多可以新增 25 個參考。
1. **選擇流程**：選擇用來將任務轉接至適當任務擁有者的所設計的流程。必須儲存並發佈流程，該流程才會顯示在下拉式清單的選項清單中。
1. 下圖顯示此資訊在客服人員 CCP 中顯示此資訊的範例。
![\[客服人員的聯絡控制面板中的任務。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-add-tasks-ccp.png)
在此範例中，客服人員會看到下列 **名稱**、**描述** 和 **任務參照名稱** 的值：
1. **名稱** = **Action-Required-Contact Lens- ba2cf8fe....**
1. **描述** = **Test**
1. **任務參照名稱** = taskRef 和即時詳細資訊頁面的 URL
1. 選擇**下一步**。檢閱，然後選擇**儲存**任務。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
## 語音和任務聯絡記已連結
當規則建立任務時，會自動為任務產生聯絡記錄。它會連結至符合建立任務規則之條件的語音通話或聊天的聯絡記錄。
例如，進入您的聯絡中心的通話，並產生 CTR1：
![\[有關進入的通話初始聯絡記錄的信息。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
規則引擎會產生任務。在任務的聯絡記錄中，語音聯絡記錄會顯示為 **先前的聯絡 ID**。此外，任務聯絡記錄會繼承語音聯絡記錄的聯絡屬性，如下圖所示：
![\[任務的聯絡記錄 2。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
## 有關 ContactId、AgentId、QueueId、RuleName 的動態值
括號 [ ] 中的動態值稱為[聯絡屬性](what-is-a-contact-attribute.md)。聯絡屬性可讓您儲存聯絡相關的臨時資訊，以便在流程中使用該聯絡。
當您在括號 [ ] 中新增聯絡屬性時，例如 ContactId、AgentId、QueueId 或 RuleName，該值會從一個聯絡記錄傳遞至另一個聯絡記錄。您可以在流程中使用聯絡屬性來對應分支和轉接聯絡。
如需詳細資訊，請參閱[使用聯絡屬性](connect-contact-attributes.md)。
# 在 Contact Lens 中建立從案例結束相關任務的規則
**若要建立結束相關任務的規則**
1. 建立規則時，請選擇**新案例會更新為**事件來源。
![\[新規則頁面，新增動作下拉式功能表，新增案例選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. 建立規則時，請為動作選擇 **結束任務**。
![\[新規則頁面，新增動作下拉式功能表，結束任務選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-2.png)
![\[結束任務選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-3.png)
1. 選擇**下一步**。檢閱，然後選擇**儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
# 在 Contact Lens 中建立會建立案例的規則
**若要建立案例的規則**
1. 當您建立規則時，請選擇**通話後分析可用**、**聊天後分析可用**，或**電子郵件分析可用**作為事件來源。
![\[定義條件頁面，選擇通話後分析可用、聊天後分析可用，或電子郵件分析可用作為事件來源。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-create-case-1.png)
1. 選擇**下一步**
1. 在動作頁面，選擇**建立案例**。
![\[新規則頁面，新增動作下拉式功能表，建立案例選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-create-case-2.png)
1. 在**建立案例**卡片中，選擇**案例範本**。
![\[在建立案例卡片中，選擇案例範本。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-create-case-3.png)
1. 填寫**必填欄位**並新增**可選的案例欄位**以填充案例資料。
**注意**
客戶設定檔必須與聯絡相關，讓此動作發揮作用。如需詳細資訊，請參閱[啟用 Cases](enable-cases.md)。
![\[填寫必填欄位並新增可選的案例欄位以填充案例資料。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-create-case-4.png)
1. 選擇**下一步**。檢閱，然後選擇**儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
# 在 Contact Lens 中建立更新案例的規則
**若要建立更新案例的規則**
1. 建立規則時，請選擇**案例會更新**作為事件來源，然後選擇**下一步**。
![\[新增規則頁面，新增動作下拉式功能表，案例會更新選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. 建立規則時，請為動作選擇 **更新案例**。
![\[新規則頁面，新增動作下拉式功能表，更新案例選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-update-case-2.png)
1. 從下拉式清單中選擇要更新的任何案例欄位，並定義新的值。
![\[從下拉式清單中選擇要更新的任何案例欄位，並定義新的值。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-update-case-3.png)
![\[從下拉式清單中選擇要更新的任何案例欄位，並定義新的值。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-update-case-4.png)
1. 選擇**下一步**。檢閱，然後選擇**儲存**。
1. 新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
# 在 Contact Lens 中建立提交自動評估的規則
Contact Lens 可讓您使用對話分析的深入解析和指標，自動填入和提交評估。
## 步驟 1：設定評估表單的自動化
您必須先設定評估表單的自動化，才能建立提交自動化評估的規則。如需詳細指示，請參閱 [建立評估表單](create-evaluation-forms.md) 中的 [步驟 6：啟用自動化評估](create-evaluation-forms.md#step-automate)。
以下是步驟概觀：
1. 對評估表單中的每個問題設定自動化。
1. 開啟**啟用自動化提交評估**，再啟用評估表單。
1. 當您啟用已設定自動化的評估表單時，您將會看到建立規則的提示，如下圖所示。
![\[建立規則的提示。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/create-a-rule-to-submit-automated-evaluations-1.png)
1. 選擇 **Create a rule (建立規則)**。
1. 在**規則**頁面上定義一個規則，指定會使用選取的評估表單自動進行評估的聯絡。下列程序提供指示。
## 步驟 2：定義一個規則，指定哪些聯絡會自動進行評估
您可以使用兩種類型的規則來觸發自動化評估：
+ 一個會在 Contact Lens 完成其分析後自動評估聯絡的**對話分析**規則。
+ 一項**評估表單**規則，可用來觸發特定情況的評估表單，作為一般評估表單的結果。例如，如果評估問題*客戶是否有興趣購買產品*的答案為*是*，則您可以觸發另一個評估表單來衡量*客服人員銷售績效*。
### 使用對話分析規則觸發自動化評估
這是在您建立規則以在表單啟用期間提交自動化評估時選取的預設規則類型。您也可以在規則頁面上選取**建立規則**、**對話分析**，藉以建立此類**規則**。
1. 選擇 **Contact Lens 通話後分析可用**或 **Contact Lens 聊天後分析可用**作為事件來源。下圖醒目提示了這兩個選項。
![\[通話後分析和聊天後分析選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/defined-conditions-evaluations.png)
1. 定義要自動評估的身分聯絡人條件，然後選擇**下一步**。
可用來識別適用評估表單之特定客服人員或聯絡人集的範例條件如下：
+ 客服人員
+ 客服人員階層
+ AI 代理器
+ 佇列
+ 啟動方法
此外，您可以排除可能因連線或其他使用下列條件的問題而提早結束的聯絡人：
+ 互動持續時間 （例如，超過 30 秒）
+ 通話時間 （例如，客戶說話超過 10 秒）
+ 當問題不存在或在對話期間沒有已知連線或裝置問題時，潛在的中斷連線問題
1. 在**定義動作**頁面上提供類別名稱以識別規則。
1. 選擇**新增動作**、選取**提交自動化評估**，然後選取您要用來自動提交評估的表單。(如果您在啟用表單時已建立規則，則頁面上已會選取此動作。)
1. 選擇**下一步**。在檢閱後選擇**儲存並發布**。
新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
**重要**
您無法將規則套用至過去、已儲存的交談。
### 使用評估表單規則觸發自動化評估
1. 前往**規則**頁面。選擇 **建立規則**，**評估表單**。
1. 在**時間**下，選取 **Contact Lens 評估結果可用**作為事件來源。
1. 選擇**新增條件**，以觸發特定情況的評估。例如：
+ 另一個評估的特定答案，如下圖所示。
![\[另一個評估的特定答案。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/add-condition-1.png)
+ 另一個評估表單的分數，如下圖所示。
![\[另一個評估表單的分數。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/add-condition-2.png)
1. 選擇**新增動作**、選取**提交自動化評估**，然後選取您要用來自動提交評估的表單。
1. 選擇**下一步**。在檢閱後選擇**儲存並發布**。
## 常見問答集 (FAQ)
1. **自動化評估是否可以覆寫已手動提交的評估？**
否，自動化評估無法覆寫手動提交的評估。如果評估已存在，該聯絡的自動評估就會失敗，且帳戶管理員可在 CloudWatch 中看到此類失敗的通知。
1. **如何識別自動化評估？**
評估若是自動提交，將會在**聯絡詳細資訊**頁面上標記為「由 Contact Lens 自動化提交」。如果評估人員編輯並重新提交了自動化評估，「提交者」就會包含評估人員的名稱。
1. **我可以使用多個評估表單自動評估聯絡嗎？**
可以，您可以使用多個評估表單自動提交聯絡的評估。您必須建立多個規則，以使用不同的評估表單提交自動化評估。
# 在 Contact Lens 規則中使用字詞或片語條件
在 Contact Lens **對話分析**規則中，您可以選擇指定字詞或片語條件。您可以為單字或片語選擇完全相符、語義相符或模式相符。本主題說明每種比對類型。
**注意**
這三種比對類型都不區分大小寫，例如，如果您將字詞指定為 "billing"，則也會與包含 "Billing" 一字的文字記錄相符。
## 如何使用完全相符
**完全相符**是指精準的字詞比對，包括單數或複數。
您可以使用下列其中一種方法來新增關鍵字或片語：
+ 選取**輸入關鍵字或片語**，然後在文字方塊中手動輸入值。多個值可以用逗號來分隔。
![\[在 UI 中輸入關鍵字或片語選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/exact-match-1.png)
+ 選取**從字詞集合匯入**，以從字詞集合匯入預先定義的字詞和片語。
![\[從 UI 中的字詞集合選項匯入。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/exact-match-2.png)
字詞集合可分為兩種類型：使用者字詞集合和系統字詞集合。系統字詞集合由 Amazon Connect 預先定義，使用者無法編輯。使用者字詞集合可由使用者建立、讀取、更新和刪除 (CRUD)。如需詳細資訊，請參閱[在 Contact Lens 中建立對話分析規則時管理字詞集合](manage-word-collections.md)。
## 如何使用模式相符
如果您想要比對相關單字，請在條件中附加星號 (\$1)。例如，如果您想要比對「鄰居」(鄰家、相鄰) 的所有變體，您可以輸入 **鄰\$1**。
使用**模式相符**，您可以指定下列項目：
+ **值清單**：當您要建立具有可互換值的表達式時，這非常有用。例如，表達式可能是：
*我打電話給 [「北京」或「倫敦」或「紐約」或「巴黎」或「東京」] 投訴停電*
然後在您的值清單中新增城市：北京，倫敦，紐約，巴黎，東京。
使用值的優點是您可以建立一個表達式，而不是多個表達式。這可減少您需要建立的卡片數量。
+ **數字**：此選項最常用於合規性腳本，或是您正在尋找上下文，而您知道中間某處有一個數字 (數字 [0-9]) 時。這樣，您可以將所有條件放入一個表達式而不是兩個表達式中。例如，客服人員合規性文字可能會顯示：
*我在這個行業已經工作了 [num] 年，並希望與您討論這個話題。*
或者客戶可能會說：
*我是一名 [num] 年的會員。*
**注意**
從聊天或音訊文字記錄擷取數字時，只會辨識數字 (0-9)。
