Principal Financial Group utilise la solution AWS Post Call Analytics pour extraire des informations sur les clients omnicanal.

Principal Financial Group tire parti de la solution AWS Post Call Analytics pour obtenir des informations sur ses clients omnicanal.

Une entreprise de services financiers établie depuis plus de 140 ans, Principal est un leader mondial de la gestion d’investissements et sert plus de 62 millions de clients dans le monde entier. Principal mène des analyses en temps quasiment réel à l’échelle de l’entreprise pour offrir une expérience client parfaitement personnalisée et omnicanale dans le but de rendre la sécurité financière accessible à tous. Ils traitent des données provenant de différents canaux, tels que les conversations enregistrées des centres d’appels, les e-mails, les chats et autres canaux numériques.

Dans cet article, nous montrons comment les données agrégées au sein de la solution AWS Analyse Post Appel du Centre d’Interaction Client (CCI) ont permis à Principal de visualiser leurs interactions avec les centres d’appels, de mieux comprendre le parcours du client et d’améliorer l’expérience globale entre les différents canaux de contact tout en préservant l’intégrité et la sécurité des données.

Exigences de la solution

Principal fournit des services d’investissement via Genesys Cloud CX, un centre de contact basé sur le cloud qui propose des intégrations puissantes et natives avec AWS. Chaque année, Principal gère des millions d’appels et d’interactions numériques. Dans un premier temps, ils souhaitaient transcrire les appels vocaux et analyser ces interactions afin de déterminer les principaux motifs d’appels, y compris les problèmes, les sujets abordés, le sentiment général, la répartition du temps moyen de traitement (AHT) et développer des analyses supplémentaires basées sur le traitement du langage naturel (NLP).

Pour analyser les appels correctement, Principal avait plusieurs exigences :

  • Détails de contact : Comprendre le parcours du client nécessite de savoir si un interlocuteur est un système automatisé de réponse vocale interactive (IVR) ou un agent humain, ainsi que de détecter les transferts d’appels entre les deux.
  • Contenu à masquer : Chaque interaction audio avec un client est enregistrée sous la forme d’un fichier WAV stéréo, mais peut potentiellement contenir des informations sensibles telles que des informations protégées par la loi HIPAA et des informations personnellement identifiables (PII).
  • Évolutivité : Cette architecture devait pouvoir s’adapter immédiatement à des milliers d’appels par jour et des millions d’appels par an. De plus, Principal avait besoin d’une architecture d’analyse extensible capable d’analyser d’autres canaux tels que les fils d’e-mails et les résultats des enquêtes traditionnelles sur la voix du client (VoC).
  • L’intégrité est non négociable chez Principal – elle guide toutes leurs actions. En fait, faire ce qui est juste est l’une des valeurs fondamentales de Principal. Par conséquent, lorsque l’équipe de Principal a commencé à aborder ce projet, ils savaient que garantir la plus haute sécurité des données, telle que la conformité réglementaire, la confidentialité des données et la qualité des données, serait une exigence clé et non négociable. L’équipe devait utiliser une technologie ayant la même exigence en matière de sécurité des données, ainsi que la capacité de mettre en place des contrôles de conformité et de sécurité personnalisés pour respecter des exigences strictes. L’attention portée à cette exigence clé permet à Principal de maintenir une expérience client sûre et sécurisée.

Aperçu de la solution

Après une recherche approfondie, l’équipe de Principal a choisi la solution AWS Contact Center Intelligence (CCI), qui permet aux entreprises d’améliorer l’expérience client et d’obtenir des informations sur les conversations en ajoutant des capacités d’IA à des centres de contact tiers sur site et basés sur le cloud. La solution d’analyse post-appel du CCI (PCA) fait partie de la suite de solutions CCI et répond à bon nombre des exigences identifiées. PCA dispose d’une architecture de référence de Solutions Library Guidance avec un référentiel d’exemples open-source sur GitHub. En collaboration avec leur équipe de compte AWS, Principal a détaillé la solution PCA et son déploiement, puis mis en place des programmes de formation personnalisés et des journées d’immersion pour former rapidement les équipes de Principal. L’architecture d’exemple (voir le diagramme suivant) et le code source du référentiel open-source ont permis aux équipes d’ingénierie de Principal de démarrer rapidement leur solution pour unifier le parcours client et fusionner les enregistrements de téléphonie et les enregistrements de transcription.

PCA fournit une architecture complète pour l’ingestion de fichiers audio dans un flux de travail entièrement automatisé avec AWS Step Functions, qui est déclenchée lorsqu’un fichier audio est livré dans un compartiment Amazon Simple Storage Service (Amazon S3) configuré. Après quelques minutes, une transcription est produite grâce à l’analyse d’appels d’Amazon Transcribe et enregistrée dans un autre compartiment S3 pour être traitée par d’autres outils d’intelligence économique (BI). PCA propose également une interface utilisateur web permettant aux clients de parcourir les transcriptions d’appels. Les fonctionnalités de sécurité de PCA garantissent que toute donnée PII est masquée dans la transcription, ainsi que dans le fichier audio lui-même. De plus, toutes les données dans le compartiment S3 peuvent être chiffrées à l’aide de clés appartenant à Principal.

