カスタマーサポートコールは豊富な情報を保持していますが、洞察のためにこれらの録音を手動でじっと合わせる時間を見つけることは容易ではありません。これらの長い録音を即座に明確な要約に変え、センチメントがコール全体でどのようにシフトするかを追跡し、会話の分析方法に基づいてテーラードの洞察を得ることができると想像してください。便利に聞こえますか？
この記事では、Snapsynapseを構築した実用的なツールを作成します（ここをクリックしてください）、まさにそれを行います！スピーカーダイアリゼーション（識別）、転写のささやき、およびAI駆動型の要約を生成するためのGemini-1.5 ProなどのPyannote.Audioなどのツールを使用して、サポートコールの録音を実行可能な洞察に自動化する方法を示します。途中で、転写をクリーニングおよび改良する方法を確認し、ユーザー入力に基づいてカスタムサマリを生成し、センチメントの傾向を追跡する方法を確認します。これは、転写を超えてカスタマーサポートエクスペリエンスを理解および改善するのに役立つツールを構築するための実践的なガイドです。
この記事は、データサイエンスブログソンの一部として公開されました。
Snapsynapseは、カスタマーサポートコールを貴重な洞察に変えるための便利なツールです。スピーカーによる会話を分解し、すべてを転写し、全体的なムードとキーポイントを強調するため、チームは顧客が必要なものを迅速に理解できます。ディートアリゼーションのようなモデル、転写のためにささやき、概要のためにジェミニを使用すると、Snapsynapseは容赦なく明確な要約と感情の傾向を提供します。チームが顧客とより良く接続し、サービスを改善するのをサポートするのを支援するように設計されています。
以下は、Snapsynapseの重要な重要な機能です。
このセクションでは、Snapsynapseをカスタマーサポート分析のための強力なツールにするコア機能を調査します。自動的にダイアリングおよび転写コールから動的な会話の概要を生成するまで、これらの機能はサポートチームの効率を高めるために構築されています。センチメントの傾向を検出し、実用的な洞察を提供する能力により、Snapsynapseは顧客の相互作用を理解するプロセスを簡素化します。
場合に備えて、ソースコード全体をチェックアウトする場合は、レポのファイルを参照してください：repo_link
このプロジェクトを実行するには、Open AI APIとGemini APIが必要です。ここでAPIを入手できます - gemini api、openai api
プロジェクトフロー：
スピーカーダイアリゼーション - >転写 - >タイムスタンプ - >クリーニング - >要約 - >センチメント分析
最初のステップでは、単一のスクリプトを使用してオーディオファイルを使用し、スピーカー（ダイアリゼーション）を分離し、転写を生成し、タイムスタンプを割り当てます。コードとキー関数の内訳を含む、スクリプトの仕組みは次のとおりです。
このPythonスクリプトは、一度に3つの主要なタスクを実行します。
コア関数であるtranscribe_with_diarization（）は、すべての手順を組み合わせます。
def transcribe_with_diarization（file_path）：
diarization_result = perform_diarization（file_path）
audio = audiosegment.from_file（file_path）
transcriptions = []
セグメントの場合、_、diarization_result.itertracksのスピーカー（heard_label = true）：
start_time_ms = int（segment.start * 1000）
end_time_ms = int（segment.end * 1000）
chunk = audio [start_time_ms：end_time_ms]
chunk_filename = f "{speaker} _segment_ {int（segment.start）}。wav"
chunk.export（chunk_filename、format = "wav"）
open（chunk_filename、 "rb"）をaudio_fileとして：
transcription = client.audio.transcriptions.create（
Model = "Whisper-1"、
file = audio_file、
Response_Format = "JSON"
））
transcriptions.append（{
「スピーカー」：スピーカー、
「start_time」：segment.start、
「end_time」：segment.end、
「転写」：Transcription.Text
}）
印刷（f "{chunk_filename}の{speaker} explectionのための転写。"）
生成された出力を垣間見ると、diarized_transcription.pyファイルで保存されました：
＃転写テキストをクリーニングする機能
def clean_transcription（テキスト）：
＃一般的なフィラーワードのリスト
filler_words = [
"um"、 "uh"、 "like"、 "you kund"、 "altheal"、 "基本的には"、 "私は意味する"、
「並べ替え」、「一種」、「右」、「大丈夫」、「so」、「well」、 "just"
]
＃フィラーワードを一致させるregexパターン（ケース非感受性）
filler_pattern = re.compile（r '\ b（' '|' .join（filler_words）r '）\ b'、re.ignorecase）
＃フィラーワードを削除します
cleaned_text = filler_pattern.sub（ ''、text）
＃余分な空白を削除します
cleaned_text = re.sub（r '\ s'、 ''、cleaned_text）.strip（）
cleaned_textを返します次のステップでは、Gemini APIを使用して、クリーニングされた転写に基づいて構造化された洞察と要約を生成します。自然言語処理のためのGemini 1.5 Proモデルを利用して、カスタマーサポートの呼び出しを分析し、実用的な要約を提供します。
機能の内訳は次のとおりです。
使用されているさまざまなプロンプトを少し垣間見る：
生成された出力を垣間見る：
さらに、次のステップでは、カスタマーサポートコールの転写に関するセンチメント分析を実行して、会話全体を通して感情的なトーンを評価します。 NLTKのベイダーセンチメント分析ツールを使用して、会話の各セグメントのセンチメントスコアを決定します。
プロセスの内訳は次のとおりです。
＃全体的な感情スコアを計算します
総合_sentiment_score= total_compound / len（sentiment_results）