對於語音聯絡，某些語言可能不會在[數字轉錄](https://docs.aws.amazon.com/transcribe/latest/dg/how-numbers.html)期間將口語數字轉換為數位格式。這表示數字模式比對在這類情況下可能無法運作。如需哪些語言支援數字轉錄的清單，請參閱《Amazon Transcribe 開發人員指南》**中的[支援的語言和特定語言功能](https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html)。
+ **鄰近定義**：尋找可能小於 100% 精確的相符項目。您也可以指定單字之間的距離。例如，如果您正在尋找提及「信用卡」一詞的聯絡，但您不想看到任何提及「信用卡」一詞的聯絡，則您可以定義模式比對類別，以尋找「卡」一個字距離內沒有「信用」的一詞。
例如，鄰近定義可能是：
*credit [間隔超過 1 個字] card*
**提示**
如需支援的模式相符清單，請參閱 [AI 功能](supported-languages.md#supported-languages-contact-lens)。
## 如何使用語義相符
語意比對僅支援通話後/聊天分析。
+ 「意圖」是表達用語的範例。它可以是一個片語或一段句子。
+ 您最多可以在一張卡片 (群組) 中輸入四個意圖。
+ 我們建議在一張卡片中使用語義相似的意圖，以獲得最佳結果。例如，「有禮貌」的類別。其包括兩個意圖：「問候」和「再見」。我們建議將這意圖分成兩張卡片：
+ 卡片 1：「您今天如何」和「一切順利嗎」。它們在語義上是相似的問候語。
+ 卡片 2：「感謝您與我們聯繫」和「感謝您成為我們的客戶」。他們在語義上是相似的道別詞。
將意圖分成兩張卡片，比起全部放入一張卡片中能提供更高的準確性。
# 使用生成式 AI 在語意上比對聯絡與自然語言陳述
在 Contact Lens **對話分析**規則中，您可以選擇指定**自然語言 - 語意比對**條件，以使用生成式 AI 尋找符合自然語言陳述的聯絡。自然語言 - 當您想要使用內容特定條件比對聯絡 (例如，客戶的問題已在通話期間解決)，或是有太多可能的字詞或片語，而無法使用**字詞或片語**條件時，就可以使用語意比對。
專業提示：如果您之前使用了字詞或片語 - 語意比對，請使用採用生成式 AI 技術的自然語言 - 語意比對。
## 如何使用自然語言 - 語意比對
****
1. 使用具有**規則**許可和**規則 - 生成式 AI** 許可的使用者身分登入 Amazon Connect。
1. 在導覽功能表上選擇**分析和最佳化**，然後選擇**規則**。
1. 然後，選取**建立規則**，並選擇**對話分析**。
![\[從 UI 中的字詞集合選項匯入。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/create-natural-semantic-match-rule.png)
1. 選取「Contact Lens 通話後分析可用」或「Contact Lens 聊天後分析可用」。
1. 選取**新增條件**，然後選擇**自然語言 - 語意比對**。
![\[從 UI 中的字詞集合選項匯入。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/choose-natural-semantic-match.png)
1. 輸入可藉由與對話文字記錄比對，由生成式 AI 評估為 true 或 false 的自然語言陳述。
![\[從 UI 中的字詞集合選項匯入。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/enter-natural-language-statement.png)
1. 新增任何其他條件，例如佇列、自訂聯絡屬性等。
1. 選擇**下一步**，並提供類別名稱 (不含空格)，用於使用自然語言陳述標記聯絡，例如 **CustomerAddressChange**。
1. 您可以指定其他動作，例如[產生任務](contact-lens-rules-create-task.md)、[傳送電子郵件通知](contact-lens-rules-email.md)、[自動提交評估](contact-lens-rules-submit-automated-evaluation.md)等等。
1. 選擇**下一步**以檢閱規則，然後**儲存並發布**規則。如果尚未準備好要發布規則，也可以**另存為草稿**。
## 使用語意比對的指導方針
下列清單詳細說明如何最適當地使用語意比對：
+ 陳述應為可評估為 true 或 false 的內容。
+ 「自然語言 - 語意比對」只會使用對話的文字記錄。如果您想要在比對條件中使用其他聯絡屬性 (例如佇列)，則必須在規則中將這些屬性指定為不同的條件。
+ 如果可能，請使用「客服人員」一詞，而非「同事」、「員工」、「代表」、「倡議者」、「助理」等詞彙。同樣地，請使用「客戶」一詞，而非「成員」、「來電者」、「來賓」或「訂閱者」等詞彙。
+ 只有在您想要檢查客服人員或客戶是否說出確切的字詞時，才使用雙引號。例如，如果指示是檢查說出「祝您有愉快的一天」的客服人員，則生成式 AI 不會偵測「祝您下午愉快」。自然語言陳述應該說 "客服人員祝客戶有愉快的一天"。
**要與語意比對搭配使用的範例陳述**
+ 客戶想要變更其訂閱計劃。
+ 客戶對客服人員的支援表示感謝。
+ 客戶表示想要終止其目前的服務。
+ 客戶請求後續互動。
+ 客戶要求客服人員提供重複資訊，表示不甚了解。
+ 客戶要求與客服人員的經理交談。
+ 客服人員在提供最終答案之前，要求客戶提供其他資訊或驗證。
+ 客服人員提供了多種付款選項
+ 客服人員向客戶保證他們的通話很重要，並要求更長的等待時間。
+ 客服人員已解決客戶的所有問題。
# 在 Contact Lens 中建立對話分析規則時管理字詞集合
*字詞集合*是一組預先建置的字詞和片語，可讓您在建立對話分析規則時用來定義完全相符條件。當您將完全相符條件新增至規則時，可以從下拉式功能表中選擇字詞和片語清單。
## 所需的許可
「Contact Lens 規則 - 字詞集合」使用與 Contact Lens 規則相同的一組安全設定檔許可。如需詳細資訊，請參閱[Contact Lens 規則的安全設定檔許可](permissions-for-rules.md)。
## 如何存取字詞集合管理頁面
1. 在建立或更新對話分析規則時，請選擇**完全相符**條件卡右上方的齒輪圖示，如下圖所示。
![\[在 UI 中輸入關鍵字或片語選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/word-collections-permissions-how-to-access-1.png)
1. 在**字詞集合**管理頁面上，您可以檢視現有的字詞集合，以及建立新的字詞集合。
![\[在 UI 中輸入關鍵字或片語選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/word-collections-permissions-how-to-access-2.png)
## 如何建立使用者字詞集合
****
1. 在**字詞集合**管理頁面上，選擇**建立字詞集合**。
![\[在 UI 中輸入關鍵字或片語選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/create-user-word-collections-1.png)
1. 輸入字詞集合的名稱、新增字詞和片語，然後選擇**儲存**。
![\[在 UI 中輸入關鍵字或片語選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/create-user-word-collections-2.png)
## 字詞收集限制
+ Amazon Connect 將每個執行個體的使用者字詞集合數量限制預設為 100。
+ 每個字詞集合最多可有 100 個字詞或片語。
+ 每個字詞或片語限定為不超過 512 個字元。
+ 您只能管理使用者字詞集合。您無法管理或編輯系統字詞集合。
# 在 Contact Lens 規則中輸入腳本，讓客服人員遵循
當您需要客服人員在客戶通話中使用確切的措辭時，請在 Contact Lens 規則中輸入腳本。
若要在規則中輸入指令碼，請輸入片語。例如，您想要在客服人員說*感謝您成為會員時反白顯示。我們感謝您*時引起注意，那麼請輸入兩個片語：
+ 感謝您成為會員。
+ 我們感謝您。
若要將規則套用至特定企業營運單位，請新增套用該規則的佇列條件或聯絡屬性。例如，下圖顯示的規則適用於客服人員正在進行 BasicQueue 或帳單與付款佇列、客戶要處理自動保險，而客服人員位於西雅圖。
![\[新的規則頁面，單字或片語 – 完全相符的部分，多個條件。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
# Contact Lens 規則的安全設定檔許可
若要檢視、編輯或新增用於自動分類的規則，您必須受指派至安全性設定檔，具有 **分析與最佳化：規則** 許可。
若要檢視、編輯或新增使用生成式 AI 的規則 (使用**自然語言 - 語意比對**條件)，您的安全設定檔還必須被指派**分析和最佳化：規則 - 生成式 AI** 許可。
若要查看客服人員名稱以便將其新增至規則，您需要安全性設定檔中的 **使用者和許可：使用者 – 檢視** 許可。
若要查看佇列名稱以便將其新增至規則，您需要安全性設定檔中的 **路由：佇列 – 檢視** 許可。
如需詳細資訊，請參閱[指派在 Amazon Connect 中使用 Contact Lens 對話分析的許可](permissions-for-contact-lens.md)。
# 在 Contact Lens 中設計流程，以使用規則中的聯絡屬性
您最多可以在規則中擁有 5 個聯絡屬性。
聯絡屬性會在即時聯絡分析工作階段開始時擷取，而當時擷取的任何內容都會用於整個工作階段內的規則評估。工作階段啟動後的任何聯絡屬性更新，都不會被取用。
您可以設計流程以使用您在規則中指定的聯絡屬性，然後對應路由任務。例如，到達您聯絡中心的通話或聊天。當 Contact Lens 分析通話或聊天時，它會觸及**合規性**規則。例如，針對通話建立的聯絡紀錄，包含類似下圖的資訊。顯示 **類別** = **合規性**，其擁有兩個自訂聯絡屬性：**客戶類型** = **VIP**，**代理程式位置** = **紐約**。
![\[觸發合規性規則時的聯絡記錄。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
規則引擎會產生任務。任務的聯絡記錄會繼承語音聯絡記錄的聯絡屬性，如下圖所示。
![\[任務的聯絡記錄，自訂的聯絡屬性。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
語音聯絡記錄會顯示為 **上一個聯絡 ID**。
您在規則中指定的流程應設計為使用聯絡屬性，並將任務路由傳送給適當的擁有者。例如，您可能想要將 **客戶類型 = VIP** 的任務，路由傳送至特定客服人員。
如需詳細資訊，請參閱[使用聯絡屬性](connect-contact-attributes.md)。
# Contact Lens 分析對話時會對新聯絡套用規則。
新增規則之後，這些規則會套用至新增規則之後發生的新聯絡。當 Amazon Connect 對話分析分析對話時，會套用規則。
您無法將規則套用至過去、已儲存的交談。
# 錯誤通知：當 Contact Lens 無法分析聯絡
即使流程已啟用分析，Contact Lens 也可能無法分析聯絡檔案。發生這種情況時，Contact Lens 會使用 Amazon EventBridge 事件傳送錯誤通知。
[盡可能](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html)發出事件。
## 訂閱 EventBridge 通知
若要訂閱這些通知，請建立符合下列項目的自訂 EventBridge 規則：
+ 「來源」=「aws.connect」
+ 「詳細資訊類型」=「Contact Lens 分析狀態變更」
您還可以新增至模式，以便在特定事件代碼發生時通知。如需詳細資訊，請參閱《Amazon EventBridge 使用者指南》**中的[事件模式](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html)。
通知的格式如下範例：
```
{
"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"
}
}
```
## 事件代碼
下表列出 Contact Lens 無法分析聯絡時可能導致的事件代碼。
| 事件原因代碼 | Description |
| --- | --- |
| INVALID\$1ANALYSIS\$1CONFIGURATION | 流程起始時，Contact Lens 收到無效的值，例如不支援或無效的語言代碼，或修訂行為不支援的值。 |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Contact Lens 無法取得錄音檔案。可能是因為檔案不在 S3 儲存貯體中，或是許可有問題。 |
| RECORDING\$1FILE\$1TOO\$1SMALL | 錄音檔案太小，無法進行分析 (小於 105 ms)。 如果檔案沒有預期的格式，就會發生 INVALID 錯誤。空的 JSON 也是個預期外的物件。 |
| RECORDING\$1FILE\$1TOO\$1LARGE | 錄音檔案超過分析的持續時間限制。 [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/contact-lens-error-notifications.html) |
| RECORDING\$1FILE\$1INVALID | 錄音檔案無效。 |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Contact Lens 嘗試讀取錄音檔案時發生錯誤。 |
| RECORDING\$1FILE\$1EMPTY | 錄音檔案是空的。 |
| RECORDING\$1SAMPLE\$1RATE\$1NOT\$1SUPPORTED | 音訊檔案的取樣率不受支援。Contact Lens 目前支援 8kHz 取樣率的音訊檔案。這是 Amazon Connect 錄音的採樣率。 |
# Amazon Connect 規則無法執行時的錯誤通知
了解特定規則操作在生產環境中失敗的時間，以及導致失敗的原因非常重要。然後，您可以在未來主動緩解這些失敗。
若要取得有關無法執行動作的即時見解，您可以將 Amazon Connect 規則與 Amazon EventBridge 事件整合在一起。例如，當「建立任務」動作因為 **每個執行個體的最大並行使用中任務** 數量達到服務配額而無法執行時，讓您收到通知。發生這種情況時，Amazon Connect 會使用 Amazon EventBridge 事件傳送錯誤通知。
[盡可能](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html)發出事件。
## 訂閱 EventBridge 通知
若要訂閱這些通知，請建立符合下列項目的自訂 EventBridge 規則：
+ 「來源」=「aws.connect」
+ 「詳細資料類型」=「Contact Lens 規則動作執行失敗」
您還可以新增至模式，以便在特定事件代碼發生時通知。如需詳細資訊，請參閱《Amazon EventBridge 使用者指南》**中的[事件模式](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html)。
通知的格式如下範例：
```
{
"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}"
}
}
```
## 支援的動作類型
+ `CREATE_TASK`
+ `GENERATE_EVENTBRIDGE_EVENT`
+ `SEND_NOTIFICATION`
如需 `ASSIGN_CONTACT_CATEGORY` 的資訊，請參閱「[錯誤通知：當 Contact Lens 無法分析聯絡 疑難排解](contact-lens-error-notifications.md)」。
## 支援的觸發事件
+ `REAL_TIME_CALL`
+ `REAL_TIME_CHAT`
+ `POST_CALL`
+ `POST_CHAT`
+ `THIRD_PARTY`
## 動作失敗的原因代碼
當動作失敗時，錯誤通知服務會從支援的動作收集原因代碼。如需任務和 EventBridge 動作失敗之原因代碼的詳細資訊，請參閱下列主題：
+ 如需任務動作失敗的原因代碼，請參閱《Amazon Connect API 參考資料指南》**中 **StartTaskContact** API 主題中的[錯誤](https://docs.aws.amazon.com/connect/latest/APIReference/API_StartTaskContact.html#API_StartTaskContact_Errors)。
+ 如需 EventBridge 動作失敗的原因代碼，請參閱《Amazon EventBridge API 參考資料指南》**中 **PutEvents** API 主題中的[錯誤](https://docs.aws.amazon.com/eventbridge/latest/APIReference/API_PutEvents.html#API_PutEvents_Errors)。
# 在使用 Amazon Connect API 建立或管理規則時指定特定參數的變數
當您使用 Amazon Connect API，例如，[CreateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateRule.html) 或 [UpdateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_UpdateRule.html)，以程式設計方式建立或管理規則時，您可以為某些參數指定變數。這些變數會在執行期根據 [EventSourceName](https://docs.aws.amazon.com/connect/latest/APIReference/API_RuleTriggerEventSource.html) 參數的值，在觸發動作時解析。
例如，假設您正在設定任務動作，而且想要新增更多內容。下列範例說明如何使用變數注入包含聯絡的 ID 和客服人員在任務 `Description` 欄位中的 ID：
+ 客戶對電話通話不滿意。客服人員 `$.ContactLens.PostCall.Agent.AgentId` 與聯絡 `$.ContactLens.PostCall.ContactId` 的對話中偵測到髒話
觸發動作時，他的字串將解析為「客戶對電話通話不滿意」。在與客服人員 12345678-1234-1234-1234-EXAMPLEID012 進行聯絡 87654321-1234-1234-1234-EXAMPLEID345，在對話中偵測到髒話
下表列出了每個事件來源，以及用於支援變量注入欄位的 JSONPath。
| EventSourceName | JSONPath 參考 |
| --- | --- |
| OnPostCallAnalysisAvailable | \$1.ContactLens.PostCall.ContactId \$1.ContactLens.PostCall.Agent.AgentId \$1.ContactLens.PostCall.Queue.QueueId |
| OnRealTimeCallAnalysisAvailable | \$1.ContactLens.RealTimeCall.ContactId \$1.ContactLens.RealTimeCall.Agent.AgentId \$1.ContactLens.RealTimeCall.Queue.QueueId |
| OnPostChatAnalysisAvailable | \$1.ContactLens.PostChat.ContactId \$1.ContactLens.PostChat.Agent.AgentId \$1.ContactLens.PostChat.Queue.QueueId |
| OnSalesforceCaseCreate | \$1.ThirdParty.Salesforce.CaseCreate.CaseNumber \$1.ThirdParty.Salesforce.CaseCreate.Name \$1.ThirdParty.Salesforce.CaseCreate.Email \$1.ThirdParty.Salesforce.CaseCreate.Phone \$1.ThirdParty.Salesforce.CaseCreate.Company \$1.ThirdParty.Salesforce.CaseCreate.Type \$1.ThirdParty.Salesforce.CaseCreate.Reason \$1.ThirdParty.Salesforce.CaseCreate.Origin \$1.ThirdParty.Salesforce.CaseCreate.Subject \$1.ThirdParty.Salesforce.CaseCreate.Priority \$1.ThirdParty.Salesforce.CaseCreate.CreatedDate \$1.ThirdParty.Salesforce.CaseCreate.Description |
| OnZendeskTicketCreate | \$1.ThirdParty.Zendesk.TicketCreate.Id \$1.ThirdParty.Zendesk.TicketCreate.Priority \$1.ThirdParty.Zendesk.TicketCreate.CreatedAt |
| OnZendeskTicketStatusUpdate | \$1.ThirdParty.Zendesk.TicketStatusUpdate.Id \$1.ThirdParty.Zendesk.TicketStatusUpdate.Priority \$1.ThirdParty.Zendesk.TicketStatusUpdate.CreatedAt |
# Contact Lens 分析的搜尋對話
您可以根據下列條件搜尋分析和轉錄錄音內容：
+ 揚聲器 (客服人員或客戶)
+ 關鍵字
+ 情緒分數。
+ 非通話時間 (僅適用於通話)
+ 回應時間 (僅適用於聊天)
此外，您可以搜尋特定聯絡類別中的對話 (也就是說，對話已根據說出的關鍵字和短語進行分類)。
下列各節會加以說明這些標準。
**重要**
聯絡上啟用 Contact Lens 時，在通話或聊天結束**且**客服人員完成聯絡後工作 (ACW)，Contact Lens 會分析 (以及通話，轉錄) 客服人員對話的錄音。客服人員必須先選擇 **關閉聯絡**。
啟用 Contact Lens 時，聊天記錄將被編入索引以進行搜尋；如果 Contact Lens 未啟用，則不會對其進行搜尋索引。
## 搜尋對話所需的許可
您需要安全性設定檔中的下列許可，才能搜尋對話。它們允許您執行所需的搜尋類型。
+ 啟用下列其中一個許可，以存取 **聯絡搜尋** 頁面：
+ **聯絡搜尋**。允許您搜尋所有聯絡。
+ **檢視我的聯絡**：允許您只檢視您作為客服人員時處理的聯絡。
+ **依對話特性搜尋聯絡**。這包括非通話時間、情緒分數和聯絡類別。
+ **根據關鍵字搜尋聯絡**
如需詳細資訊，請參閱[指派許可](permissions-for-contact-lens.md)。
## 搜尋單字或片語
對於關鍵字搜尋，Contact Lens 使用 Amazon OpenSearch Service 中的 `standard` 分析器。這個分析器不區分大小寫。例如，如果您輸入*感謝您為您的業務 2 取消航班*，則搜尋會尋找：
[謝謝、您、為、您的、業務、2、取消、航班]
如果您輸入*「謝謝您的合作」、二、「取消航班」*，則搜尋會尋找：
[感謝您的合作、二、取消航班]
**若要搜尋對話中的單字或片語**
1. 使用獲指派 **CallCenterManager** 安全性描述檔的使用者帳戶，或啟用 **透過關鍵字搜尋聯絡** 許可的使用者帳戶登入 Amazon Connect。
1. 選擇 **分析和最佳化**，**聯絡搜尋**。
1. 在 **篩選條件** 區段中，指定您要搜尋的期間，並指定通道。
**提示**
依日期搜尋時，您可以一次搜尋最多 8 週。
1. 選擇 **按一下這裡新增篩條件**，然後在下拉式功能表中選擇 **單字或片語**。
![\[聯絡搜尋頁面，篩選條件部分，新增篩選下拉式清單，字詞或片語選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
1. 在 **使用者** 區段中，選擇您要搜尋對話的哪個部分。注意下列事項：
+ **系統** 適用於聊天，參與者可能是 Lex 機器人或提示。
+ 若要搜尋所有參與者使用的單字或片語，請選擇**客服人員**，**客戶**，**系統**。
+ 若沒有選擇方塊，則表示單字或片語適用於任何參與者。
1. 展開 **邏輯** 區段，然後選擇下列選項：
+ 選擇**任一相符**以傳回文字記錄中存在這些單字的聯絡案例。
例如，下面的查詢意味著相符 (您好 OR 取消 OR「範例航空公司」)。而且，因為沒有選擇**使用者**方塊，所以表示「尋找任何使用這些單字的聯絡參與者」。
![\[單字或片語對話方塊中，符合任何選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/match-any.png)
+ 選擇**全部相符**以傳回文字記錄中存在所有單字的聯絡案例。
例如，下面的查詢意味著比對 (「謝謝您的合作」AND 取消 AND「範例航空公司」)。而且，由於已選擇所有參與者方塊，因此表示「尋找所有使用這些單字和片語的聯絡參與者」。
![\[單字或片語對話方塊中，符合所有選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/match-all.png)
1. 在 **文字或片語** 區段中，輸入要搜尋的單字 (以逗號分隔)。如果要輸入片語，請用引號括起來。
最多可輸入 128 個字元。
## 搜尋情緒分數或評估情緒轉移
您可以使用 Contact Lens，在 -5 (最負面) 到 \$15 (最正面) 的範圍內搜尋對話的情緒分數。這可讓您識別通話變好或變差的原因模式和因素。
![\[聯絡搜尋頁面，情緒分數篩選條件。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-sentiment-score-shift.png)
例如，假設您想要識別並調查客戶在結束時表達出負面情緒的所有聯絡。您可以搜尋情緒分數為 **<=** (小於或等於) -1 的所有聯絡。
如需詳細資訊，請參閱[調查情緒分數](sentiment-scores.md)。
**若要搜尋情緒分數或評估情緒轉移**
1. 使用獲指派 **CallCenterManager** 安全性描述檔的使用者帳戶，或啟用 **透過對話特徵搜尋聯絡** 許可的使用者帳戶登入 Amazon Connect。
1. 在 **聯絡搜尋** 頁面上，指定您是否要讓客戶或客服人員說出情緒計分的單字或片語。
1. 在 **分數分析類型** 中，指定要傳回的分數類型：
+ **情緒分數**：這會傳回客戶或客服人員對話部分的平均分數。
除了在客服人員或客戶聯絡時搜尋情緒分數，您還可以搜尋下列篩選條件：
+ **與客服人員聊天時**
+ **聊天內沒有客服人員**：這是客戶與機器人、提示聊天的時間，以及在佇列中的時間。
![\[情緒分數篩選條件，參與者下拉式清單，聊天選項上沒有客服人員的客戶。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-search-sentiment-participant.png)
+ **情緒轉移**：識別聯絡期間客戶或客服人員的情緒情緒變化。
例如，下圖顯示搜尋聯絡的範例，其中客戶的情緒分數開始時小於或等於 -1，結束時大於或等於 \$11。此外，客戶正在與客服人員代表聊天。