＃顧客とエージェントの平均感情を計算します
verage_customer_sentiment = customer_sentiment / customer_count if customer_count else 0
Average_agent_sentiment = agent_sentiment / agent_count if agent_count else 0
＃全体的な感情を肯定的、中立的、または否定的であると判断する
alloveral_sentiment_score> 0.05の場合：
allover_sentiment = "positive"
elif allover_sentiment_score <h4>プロットの生成に使用されるコード</h4><pre class="brush:php;toolbar:false">def plot_sentiment_trend（sentiment_results）：
＃プロットの複合感情スコアを抽出します
compemate_scores = [entry ['sentiment'] ['commpite'] inentiment_resultsのエントリのための]
＃感情の傾向を示す単一の線プロットを作成します
plt.figure（figsize =（12、6））
plt.plot（commby_scores、color = 'purple'、linestyle = ' - ' - 、marker = 'o'、markersize = 5、label = "sentiment trend"）
plt.axhline（0、color = 'gray'、linestyle = ' - '）＃ニュートラル感情のためにゼロ線を追加する
plt.title（「カスタマーサポートの会話に対するセンチメントトレンド」、fontsize = 16、fontweight = 'bold'、color = "darkblue"）
plt.xlabel（ "セグメントインデックス"）
plt.ylabel（ "複合センチメントスコア"）
plt.grid（true、linestyle = ' - '、alpha = 0.5）
plt.legend（）
plt.show（）生成されたセンチメント分析スコア：
生成されたセンチメント分析プロット：
Code Repositoryは、 repo_linkで見つけることができます
それでは、地元のマシンでSnapsynapseをセットアップして実行する方法を説明しましょう。
プロジェクトリポジトリをローカルマシンにクローニングすることから始めて、Snapsynapseの使用を開始します。これにより、アプリケーションのソースコードとそのすべての重要なコンポーネントへのアクセスが提供されます。
git clone https://github.com/keerthanareddy95/snapsynapse.git CD Snapsynapse
仮想環境は、依存関係を分離し、プロジェクトがスムーズに実行されるようにします。このステップは、Snapsynapseが他のパッケージから干渉することなく動作するための独立したワークスペースを設定します。
＃Windowsの場合： python -m venv venv ＃macosとLinuxの場合： python3 -m venv venv
＃Windowsの場合： 。\ venv \ scripts \ activate ＃macosとLinuxの場合： ソースvenv/bin/activate
仮想環境が整っていると、次のステップは、必要なすべてのライブラリとツールをインストールすることです。これらの依存関係により、転写産物の生成、スピーカーのダイアリゼーション、タイムスタンプの生成、概要生成、センチメント分析スコア、視覚化など、スナップシナプスのコア機能が可能になります。
PIPインストール-R要件。txt
AI駆動型の洞察、ダイアリゼーション、転写、要約を活用すると、Google GeminiとOpen AI Whisper用のAPIキーを構成する必要があります。
プロジェクトのルートに.ENVファイルを作成し、Google GeminiとOpen AI WhisperにAPIキーを追加します。
google_api_key = "your_google_api_key" openai_api_key = "your_open_ai_api_key"
以下のSnapsynapseのために開発で使用されるツールを見てみましょう。
一言で言えば、Snapsynapseは、生のコール録音を実行可能な洞察に変換することにより、カスタマーサポート分析に革命をもたらします。スピーカーのダイアリゼーションと転写から構造化された概要と感情分析の生成まで、Snapsynapseはあらゆるステップを合理化して、顧客のやり取りの包括的なビューを提供します。 Gemini Modelのカスタマイズされたプロンプトと詳細なセンチメント追跡の力により、ユーザーは重要な洞察を強調し、結果をサポートする概要とトレンドを簡単に取得できます。
Google Gemini、Pyannote Audio、Whisperへの大声で、このプロジェクトを革新的なツールで動かしてくれました！
こちらのレポをご覧ください。
A. Snapsynapseは、形式の音声ファイルをMP3とWAVを処理できます。
Q2。 Snapsynapseは、転写の精度とクリーンアップをどのように処理しますか？A. Snapsynapseは転写にささやきを使用し、その後、フィラーワード、一時停止、および無関係なコンテンツを削除するクリーンアッププロセスが続きます。
Q3。コール分析の概要形式をカスタマイズできますか？A.はい！ Snapsynapseは5つの異なる迅速なオプションを提供し、ニーズに合わせた概要形式を選択できます。これらには、アクションアイテム、エスカレーションのニーズ、技術的な問題などのフォーカス領域が含まれます。
Q4。センチメント分析はどのような洞察を提供し、どのように表示されますか？A. Snapsynapseの感情分析は、会話の感情的なトーンを評価し、感情スコアとトレンドグラフを提供します。
Q5。カスタマーコール分析とは何ですか？また、どのようにビジネスに利益をもたらすことができますか？A.カスタマーコール分析では、AIを搭載したツールを使用して、顧客のやり取りから貴重な洞察を転写、分析、抽出し、企業がサービスを改善し、傾向を特定し、顧客満足度を高めるのに役立ちます。
Q6。カスタマーコール分析は、カスタマーサポートの品質をどのように改善できますか？A.顧客コール分析により、企業は顧客の感情、一般的な問題、エージェントのパフォーマンスをより深く理解し、より多くの情報に基づいた意思決定と顧客サービス戦略の改善につながります。
この記事に示されているメディアは、Analytics Vidhyaが所有しておらず、著者の裁量で使用されています。
以上がカスタマーコール分析は、Snapsynapseで簡単になりましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