![\[情緒分數篩選條件，情緒轉移選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-search-sentiment-score.png)
## 搜尋非通話時間
為了協助您識別要調查哪些通話，您可以搜尋非通話時間。例如，您可能想要尋找非通話時間大於 20% 的所有通話，然後進行調查。
非通話時間包含保留時間與兩位參與者未交談時間超過三秒的沉默時間。無法自訂此持續時間。
使用下拉式箭頭來指定是否要在對話中搜尋非通話時間的持續時間或百分比。下圖顯示這些選項。
如需如何使用該指標的詳細資訊，請參閱 [調查非通話時間](non-talk-time.md)。
![\[非通話時間篩選條件，持續時間和百分比選項。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/non-talk-time.png)
## 依據對聊天對話的回應時間搜尋
您可以依據下列項目進行搜尋：
+ 客服人員或客戶在聊天期間的平均回應時間
+ 聊天期間客服人員或客戶的最長回應時間
您可以指定持續時間是小於還是大於或等於特定時間。如需如何使用該指標的詳細資訊，請參閱 [在 Contact Lens 中調查聊天期間的回應時間](response-time.md)。
如需支援的最小與最大回應時間，請參閱 [Amazon Connect 規則功能規格](feature-limits.md#rules-feature-specs)。
下圖顯示客服人員平均回應時間大於或等於 1 分鐘的聯絡搜尋。
![\[回應時間篩選條件。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/response-time.png)
## 搜尋聯絡類別
1. 在 **聯絡搜尋** 頁面上，選擇 **新增篩選條件**，**聯絡類別**。
1. 在 **聯絡類別** 方塊中，使用下拉式方塊列出所有目前可供您搜尋的類別。或者，如果您開始輸入，則會將輸入比對現有類別，並篩選不相符的類別。
+ **任何相符**：搜尋任何符合選擇類別的聯絡。
+ **全部相符**：搜尋全部相符選擇類別的聯絡人。
+ **不相符**：搜尋不符合任何選擇類別的聯絡人。請注意，這只會傳回 Contact Lens 對話分析所分析的聯絡。
下圖顯示列出所有目前類別的下拉式功能表。
![\[聯繫類別篩選條件，符合所有選項，聯絡類別。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-search-contact-category2.png)
# 使用 Contact Lens 來檢閱分析對話
使用 Amazon Connect Contact Lens 時，您可以檢閱文記錄，並找出感興趣的聯絡部分。您無需聆聽整個通話或閱讀整個聊天文字記錄，即可了解感興趣的內容。您可以專注於音訊或文字記錄的特定部分。無論是否為感興趣的點，都會為您反白顯示。
例如，您可能會掃描聯絡的文字記錄，並看到客戶的回合上有紅色情緒的表情符號，表示客戶正在表達負面情緒。您可以選擇時間戳記，然後跳轉到錄音或聊天互動的部分。
下圖顯示語音聯絡的範例。
![\[語音聯絡的分析。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-category-hit.png)
下圖顯示聊天聯絡的範例。**系統訊息** 適用於聊天，參與者可能是 Lex 機器人或提示。
![\[聊天連絡的分析。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-category-hit-chat.png)
**若要檢閱分析的對話**
1. 使用安全設定檔中具有**聯絡搜尋**和 **Contact Lens – 對話分析**許可的使用者帳戶登入 Amazon Connect。
1. 在 Amazon Connect 中選擇 **分析和最佳化**，**聯絡搜尋**。
1. 使用頁面上的篩選條件來縮小聯絡案例的搜尋範圍。對於日期 , 您一次最多可搜尋 14 天。如需搜尋聯絡案例的詳細資訊，請參閱 [搜尋已完成和進行中的聯絡](contact-search.md)。
1. 選擇聯絡 ID 以檢視聯絡的聯絡詳細資訊。
1. 在 **聯絡人詳細資訊** 的 **錄音** 和 **文字記錄** 區段中，檢閱交談的內容與時間以及其中的情緒。
1. 對於通話，如果需要，請選擇播放提示以聆聽錄音。或者，按一下錄音的相關部分，以聆聽您感興趣的部分。
1. 對於聊天，如果需要，請使用圖表導覽至您感興趣的文字記錄部分。
# 在 Amazon Connect Contact Lens 中導覽文字記錄和音訊
為了保證高品質，主管經常需要審查許多客服人員的聯絡。逐步文字記錄和情緒資料可協助您快速識別並導覽至您感興趣的錄音部分。
下列聯絡記錄圖片顯示功能，能讓您快速導覽文字記錄和音訊，以找到需要關注的特定區域。同時圖片顯示語音聯絡，相同功能也適用於聊天聯絡。
![\[語音聯絡的分析。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-navigate-transcripts2.png)
1. 使用[顯示主要重點](#contact-lens-contact-summarization)來僅檢閱問題、結果和/或行動項目。
1. 使用語音聯絡的[自動滾動](#autoscroll)，跳過音訊或文字紀錄。兩者始終保持同步。
1. 掃描[情緒表情符號](#sentiment-emojis)，快速識別您要閱讀或聆聽的文字記錄部分。
1. 選擇時間戳記以跳至錄音或文字記錄的該部分。時間戳記是聯絡時從客戶互動開始計算。
## 顯示主要重點
查看數百行的聯絡文字記錄可能非常耗時。為了使這個過程更快，更有效率，Contact Lens 提供查看主要重點的選項。重點只顯示 Contact Lens 文字記錄中已識別出的問題、結果或行動項目的那幾行。
+ **問題** 代表呼叫通話動機。例如，「我正在考慮升級您的在線上訂閱計劃。」
+ **結果** 代表聯絡的可能結論或結果。例如，「根據您目前的計劃，我會推薦我們擁有的線上必要計劃。」
+ **行動項目** 代表客服人員採取的行動項目。例如，「請留意包含報價的電子郵件。我會盡快寄給您。」
每個聯絡只會有一個問題、一個結果和一個行動項目。並非所有聯絡都會有三個部分。
**注意**
如果 Contact Lens 顯示**此文字記錄沒有主要重點的訊息**，表示沒有發現任何問題、結果或行動項目。
您不需要設定主要重點。可以立即使用，無需任何機器學習模型的訓練。
## 開啟自動捲動功能以同步文字記錄和音訊
對於語音聯絡人，請使用 **自動捲動** 來跳過音訊或文字記錄，而兩者始終保持同步。例如：
+ 當您聆聽對話時，文字記錄會隨之移動，向您顯示情緒表情符號和任何偵測到的問題。
+ 您可以捲動文字記錄，然後選擇時間戳記，以聆聽錄音中的特定時間點。
由於音訊和文字記錄是一致的，文字記錄可以幫助您了解客服人員和客戶的說法。以下情況時，這項功能非常實用：
+ 可能是由於連線問題，導致音訊不佳時。文字記錄可以幫助您了解所說的話。
+ 變化的方言或語言。我們的模型採用不同的口音進行訓練，因此文字記錄可以幫助您了解所說的內容。
## 掃描情緒表情符號
情緒表情符號可協助您快速掃描文字記錄，以便您聆聽對話中情緒表情的部分。
例如，如果您看到客戶回合時發送紅色表情符號，然後顯示綠色表情符號，您可以選擇時間戳記跳至該對話的特定時間點，以檢查該客服人員如何幫助客戶。
## 點選或按一下類別標籤以瀏覽文字記錄
當您點擊或按一下類別標籤時，Contact Lens 會自動導覽到文字記錄中對應的興趣點。還有視覺化的類別互動標記，以指出錄音檔案的哪個部分具有與品類相關的表達用語。
下圖顯示聊天的 **聯絡詳細資訊** 頁面的一部分。
![\[聊天的文字紀錄、類別、文字記錄的相關區段。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-category-tag-navigation.png)
# 在 Amazon Connect 中檢視採用生成式 AI 技術的聯絡後摘要
**注意**
**採用 Amazon Bedrock 技術**： AWS 實作[自動濫用偵測](https://docs.aws.amazon.com//bedrock/latest/userguide/abuse-detection.html)。因為採用生成式 AI 技術的聯絡後摘要是建立在 Amazon Bedrock 的基礎上，所以使用者可以充分利用 Amazon Bedrock 中實作的控制措施，強制執行人工智慧 (AI) 的安全、保障和負責任使用目標。
您可以使用生成式 AI 技術支援的聯絡後摘要以結構化、簡潔且易於閱讀的格式，提供客戶對話中的重要資訊，節省寶貴的時間。您可以快速查看摘要並了解背景資訊，而無需閱讀文字記錄和監控通話。
您可以透過多種方式存取採用生成式 AI 技術的聯絡後摘要：
+ **客服人員**可以在聯絡控制面板 (CCP) 上存取語音和電子郵件聯絡的聯絡後摘要。他們可以使用摘要快速完成其聯絡後工作 (ACW)。若要了解客服人員的體驗，請參閱 [在 CCP 上檢視聯絡後摘要](#summaries-on-agentws)。
+ **管理員和主管**可以在 Amazon Connect 管理員網站、聯絡人**詳細資訊和聯絡人搜尋頁面上存取語音、聊天**和電子郵件聯絡人的摘要。 ****他們可以透過摘要快速了解他們正在檢閱的聯絡有何問題和結果。若要了解管理員體驗，請參閱 [在 Amazon Connect 管理員網站上檢視聯絡後摘要](#summaries-on-website)。
+ **開發人員**可以直接從 [API](contact-lens-api.md) 將摘要擷取到第三方系統中。他們也可以[與 Amazon Kinesis Data Streams 整合](contact-analysis-segment-streams.md)，以進行串流。當負載較高，但您不想調節 TPS 時，後面這個選項將有其效用。
**Topics**
+ [啟用聯絡後摘要](#gen-ai-getstarted)
+ [啟用電子郵件的聯絡摘要](#enable-email-summaries)
+ [在 CCP 上檢視聯絡後摘要](#summaries-on-agentws)
+ [在 Amazon Connect 管理員網站上檢視聯絡後摘要](#summaries-on-website)
+ [未產生摘要的原因](#summary-not-generated)
## 啟用聯絡後摘要
**在客服人員的 CCP 上為語音聯絡啟用聯絡後摘要**
1. 將 [設定錄製和分析行為](set-recording-behavior.md) 區塊新增至流程。
1. 設定區塊的**屬性**頁面：
1. 將**通話錄音**設定為**開啟**。選擇**客服人員和客戶**，如下圖所示。
![\[為通話錄音設定的 [設定錄製和分析行為] 區塊的屬性頁面。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/call-recording-summaries.png)
1. 將**分析**設定為**開啟**。
1. 選擇**啟用語音分析**。
1. 選擇**即時和通話後分析**。
1. 在 **Contact Lens 生成式 AI 功能**下，選擇**聯絡後摘要**。
下圖顯示**屬性**頁面的**分析**區段，設定為在客服人員的 CCP 上啟用聯絡後摘要：
![\[設定錄製和分析行為區塊的屬性頁面。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/set-block-post-contact-summaries-ccp.png)
1. 將下列許可指派給客服人員的安全設定檔：
+ **聯絡人控制台 (CCP) - Contact Lens 資料 - 存取**
+ **分析和最佳化 - Contact Lens – 聯絡後摘要 - 檢視**
+ **分析和最佳化 - 錄製的對話 (已修訂)**、**檢視錄製的對話 (未修訂)**、**全部**或**存取** (建議的最低權限為**存取**)
+ **分析和最佳化 - 檢視我的聯絡**或**聯絡搜尋**
**在 Amazon Connect 管理員網站上啟用聯絡後摘要**
1. 設定 [設定錄製和分析行為](set-recording-behavior.md) 的**屬性**頁面，如下所示：
1. 將**分析**設定為**開啟**。
1. 選擇**啟用語音分析**和/或**啟用聊天分析**。
如果選擇語音分析，請接著選擇下列其中一項：
+ **通話後分析**
+ **即時和通話後分析**：如果使用者想要檢視進行中聯絡的聯絡後摘要 (即客服人員仍在 ACW 中，但通話已結束)，請選擇此選項。
1. 聯絡後摘要不支援精細修訂。選取精細修訂時，聯絡後摘要會修訂在文字中識別到的所有 PII，並將其取代為 [PII] 標籤。
1. 在 **Contact Lens 生成式 AI 功能**下，選擇**聯絡後摘要**。
1. 將下列許可指派給使用者的安全設定檔：
+ **分析和最佳化 - 聯絡搜尋**或**檢視我的聯絡**
+ **分析和最佳化 - Contact Lens – 聯絡後摘要 - 檢視**
+ **分析和最佳化 - 錄製的對話 (已修訂)**、**檢視錄製的對話 (未修訂)**、**全部**或**存取** (建議的最低權限為**存取**)
## 啟用電子郵件的聯絡摘要
**啟用電子郵件聯絡的聯絡摘要**
1. 將[設定記錄、分析和處理行為](set-recording-analytics-processing-behavior.md)區塊新增至您的傳入電子郵件流程。
1. 設定區塊的**屬性**頁面：
1. 針對**頻道**，選擇**電子郵件**。
1. 將**分析**設定為**開啟**。
1. 選擇**啟用電子郵件分析**。
1. 在**Contact Lens生成式 AI 功能**下，選擇**聯絡摘要**。
1. 選擇**儲存**。
## 在 CCP 上檢視聯絡後摘要
為了協助客服人員執行其聯絡後工作 (ACW)，Amazon Connect 會在語音聯絡的 CCP 上顯示採用生成式 AI 技術的聯絡後摘要。下圖顯示範例摘要。
![\[聯絡人控制台在聯絡後工作 (ACW) 期間顯示採用生成式 AI 技術的聯絡後摘要。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/genai-summary-ccp1.png)
1. 客服人員位於 ACW。他們可以在頁面頂端顯示「正在產生摘要」橫幅時瀏覽文字記錄。
1. 客服人員瀏覽時會出現一則訊息，指出摘要可供使用。如果客服人員按一下橫幅，CCP 就會在摘要顯示時捲動至頁面頂端。
1. 客服人員按一下橫幅後，它就會消失。
**注意**
採用生成式 AI 技術的聯絡後摘要支援 CCP 上的語音、聊天和電子郵件聯絡。
## 在 Amazon Connect 管理員網站上檢視聯絡後摘要
為了協助管理員和其他使用者檢閱聯絡人，他們可以在 Amazon Connect 管理員網站上檢視聯絡後摘要。下圖顯示**聯絡詳細資訊**頁面上採用生成式 AI 技術的聯絡後摘要的範例。
![\[[聯絡詳細資訊] 頁面會顯示採用生成式 AI 技術的聯絡後摘要，其中包含關於客戶對話的結構化資訊。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/genai-summary2.png)
下圖顯示**聯絡搜尋**頁面上採用生成式 AI 技術的聯絡後摘要的範例。
![\[[聯絡搜尋] 頁面以清單檢視格式顯示多個客戶互動採用生成式 AI 技術的聯絡後摘要。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/genai-summary-contactsearch2.png)
每個聯絡不會產生一個以上的摘要。並非所有聯絡都會產生摘要；如需詳細資訊，請參閱 [未產生摘要的原因](#summary-not-generated)。
## 未產生摘要的原因
若未產生摘要，**聯絡詳細資訊**和**聯絡搜尋**頁面上會顯示錯誤訊息。此外，錯誤的 ReasonCode 會出現在 Contact Lens 輸出檔案的 `ContactSummary` 物件中，如下列範例所示：
```
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "POST_CONTACT_SUMMARY",
"ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT"
}
]
},
```
以下列出未產生摘要時可能會在聯絡詳細資訊或搜尋頁面上顯示的錯誤訊息。此外也列出顯示在 Contact Lens 輸出檔案中的相關原因代碼。
+ **因超出並行摘要的配額而無法產生摘要**。ReasonCode：`QUOTA_EXCEEDED`。
如果您收到此訊息，建議您[提交票證](https://console.aws.amazon.com/support/home#/case/create?issueType=service-limit-increase&limitType=service-code-connect)，以提高[並行聯絡後摘要任務](amazon-connect-service-limits.md#contactlens-quotas)配額。
+ **因合格對話不足而無法產生摘要**。ReasonCode：`INSUFFICIENT_CONVERSATION_CONTENT`。
對於語音，每個參與者必須要有 1 個表達用語。對於聊天，每個參與者必須要有 1 個支援類型的訊息。支援的訊息類型為 `text/plain` 和 `text/markdown`。摘要不會使用其他類型的訊息，例如 `application/json`。
+ **聯絡流程的聯絡後摘要具有無效的 Contact Lens 組態，例如不支援或無效的語言代碼**。ReasonCode：`INVALID_ANALYSIS_CONFIGURATION`。
如果啟用的摘要與其他 Contact Lens 設定不相容 (特別是針對不支援的地區設定啟用時)，就會傳回此錯誤。
+ **無法提供摘要，因為摘要不符合安全和品質防護機制標準**。ReasonCode：`FAILED_SAFETY_GUIDELINES`。
此錯誤可能會發生在 Amazon Connect 中的並行聯絡後摘要任務上。Amazon Connect 會將聯絡資料傳遞至 Amazon Bedrock，以產生摘要。如果聯絡資料包含未修訂的個人身分識別資訊 (PII)，則會觸發 Amazon Bedrock 的安全指導方針。因此，Amazon Bedrock 拒絕產生摘要藉以保護敏感資訊，導致 Amazon Connect 發生錯誤。
+ 內部系統錯誤。ReasonCode：`INTERNAL_ERROR`
# 在聯絡人控制台 (CCP) 中檢視客戶對話的主要重點
查看數百行的聯絡文字記錄可能非常耗時。若要讓過程更快速且更有效率，Contact Lens 會自動識別和標記客戶對話的關鍵部分，然後顯示對話的重點。管理員可以在**聯絡詳細資訊**頁面上查看這些重點。客服人員可以在聯絡控制面板 (CCP) 中查看重點。
**提示**
如需支援的語言清單，請參閱 [Amazon Connect Contact Lens 支援語言](supported-languages.md#supported-languages-contact-lens)主題中的*主要重點*一欄。
啟用 Contact Lens 後，會識別客戶對話的主要部分，將標籤 (例如問題、結果或行動項目) 指定給這些部分，並顯示客戶對話的重點。您可以展開重點以檢視聯絡的完整文字記錄。
下列範例顯示**聯絡詳細資訊**頁面上的主要重點。
![\[聯絡詳細資訊頁面上的主要重點。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-key-highlights.png)
1. 根據需要切換**顯示主要重點**的開啟和關閉。
1. **問題** 代表聯絡的動機。例如，「我正在考慮升級您的在線上訂閱計劃。」
1. **行動項目** 代表客服人員採取的行動項目。例如，「請留意包含報價的電子郵件。我會盡快寄給您。」
1. **結果** 代表聯絡的可能結論或結果。例如，「根據您目前的計劃，我會推薦我們的線上必要計劃。」
聯絡只有一個問題、一個結果和一個行動項目。某些聯絡可能沒有全部三個項目。
**注意**
Contact Lens 無法識別問題、結果或行動項目時，您會看到**此文字記錄沒有主要重點**這個訊息。
若要了解客服人員的體驗 (聯絡控制面板 (CCP) 中顯示文字記錄的哪部分，以及何時顯示) 請參閱 [設計主要重點的流程](enable-analytics.md#call-summarization-agent)。
# 在 Amazon Connect Contact Lens 中使用佈景主題偵測來探索聯絡的問題
使用主題偵測功能從成千上萬的客戶互動中，發現以前未知或新興的聯絡主題。例如，您可以發現客戶投訴的常見原因，例如「取消預訂」或「延遲訂單」。然後，您可以採取適當的措施，通過加速解決問題，並改進 IVR 選項，知識庫文章和客服人員培訓來改善客戶體驗。
## 須知事項
+ Amazon Connect Contact Lens 支援下列語言的佈景主題偵測功能：
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/use-theme-detection.html)
+ 在 2023 年 1 月 30 日或之後建立的聯絡支援主題偵測。
+ 只有當您儲存的搜尋包含至少 300 個聯絡，且 Contact Lens 偵測到問題時，才會啟用**產生主題報告**按鈕。
+ 主題偵測報告會針對 3,000 位最近的聯絡產生。
+ 主題偵測報告會在建立後的 30 天內提供。30 天後，報告會從資料庫中刪除，且無法擷取。
+ 會儲存最近的 20 個主題報告，並且可於 **檢視主題報告** 下拉式功能表中取得，如下圖所示。
![\[聯絡搜尋頁面，檢視主題報告下拉式功能表。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-view-theme-reports.png)
## 如何產生主題報告
1. 使用具有下列安全設定檔許可的帳戶登入 Amazon Connect：
+ **聯絡搜尋 – 存取**
+ **Contact Lens - 佈景主題偵測 - 建立**
+ **Contact Lens - 佈景主題偵測 - 檢視**
1. 在 Amazon Connect 左側導覽功能表上，選擇 **分析和最佳化**，**聯絡搜尋**。
1. 在**聯絡搜尋**頁面上，套用篩選條件以選取已由 Contact Lens 分析過的聯絡群組。
**重要**
您的搜尋查詢必須至少傳回 300 個 Contact Lens 偵測到問題的聯絡。否則，系統不會啟用 **產生主題報告** 按鈕。
1. 選擇 **儲存搜尋** 以儲存結果。為您的搜尋指派名稱。
1. 選擇 **產生報告**。
Contact Lens 會應用機器學習來自動將具有類似問題的聯絡分組。產生報告時，橫幅會顯示主題報告的連結。此橫幅範例會顯示在以下影像中。
![\[聯絡搜尋頁面，主題偵測的橫幅。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-theme-detection-banner.png)
1. 按一下或點選主題報告的連結。
此時會顯示主題報告。它包括主題標籤和聯絡清單，如下圖所示。
![\[包含數個主題標籤的主題報表。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-theme-detection-drilldown.png)
1. 按一下或點選主題標籤以檢視相關聯絡、聆聽特定錄音，以及閱讀文字記錄以進行更深入的分析。
# 使用 Contact Lens 調查聯絡對話期間的情緒分數
## 什麼是情緒分數？
情緒分數是文字的分析，以及大部分是否包含正面、負面或中性語言的評分。監督員可以使用情緒分數來搜尋對話，並識別與不同程度客戶體驗 (正面或負面) 相關聯的聯絡案例。情緒分數可以協助他識別要調查哪些聯絡案例。
您可以檢視整個對話的情緒分數，以及整個聯絡的情緒趨勢。
## 如何調查情緒分數
在改善您的聯絡中心時，您可能需要專注於以下事項：
+ 以正面情緒分數開頭但以負面得分結束的聯絡。
如果您想要專注於一組特定的聯絡範例以確保高品質，例如，查看以正面情緒開始的聯絡，但帶有負面情緒結束聯絡。這表示客戶離開對話，並且感到不開心。
+ 以負面情緒分數開頭但結束為正面得分的聯絡。
分析這些聯絡，將協助您識別可以在聯絡中心重新創造哪些體驗。您可以與其他客服人員分享成功的訣竅。
查看情緒進展的另一種方式，就是查看情緒趨勢線。隨著聯絡的進展，您可以看到客戶情緒的變化。例如，下圖顯示的對話，在交談開始時的情緒分數非常低，繼而提高，但最後又降下去。
![\[客戶情緒趨勢。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-sentiment-trend.png)
如需詳細資訊，請參閱[搜尋情緒分數或評估情緒轉移](search-conversations.md#sentiment-search)。
## 如何決定情緒分數
Amazon Connect Contact Lens 會將對話中每個發言者回合的情緒分析為正面、負面或中性。然後，它考慮每個參與者回合的兩個因素，針對每個通話週期分配範圍為 -5 到 \$15 的分數：
+ 頻率。情緒為正面、負面或中立的次數。
+ 情緒特徵。具有相同情緒的回合。
整體情緒分數是通話中每個部分得分的平均分數。
# 使用 Amazon Connect Contact Lens 調查通話期間的非通話時間
## 什麼是非通話時間？
Amazon Connect Contact Lens 也會識別通話中的*非通話時間*******。非通話時間，等於保留時間，加上兩位參與者未交談時間超過 3 秒的沉默時間。無法自訂此持續時間。
下圖顯示 **聯絡詳細資訊** 頁面上非通話時間資料的位置。
![\[聯絡人詳細資訊頁面、通話時間區段、非通話時間的資料。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-nontalk-time-overview.png)
## 如何調查非通話時間
非通話時間可以幫助您識別效果不佳的通話。這可能是因為：
+ 客戶提出的問題是聯絡中心未曾處理過的問題。
+ 客服人員花費很長時間做某件事，但他們已經接受過完善培訓。這表示客服人員使用的工具可能有問題。例如，這些工具的回應速度不夠快，或是不容易使用。
+ 客服人員沒有現成的答案，也相對是一名新人。這表示他們需要更多的培訓。
您可以決定是否專注於這些聯絡，以改善您的聯絡中心。例如，您可以轉到音訊的該部分，然後檢視文字記錄以查看發生了什麼事情。
在下列範例中，非通話時間發生在客服人員搜尋來電者的行程 ID。這可能表示客服人員的工具發生問題。或者，如果客服人員是新人，他們需要更多的培訓。
![\[聯絡音訊錄音和文字記錄，非通話時間的位置。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-non-talk-time-transcript.png)
如需詳細資訊，請參閱[搜尋非通話時間](search-conversations.md#nontalk-time-search)。
# 在 Contact Lens 中調查聊天期間的回應時間
使用回應時間指標來瞭解客服人員或客戶在聊天聯絡期間的回應速度。
Contact Lens 會計算下列指標：
+ **客服人員問候時間**。這是客服人員的第一次回應時間，也就是客服人員加入聊天后與客戶互動的速度。例如，如果客戶在對話開始時有負面情緒，則可能會說明首次回應的時間較長。
+ **平均客服人員回應時間** 和 **平均客戶回應時間**。客服人員回應時間可協助您根據組織的基準來檢查客服人員的表現。
+ **客服人員最長回應時間** 和 **客戶最長回應時間**。
客戶的最長回應時間可以解釋為客服人員的回應時間。例如，如果客戶在五分鐘內沒有回應，然後傳送訊息，則可能是由於客服人員正在同時處理其他聊天，所以回應的時間可能會比平常花費更長的時間。
我們建議您將回應時間指標與互動圖表一起檢視，能夠顯示對話之間的間隔和參與者情緒。
您可以按一下或點選圖表上最長的回應時間值，以引導至文字記錄中關聯的訊息。
下列 **聯絡詳細資訊頁面** 圖片，顯示聊天對話的指標。請注意，**客服人員問候時間** = 客服人員加入聊天後，需要多久才傳送第一個回應。
![\[聯絡詳細資訊頁面，聊天指標。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
如需詳細資訊，請參閱[依據對聊天對話的回應時間搜尋](search-conversations.md#response-time-search)。
# 使用 Contact Lens 調查客服人員和客戶在通話中的響度
響度分數會測量客戶或客服人員在通話期間說話的響度。Contact Lens 會顯示對話的分析，讓您能夠識別客戶或客服人員可能大聲說話並產生負面情緒的位置。
## 如何使用響度分數
我們建議將響度分數與情緒分數一起使用。尋找對話中響度分數高且情緒分數低的區域。然後閱讀文字記錄中該部分，或聆聽電話的該部分。
例如，以下是錄音和文字記錄分析的圖片。凸出的垂直長條表示客戶大聲說話的地方。水平紅色長條表示其情緒分數為負值。
![\[聯絡詳細資訊頁面，響度分數。\]](http://docs.aws.amazon.com/zh_tw/connect/latest/adminguide/images/contact-lens-amplitude.png)
# 在 Contact Lens 中使用敏感資料修訂保護客戶隱私權
為了協助您保護客戶的隱私權，Contact Lens對話分析可讓您自動修訂對話文字記錄、音訊檔案和電子郵件文字記錄的敏感資料。它使用自然語言理解來修訂敏感資料，例如姓名，地址和信用卡資訊。
後續您在**設定錄製和分析行為**區塊上啟用對話分析時，可以選擇啟用修訂。如需詳細資訊，請參閱[啟用修訂敏感資料](enable-analytics.md#enable-redaction)。
對於語音聯絡人，敏感資料修訂會在通話中斷後套用。對於電子郵件聯絡人，編輯會在電子郵件聯絡人結束後套用。
**重要**
修訂功能旨在識別和移除敏感資料。但是，由於機器學習的預測性質，它可能無法識別和刪除 Contact Lens 生成的文字記錄中所有敏感資料的執行個體。我們建議您檢閱任何已修訂的輸出，以確保其符合您的需求。
修訂功能不符合《1996 年美國健康保險流通與責任法案》(HIPAA) 等醫療隱私權法案 (HIPAA) 規定進行去除身分識別的要求，因此我們建議您在修訂後繼續將其視為需要保護的健康資訊。
如需 Contact Lens 修訂支援的語言清單，請參閱 [Amazon Connect 功能支援的語言](supported-languages.md)。
## 關於修訂檔案
經修訂的語音檔案會儲存在您的語音 Amazon S3 儲存貯體中，例如：connect-*instanceARN*/Analysis。
修訂後的聊天檔案會存放在您的聊天 Amazon S3 儲存貯體中，例如：Connect-*instanceARN*/Analysis/Chat
修訂後的電子郵件檔案會存放在您的電子郵件 Amazon S3 儲存貯體中，例如：Connect-*instanceARN*/Analysis/Email
您可以使用 Amazon S3 主控台透過 AWS 主控台存取所有檔案 (已修訂、未編輯、原始檔案等)。
以下是您可以使用 Amazon Connect 管理員網站 （例如在**聯絡詳細資訊**頁面上） 存取的清單，假設您具有適當的[安全性設定檔許可](permissions-for-contact-lens.md)：
+ 存取修訂後的語音、聊天和電子郵件檔案。
+ 下載已修訂的錄音。
**注意**
目前，您無法下載修訂聊天檔案和語音記錄。
啟用修訂時，Contact Lens 會產生下列檔案：
+ 修訂過的檔案。啟用修訂時，根據預設會產生此檔案。這是輸出結構描述，並修訂過敏感資訊。如需範例檔案，請參閱 [Contact Lens 對話分析所分析之通話的範例修訂檔案](contact-lens-example-output-files.md#example-redacted-file)。
+ 原本 (原始)、已分析的檔案。只有當您選擇 [設定錄製和分析行為](set-recording-behavior.md) 區塊中的 **取得修訂和原始文字記錄與修訂過的音訊** 時，才會產生此檔案。如需範例檔案，請參閱 [Contact Lens 對話分析所分析之通話的範例原始檔案](contact-lens-example-output-files.md#example-original-output-file)。
**重要**
對於語音聯絡，原始分析過的檔案是儲存完整對話的唯一位置。如果刪除，將不會有已修訂的敏感資料記錄。
+ 用於語音聯絡的修訂過音訊檔案 (wav)。音訊檔案中的敏感資料會被修訂為靜音。這些無提示時間不會在 Amazon Connect 管理員網站或其他位置標記為非通話時間。
使用您的檔案保留原則，來決定這些檔案的保留時間長度。
# 使用 Contact Lens API 進行聊天分析
Contact Lens 包含兩個支援對話分析的 API。使用這些 API 構建解決方案，讓您的聯絡中心更有效率。
+ [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html)：用於語言聯絡。
+ [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html)：用於聊天聯絡。
這些對話分析 API 是輪詢 API，具有標準請求/回應交換，無需與任何其他服務整合。但是，具有[費率限制](amazon-connect-service-limits.md#connect-contactlens-api-quotas)。如有需要，您可以使用[串流 API](contact-analysis-segment-streams.md) 消除這些限制。需要與 Amazon Kinesis Data Streams 整合。
以下是通話和聊天分析 API 的兩個使用案例。
## 更好的聯絡案例轉接
當聯絡從一個客服人員轉接到另一個客服人員時，您可以將對話的文字記錄轉接到新的客服人員。然後，新的客服人員具有客戶與您的聯絡中心聯絡的背景資訊，而且客戶不需要重複他們已經提供的資訊。使用語言聯絡 [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html) API 和聊天 [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html) API，取得特定時間點的完整對話記錄，並與新的客服人員共用。
## 突出顯示對話的重要部分為標籤、問題、行動項目和結果
有了主要重點，客服人員可以在聯絡結束後快速筆記，主管可以快速識別聯絡以進行品質和客服人員效能管理。讓客服人員和主管的工作更有效率。
# 使用 Amazon Kinesis Data Streams 存取語音和聊天聯絡的 Contact Lens 分析
聯絡分析區段串流可讓您在語音和聊天聯絡中存取 Contact Lens 分析。串流可克服現有[通話和聊天分析 API](contact-lens-api.md) 的擴展限制。針對語音聯絡，還提供對名為 `Utterance` 的資料區段的存取，允許您存取部分文字記錄。這使您能夠滿足超低延遲要求，以協助客服人員進行即時通話。
本節說明如何與 Amazon Kinesis Data Streams 整合以進行串流。
透過串流，您可以收到下列事件類型：
+ 在聯絡分析工作階段開始時發布的 STARTED 事件。
+ 在聯絡分析工作階段期間發布 SEGMENTS 事件。這些事件包含具有分析資訊的區段清單。
+ 在聯絡分析工作階段結束時發布的「COMPLETED」或「FAILED」事件。
**Topics**
+ [啟用聯絡分析區段串流](enable-contact-analysis-segment-streams.md)
+ [語音：對話分析區段串流的資料模型](real-time-contact-analysis-segment-streams-data-model.md)
+ [聊天：對話分析區段串流的資料模型](chat-real-time-contact-analysis-segment-streams-data-model.md)
+ [語音：範例對話分析區段串流](sample-real-time-contact-analysis-segment-stream.md)
+ [聊天：範例對話分析區段串流](chat-sample-real-time-contact-analysis-segment-stream.md)
# 啟用聯絡分析區段串流以分析 Contact Lens 對話
依預設不會啟用聯絡分析區段串流。本主題介紹如何啟用。
## 步驟 1：建立 Kinesis 串流
在 Amazon Connect 執行個體所在的相同帳戶和區域上建立資料串流。如需指示，請參閱《Amazon Kinesis Data Streams 開發人員指南》**中的[步驟 1：建立資料串流](https://docs.aws.amazon.com/streams/latest/dev/tutorial-stock-data-kplkcl-create-stream.html)。
**提示**
我們建議您為每種類型的資料建立單獨的串流。儘管可以將相同的串流用於聯絡分析區段串流，客服人員事件和聯絡人記錄，但是當您分別為其使用個別串流時，管理和從串流中獲取資料要容易得多。如需詳細資訊，請參閱《[Amazon Kinesis Data Streams 開發人員指南](https://docs.aws.amazon.com/streams/latest/dev/introduction.html)》。
## 步驟 2：為 Kinesis 串流設定伺服器端加密 (選用但建議使用)
您有幾種方式可以執行此作業。
+ 選項 1：使用 Kinesis AWS 受管金鑰 (`aws/kinesis`)。這無須其他設定即可使用。
+ 選項 2：對 Amazon Connect 執行個體中的通話錄音、聊天記錄或匯出的報告使用相同的客戶受管金鑰。
啟用加密，並在 Amazon Connect 執行個體中將客戶受管金鑰用於通話錄音、聊天記錄或匯出的報告。然後為 Kinesis 資料串流選擇相同的 KMS 金鑰。此密鑰已經具有使用所需的許可 (授予)。
+ 選項 3：使用其他客戶受管金鑰。
使用現有的客戶受管金鑰或建立新金鑰，然後為 Amazon Connect 角色新增必要許可用金鑰。若要使用 AWS KMS 授權新增許可，請參閱以下範例：
```
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
```
與您的 Amazon Connect 執行個體相關聯的服務連結角色的 ARN 在 `grantee-principal`。若要尋找服務連結角色的 ARN，請在 Amazon Connect 主控台中前往 **概覽**、**分佈設定**、**服務連結角色**。
## 步驟 3：關聯 Kinesis 串流
使用 Amazon Connect [AssociateInstanceStorageConfig](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateInstanceStorageConfig.html) API 建立下列資源類型的關聯：
+ 對於語音聯絡，請使用 `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`
+ 對於聊天聯絡，請使用 `REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS`
**注意**
`REAL_TIME_CONTACT_ANALYSIS_SEGMENTS` 已棄用，但仍受支援，僅適用於語音聯絡。對往後的語音聯絡請使用 `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`。
如果您先前已將串流與 `REAL_TIME_CONTACT_ANALYSIS_SEGMENTS` 建立關聯，則不需要採取任何動作將串流更新為 `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`。
指定要發布即時聯絡分析區段的 Kinesis 串流。您需要執行個體 ID 和 Kinesis 串流 ARN。下列代碼顯示了範例：
```
// 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
以下是聊天聯絡的範例。
**提示**
如果您未包含 AWS 區域 (`--region`)，則會根據 CLI 設定檔使用預設區域。
`--storage-config` 參數值不可含括在單引號 (') 內。這樣會引發錯誤。
```
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 開發套件
以下是語音聯絡的範例。
```
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'));
```
## 步驟 4：為您的 Amazon Connect 執行個體啟用 Contact Lens。
如需說明，請參閱[在 Amazon Connect Contact Lens 中啟用對話分析](enable-analytics.md)。
## 步驟 5 (選用)：檢閱範例區段串流
建議您檢閱[語音](sample-real-time-contact-analysis-segment-stream.md)或[聊天](chat-sample-real-time-contact-analysis-segment-stream.md)範例區段串流，以熟悉其看起來的樣子。
# 對話分析區段串流的資料模型，用來分析 Contact Lens 中的語音聯絡
即時聯絡分析細分流以 JSON 生成。對於每個已啟用即時對話分析的聯絡，事件 JSON 都會發布至相關聯的串流。您可以為語音聯絡的對話分析工作階段發布下列類型的事件：
+ STARTED 事件 - 每個對話分析工作階段都會在工作階段開始時發布一個 STARTED 事件。
+ SEGMENTS 事件 - 每個對話分析工作階段都可能在工作階段期間發佈零或多個 SEGMENTS 事件。這些事件包含具有分析資訊的區段清單。對於語音聯絡，區段清單可能包含「`Utterance`」、「`Transcript`」、「`Categories`」或「`PostContactSummary`」區段。
+ COMPLETED 或 FAILED 事件 - 每個對話分析工作階段都會在工作階段結束時發布一個 COMPLETED 或 FAILED 事件。
## 語音聯絡的所有事件中包含的共同屬性
每個事件含有以下屬性：
**版本**
事件結構描述的版本。
類型：字串
**Channel**
此聯絡管道的類型。
類型：字串
有效值：`VOICE`、`CHAT`、`TASK`
如需頻道的詳細資訊，請參閱 [在 Amazon Connect 中轉接聯絡人的頻道和並行](channels-and-concurrency.md)。
**AccountId**
發生此聯絡所在帳戶的識別碼。
類型：字串
**ContactId**
正在分析的聯絡識別碼。
類型：字串
**InstanceId**
發生此聯絡所在的執行個體識別碼。
類型：字串
**LanguageCode**
與此聯絡關聯的語言代碼。
類型：字串
有效值：[Contact Lens 即時通話分析支援的語言](supported-languages.md#supported-languages-contact-lens)之一的語言代碼。
**EventType**
已發布的事件類型。
類型：字串
有效值：`STARTED`、`SEGMENTS`、`COMPLETED`、`FAILED`
## STARTED 事件
`STARTED` 事件僅包括通用屬性：
+ 版本
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType：STARTED
## SEGMENTS 事件
`SEGMENTS` 事件包括下列屬性：
+ 版本
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType：SEGMENTS
+ 區段：除了通用屬性之外，`SEGMENTS` 事件還包括具有分析資訊的區段清單。
類型：[區段](#segment)物件的陣列
+ PostContactSummary：語音聯絡區段的聯絡後摘要的相關資訊。
類型：[PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html) 物件
必要：否
**區段**
即時分析工作階段的分析區段。
每個區段都是具有下列選用屬性的物件。視區段類型而定，僅存在下列屬性之一：
+ 表達用語
+ 文字記錄
+ 類別
+ PostContactSummary
**表達用語**
經分析的表達用語。
必要：否
+ **Id**
表達用語的識別碼。
類型：字串
+ ** TranscriptId**
與此表達用語關聯的文字記錄識別碼。
類型：字串
+ **ParticipantId**
參與者的識別碼。
類型：字串
+ ** ParticipantRole**
參與者的角色。例如，是客戶、客服人員或是系統。
類型：字串
+ ** PartialContent**
表達用語的內容。
類型：字串
+ ** BeginOffsetMillis**
此文字記錄聯絡中的開始偏移。
類型：整數
+ ** EndOffsetMillis**
此文字記錄聯絡中的結束偏移。
類型：整數
**文字記錄**
經分析的文字記錄。
類型：[文字記錄](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Transcript.html)物件
必要：否
**類別**
符合的類別規則。
類型：[類別](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Categories.html)物件
必要：否
**PostContactSummary**
語音聯絡區段的聯絡後摘要的相關資訊。
類型：[PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html) 物件
必要：否
## COMPLETED 事件
`COMPLETED` 事件僅包括下列通用屬性：
+ 版本
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType：COMPLETED
## 失敗的事件
`FAILED` 事件僅包括下列通用屬性：
+ 版本
+ Channel
+ AccountId
+ ContactId
+ LanguageCode
+ EventType：FAILED
# 對話分析區段串流的資料模型，用來分析 Contact Lens 中的聊天
聊天聯絡的對話分析區段串流會以 JSON 的形式產生。對於每個已啟用即時對話分析的聯絡，事件 JSON 都會發布至相關聯的串流。您可以為聊天聯絡的對話分析工作階段發布下列類型的事件：
+ STARTED 事件 - 每個對話分析工作階段都會在工作階段開始時發布一個 STARTED 事件。
+ SEGMENTS 事件 - 每個對話分析工作階段都可能在工作階段期間發佈零或多個 SEGMENTS 事件。這些事件包含具有分析資訊的區段清單。對於聊天聯絡，區段清單可能包含「`Attachments`」、「`Transcript`」、「`Categories`」、「`Events`」、「`Issues`」或「`PostContactSummary`」區段。
+ COMPLETED 或 FAILED 事件 - 每個對話分析工作階段都會在工作階段結束時發布一個 COMPLETED 或 FAILED 事件。
## 聊天聯絡的所有事件中包含的共同屬性
每個事件含有以下屬性：
**版本**
事件結構描述的版本。對於聊天聯絡，此項目為 2.0.0。
類型：字串
**Channel**
此聯絡管道的類型。
類型：字串
有效值：`VOICE`、`CHAT`、`TASK`
如需頻道的詳細資訊，請參閱 [在 Amazon Connect 中轉接聯絡人的頻道和並行](channels-and-concurrency.md)。
**AccountId**
發生此聯絡所在帳戶的識別碼。
類型：字串
**InstanceId**
發生此聯絡所在的執行個體識別碼。
類型：字串
**ContactId**
正在分析的聯絡識別碼。
類型：字串
**StreamingEventType**
已發布的事件類型。
類型：字串
有效值：`STARTED`、`SEGMENTS`、`COMPLETED`、`FAILED`
**StreamingSettings**
此聯絡的 Contact Lens 設定
類型：[StreamingSettings](#streamingsettingsobject) 物件
## StreamingSettings 物件
**LanguageCode**
與此聯絡關聯的語言代碼。
類型：字串
有效值：[Contact Lens 即時通話分析支援的語言](supported-languages.md#supported-languages-contact-lens)之一的語言代碼。
**Output**
為此聯絡啟用的 Contact Lens 輸出類型。
類型：字串
有效值：`Raw`、`Redacted`、`RedactedAndRaw`
**RedactionTypes**
為此聯絡啟用的修訂類型。
類型：字串陣列
有效值：`PII`
**RedactionTypesMetadata**
每個修訂類型的修訂中繼資料。
類型：[RedactionMetadata](#redactionmetadata) 物件的 RedactionType 字串
有效值：`PII`
## RedactionMetadata 物件
提供修訂設定的相關資訊。
**RedactionMaskMode**
資料修訂取代設定
類型：字串
有效值：`PII`、`EntityType`
## STARTED 事件
`STARTED` 事件僅包括通用屬性：
+ 版本
+ Channel
+ AccountId
+ ContactId
+ StreamingEventType：STARTED
+ StreamingSettings
## SEGMENTS 事件
`SEGMENTS` 事件包括下列屬性：
+ 版本
+ Channel
+ AccountId
+ OutputType
+ 目前區段的 Contact Lens 輸出類型
+ 類型：字串
+ 有效值：`Raw`、`Redacted`
+ ContactId
+ StreamingEventType：SEGMENTS
+ StreamingSettings
+ 客群
+ 分析資訊的區段清單。
+ 類型：[區段](#chat-segment)物件的陣列
**區段**
即時分析工作階段的分析區段。
每個區段都是具有下列選用屬性的物件。視區段類型而定，僅存在下列屬性之一：
+ [附件](#chat-attachments)
+ [類別](#chat-category)
+ [事件](#chat-event)
+ [問題](#chat-issues)
+ [文字記錄](#chat-transcript)
+ [PostContactSummary](#chat-postcontactsummary)
**附件**
已分析的附件。
必要：否
類型：[RealTimeContactAnalysisSegmentAttachments](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentAttachments.html) 物件
**類別**
符合的類別規則。
類型：[RealTimeContactAnalysisSegmentCategories](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentCategories.html) 物件
必要：否
**事件**
描述聯絡事件的區段類型。
類型：[RealTimeContactAnalysisSegmentEvent](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentEvent.html) 物件
必要：否
**問題**
包含偵測到的問題清單的區段類型。
類型：[RealTimeContactAnalysisSegmentIssues](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentIssues.html) 物件
必要：否
**文字記錄**
已分析的文字記錄區段。
類型：[RealTimeContactAnalysisSegmentTranscript](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentTranscript.html) 物件
必要：否
**PostContactSummary**
聊天即時聯絡區段的聯絡後摘要的相關資訊。
類型：[RealTimeContactAnalysisSegmentPostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentPostContactSummary.html) 物件
必要：否
## COMPLETED 事件
`COMPLETED` 事件僅包括下列通用屬性：
+ 版本
+ Channel
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType：COMPLETED
+ StreamingSettings
## 失敗的事件
`FAILED` 事件僅包括下列通用屬性：
+ 版本
+ Channel
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType：FAILED
+ StreamingSettings
# 使用 Contact Lens 分析通話的範例對話分析區段串流
本主題提供在語音聯絡期間可能發生的 STARTED、SEGMENTS、COMPLETED 和 FAILED 事件的範例區段串流。
## STARTED 事件範例
+ EventType：STARTED
+ 在對話分析工作階段開始時發布。
```
{
"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"
}
```
## SEGMENTS 事件範例
+ EventType：SEGMENTS
+ 在對話分析工作階段期間發布。此事件包含分析資訊的區段清單。區段清單可能包含「`Utterance`」、「`Transcript`」或「`Categories`」或「`PostContactSummary`」區段。
```
{
"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"
}
}
]
}
```
## COMPLETED 事件範例
+ EventType：COMPLETED
+ 如果分析成功完成，則於對話分析工作階段結束後發布。
```
{
"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"
}
```
## FAILED 事件範例
+ EventType：FAILED
+ 如果分析失敗，則於對話分析工作階段結束後發布。
```
{
"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"
}
```
# 在 Contact Lens 中分析聊天的範例對話分析串流
本主題提供在聊天聯絡期間發生的 STARTED、SEGMENTS、COMPLETED 和 FAILED 事件的範例區段串流。
## STARTED 事件範例
+ EventType：STARTED
+ 在對話分析工作階段開始時發布。
```
{
"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"
}
}
}
}
```
## SEGMENTS 事件範例
+ EventType：[SEGMENTS](chat-real-time-contact-analysis-segment-streams-data-model.md#chat-segment-streams-data-model-segments-event)
+ 在對話分析工作階段期間發布。此事件包含一份 [RealtimeContactAnalysisSegment](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealtimeContactAnalysisSegment.html) 物件清單，內含已分析的資訊。區段清單可能包含 `"Transcript"`、`"Categories"`、`"Issue"`、`"Event"`、`"Attachment"` 或「PostContactSummary」區段。
```
{
"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"
}
}]
}
```
## COMPLETED 事件範例
+ EventType：COMPLETED
+ 如果分析成功完成，則於對話分析工作階段結束後發布。
```
{
"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"
}
}
}
}
```
## FAILED 事件範例
+ EventType：FAILED
+ 如果分析失敗，則於對話分析工作階段結束後發布。
```
{
"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"
}
}
}
}
```
# Contact Lens 對話分析所分析之檔案的輸出檔案位置
以下範例顯示 Contact Lens 對話分析輸出檔案存放在您執行個體的 Amazon S3 儲存貯體時的路徑樣貌。
+ 原始分析的文字記錄檔案 (JSON)
+ /connect-instance- bucket/**Analysis/Voice**/2020/02/04/*contact's\$1ID*\$1analysis\$12020-02-04T21:14:16Z.json
+ /connect-instance- bucket/**Analysis/Chat**/2020/02/04/*contact's\$1ID*\$1analysis\$12020-02-04T21:14:16Z.json
+ /connect-instance- bucket/**Analysis/Email**/2026/03/10/*contact's\$1ID*\$1analysis\$120260310T22：35\$1UTC.json
+ 修訂過的分析文字紀錄檔案 (JSON)
+ /connect-instance- bucket/**Analysis/Voice/Redacted**/2020/02/04/*contact's\$1ID*\$1**analysis\$1redacted**\$12020-02-04T21:14:16Z.json
+ /connect-instance- bucket/**Analysis/Chat/Redacted**/2020/02/04/*contact's\$1ID*\$1**analysis\$1redacted**\$12020-02-04T21:14:16Z.json
+ /connect-instance- bucket/**Analysis/Email/Redacted**/2026/03/10/*contact's\$1ID*\$1**analysis\$1redacted**\$120260310T22：35\$1UTC.json
+ 修訂過的音訊檔案
+ /connect-instance- bucket/**Analysis/Voice/Redacted**/2020/02/04/*contact's\$1ID*\$1**call\$1recording\$1redacted**\$12020-02-04T21:14:16Z.**wav**
**重要**
若要刪除錄製，您必須同時刪除已編輯和未編輯的錄製。
# 通話的範例 Contact Lens 對話分析輸出檔案
以下幾節將舉例說明當 Contact Lens 對話分析已偵測問題、比對類別、指出響度、修訂敏感資料和略過分析時所產生的輸出。
展開每個區段以進一步了解。
## Contact Lens 對話分析所分析之通話的範例原始檔案
下列範例顯示 Contact Lens 對話分析已分析之通話的結構描述。範例顯示響度、問題偵測、通話驅動因素，以及將修訂的資訊。
請注意下列關於分析檔案的事項：
+ 這不表示哪些敏感資料已修訂。所有資料均稱為 PII (個人身分識別資訊)。
+ 只有在包含 PII 時，每次才會包括一個 `Redaction` 部分。
+ 如果 `Redaction` 區段存在，則會包括以毫秒為單位的偏移量。在.wav 檔案中，修改的部分將是靜音。如果需要，您可以使用偏移量將靜音取代為其他內容，例如嗶聲。
+ 如果一個回合存在兩個或多個 PII 修訂，則第一個回合會套用至第一個 PII，第二個回合會套用至第二個 PII，依此類推。
```
{
"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
]
}
]
}
}
```
## Contact Lens 對話分析所分析之通話的範例修訂檔案
本節會舉例說明通話經過 Contact Lens 對話分析的分析之後的修訂檔案。檔案為原始分析檔案的相似版。唯一的區別是敏感資料經過修訂。在此範例中，選擇了三個實體進行修訂：「`CREDIT_DEBIT_NUMBER`」、「`NAME`」、「`USERNAME`」。
在這個範例中，`RedactionMaskMode` 設定為 PII。修訂實體時，Contact Lens 會將其取代為 `[PII]`。如果設定為 `ENTITY_TYPE`，Contact Lens 會以實體的名稱取代資料，例如 `[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
]
}
]
}
```
# Contact Lens 對話分析所分析之聊天的範例 Contact Lens 輸出檔案
本節顯示 Contact Lens 對話分析已分析之聊天對話的範例結構描述。範例顯示推斷的情緒、相符的類別、聯絡摘要和回應時間。
原始、經分析的檔案包含完整的聊天文字記錄。相同的內容呈現於原始 Contact Lens 分析檔案中，`Transcript` 檔案中的聊天**文字記錄**檔案上的**聯絡詳細資訊**頁面。此外，經分析的檔案可能包含更多欄位，例如，`Redaction` 部分指示已修訂的分析檔案中有已修訂的日期。
**注意**
一些 `ConversationCharacteristics` 包括 `DetailsByParticipantRole` 地圖，使用參與者角色作為索引建。但是，並非 `Participants` 清單中的所有角色 (例如 `CUSTOMER` 或 `AGENT`) 都保證在 `DetailsByParticipantRole` 物件中具有對應的索引鍵。參與者的索引鍵是否存在，取決於 Contact Lens 分析是否有合格的資料。
## 類別
聊天後和通話後類別的 `PointsOfInterest` 不同：
+ 通話後 `PointsOfInterest` 具有毫秒偏移。
+ 聊天後 `PointsOfInterest` 有一個 `TranscriptItems` 陣列，每個項目都有一個 `id` 和 `CharacterOffset`。
有一個 `PointsOfInterest` 陣列。每個陣列都有一個 `TranscriptItems` 陣列：每個 `PointOfInterest` 陣列都用於類別比對，但每個比對可跨越多個文字記錄項目。
對於通話和聊天，`PointsOfInterest` 陣列可以是空的。這表示該類別與整個聯絡相符。例如，如果您在聯絡中未提及 `Hello` 建立符合類別的規則，則不會有任何部分的文字記錄可以確定此條件。
**注意**
目前，類別僅針對 `text/plain` 推斷，`text/markdown` 僅針對聊天訊息。
## 主要重點
**主要重點**位於 `ConversationCharacteristics.ContactSummary.SummaryItemsDetected` 陣列中。該陣列中不能有一個以上的項目，強調只能找到一組 `Issue`、`Outcome` 和 `Action` 項目。
陣列中的每個物件都有下列欄位：`IssuesDetected`、`OutcomesDetected`、`ActionItemsDetected`。
每個欄位都有一個有一個具有 `Id` 和 `CharacterOffsets` 的陣列 `TranscriptItems`。他們描述 `TranscriptItems`，並且識別為包含該聯絡摘要的特定部分：問題、結果或行動項目。
**注意**
目前只會對 `text/plain` 聊天訊息推斷主要重點。
## 情緒
### 整體情緒
聯絡參與者的 `DetailsByParticipantRole` 欄位情緒分數，類似於 Contact Lens 的語音分析檔案。
`DetailsByInteraction` 欄位具有部分聊天互動 `WithAgent` 和 `WithoutAgent` 的 `CUSTOMER` 情緒分數。如果互動的部分中沒有客戶訊息，則對應的欄位將不存在。
**注意**
目前，情緒僅針對 `text/plain` 推斷，`text/markdown` 僅針對聊天訊息。
### 情緒轉變
`DetailsByParticipantRole` 欄位包含描述聯絡參與者 (也就是 `AGENT`、`CUSTOMER`)：`BeginScore` 和情緒偏移的物件 `EndScore`。
`DetailsByInteraction` 欄位對聊天互動 `WithAgent` 和 `WithoutAgent` 部分進行 `CUSTOMER` 情緒轉移。如果互動的部分中沒有客戶訊息，則對應的欄位將不存在。
情緒轉變提供有關參與者在整個聊天互動過程中情緒如何變化的資訊。
## 回應時間
`AgentGreetingTimeMillis` 衡量 `AGENT` 加入聊天到他們結束第一個訊息給客戶的那一刻，其之間的時間。
`DetailsByParticipantRole` 每個參與者具有以下特徵：
+ `Average`：什麼是參與者的平均回應時間。
+ `Maximum`：什麼是參與者的最長回應時間。如果有多個文字記錄項目，且具有相同的最長回應時間，那麼是哪一個。
若要計算特定參與者的 `Average` 和 `Maximum` 回應時間，他們需要回應來自另一個參與者的消息 (`AGENT` 需要回應 `CUSTOMER`，反之亦然)。
例如，如果聊天結束之前只有一條訊息來自 `CUSTOMER`，然後只有一條 `AGENT` 訊息，Contact Lens 將計算 `AGENT` 的回應時間，但不會計算 `CUSTOMER`。
**注意**
目前，回應時間僅針對 ` text/plain` 推斷，`text/markdown` 僅針對聊天訊息。
## 修訂
請注意，以下是聊天原始分析檔案：
+ 只有當資料需要修訂時，文字記錄項目才包括 `Redaction` 區段。此區段包含資料的字元偏移，其為修訂分析檔案中的修訂。
+ 如果修訂了兩個或多個訊息片段，則第一個位移會套用至第一個已編輯的片段，第二個位移會套用至第二個已編輯的片段，依此類推。
`DisplayNames` 代表 `AGENT` 和 `CUSTOMER` 經過修訂，因為它們包含 PII。這也適用於 `AttachmentName`。
`CharacterOffsets` 考量修訂分析檔案中 `Content` 長度的修訂變化。`CharacterOffsets` 說明修訂的內容，而不是原始內容。
## 原始聊天檔案範例
```
{
"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"
}
```
## 修訂後聊天檔案範例
```
{
"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"
}
```
# Contact Lens 對話分析所分析電子郵件的範例 Contact Lens 輸出檔案
本節顯示 Contact Lens 對話式分析已分析之電子郵件聯絡案例的範例結構描述。此範例顯示相符的類別和聯絡鏈摘要。
請注意下列有關電子郵件分析輸出檔案的事項：
+ `Channel` 欄位設定為 `EMAIL`。
+ `Version` 欄位使用 `EMAIL` 字首 （例如 `EMAIL-2026-01-01`)。
+ 電子郵件輸出檔案不包含情緒分數、情緒轉移、響度或非通話時間資料。
+ `Categories` 區段包含設為 `EventSource`的欄位`OnEmailAnalysisAvailable`。
+ 聯絡摘要使用 `ContactChainSummary`而非 `PostContactSummary`，因為電子郵件分析總結了完整的電子郵件執行緒 （聯絡鏈）。
+ `CustomerMetadata.InputFiles` 區段參考存放在 Amazon S3 中的電子郵件訊息和純文字檔案。
## 電子郵件分析輸出檔案範例
下列範例顯示已啟用分類、修訂和聯絡鏈摘要之電子郵件聯絡的輸出。
```
{
"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": {}
}
```
# 對 Amazon Connect Contact Lens 中的問題進行疑難排解
## 為什麼我看不到或聽不到未修訂的內容？
如果您的組織使用Contact Lens修訂功能，根據預設， Amazon Connect 管理員網站中只會顯示已修訂的內容。
您必須具有檢視未修訂內容的許可。如需詳細資訊，請參閱[指派在 Amazon Connect 中使用 Contact Lens 對話分析的許可](permissions-for-contact-lens.md)。