Le principal a travaillé avec les équipes techniques d’AWS pour modifier le flux de travail des fonctions étape au sein de PCA afin d’atteindre davantage leurs objectifs. Les détails des appels tels que les horodatages des interactions, les files d’attente des appels, les transferts d’agents et les temps de parole des participants sont suivis par Genesys dans un fichier appelé Contact Trace Record (CTR). En combinant des transcriptions précises avec les fichiers CTR de Genesys, le principal a pu identifier correctement les interlocuteurs, classer les appels en groupes, analyser les performances des agents, identifier les opportunités de vente incitative et effectuer des analyses supplémentaires alimentées par l’apprentissage automatique (ML).

Les équipes ont construit un nouveau mécanisme d’ingestion de données, permettant aux fichiers CTR d’être livrés conjointement avec le fichier audio dans un compartiment S3. Le principal et AWS ont collaboré sur une nouvelle fonction AWS Lambda qui a été ajoutée au flux de travail des fonctions étape. Cette fonction Lambda identifie les enregistrements CTR et fournit une étape de traitement supplémentaire qui produit une transcription améliorée contenant des métadonnées supplémentaires telles que des informations sur la file d’attente et l’identifiant de l’agent, l’identification et l’étiquetage de la IVR, et le nombre d’agents (et d’IVR) auxquels le client a été transféré, le tout agrégé à partir des enregistrements CTR. Ces informations supplémentaires permettent au principal de créer une carte de l’interaction du client tout au long du cycle de vie de la conversation et de se concentrer sur les segments de discours critiques, tout en excluant ceux moins pertinents.

De plus, cette étape de post-traitement a permis au principal d’enrichir davantage les transcriptions avec des informations internes telles que les noms des agents et des files d’attente, et d’étendre les capacités d’analyse de PCA, y compris des modèles ML NLP personnalisés pour l’identification du sujet et de l’intention du client, déployés à l’aide de points de terminaison Amazon SageMaker, et une augmentation supplémentaire de la transcription utilisant des modèles AI génératifs fondamentaux hébergés sur Amazon Bedrock.

PCA est open source sur GitHub, ce qui permet aux clients tels que le Principal d’étendre et de maintenir leurs propres forks avec du code métier personnalisé et privé. Cela permet également à la communauté de soumettre du code au référentiel principal pour que d’autres l’utilisent. Le Principal et les équipes techniques d’AWS ont collaboré pour fusionner les fonctionnalités Genesys CTR et post-traitement dans la version principale de PCA. Ce partenariat entre le Principal et AWS a permis une mise sur le marché rapide pour le principal, tout en veillant à ce que les exigences commerciales existantes et à venir puissent être rapidement ajoutées. Les contributions au projet open source ont accéléré les charges de travail Genesys CTR d’autres clients.

Répondre aux questions commerciales

Une fois que PCA était en place, les analystes, les data scientists, les ingénieurs et les propriétaires d’entreprise du Principal ont travaillé avec des experts techniques d’AWS pour créer de nombreux tableaux de bord Amazon QuickSight pour afficher les informations sur les données et commencer à répondre aux questions commerciales. QuickSight est un service BI à grande échelle que vous pouvez utiliser pour fournir des informations faciles à comprendre à partir de plusieurs ensembles de données, des données AWS, des données tierces, des données de logiciel en tant que service (SaaS), etc. L’utilisation de cet outil BI, avec ses intégrations natives aux référentiels de données existants accessibles par Amazon Athena, a rendu relativement simple la création de visualisations pour afficher les données à grande échelle, et a permis la BI en libre-service. Des visualisations ont rapidement été élaborées pour répondre à certaines questions clés, telles que “De quoi nos clients nous appellent-ils”, “Quels sujets sont liés aux AHT les plus longs/aux plus grands nombres de transferts”, et “Quels sujets et problèmes sont liés aux scores de satisfaction client les plus bas ?”. En ingérant des données supplémentaires liées aux modèles de sujets personnalisés du Principal, l’équipe a pu étendre leur utilisation de QuickSight pour inclure des comparaisons de sujets et de corrélations, des capacités de validation de modèle, et des comparaisons de sentiment en fonction du locuteur, du segment, de l’appel et de la conversation. De plus, l’utilisation des informations de QuickSight a rapidement permis aux équipes du Principal de mettre en place une détection des anomalies et une prédiction du volume, tandis que Amazon QuickSight Q, une fonctionnalité ML de QuickSight qui utilise le NLP, a permis une analyse rapide des données quantitatives en langage naturel.

Lorsque l’initiative initiale pour PCA a été terminée, le Principal a su qu’il devait immédiatement approfondir l’expérience client omnicanal. Ensemble, le Principal et AWS ont mis en place des pipelines d’ingestion de données pour les interactions par e-mail des clients et des métadonnées supplémentaires provenant de leur plateforme de données client. Ils ont également construit des mécanismes d’agrégation et d’analyse des données pour combiner les données omnicanal en une seule vision des insights client. L’utilisation des vues Athena et des tableaux de bord QuickSight a continué à permettre l’analyse classique, et la mise en œuvre de bases de données de graphes de preuve de concept via Amazon Neptune aidera le Principal à extraire des insights sur les sujets d’interaction et les relations d’intention dans la vue omnicanal lorsqu’elle sera mise en œuvre à grande échelle.

Les résultats

PCA a contribué à accélérer le temps de mise sur le marché. Principal a pu déployer l’application PCA open-source existante par eux-mêmes en 1 jour. Ensuite, Principal a travaillé avec AWS et a amélioré l’offre PCA avec de nombreuses fonctionnalités comme l’intégration Genesys CTR sur une période de 3 mois. Le processus de développement et de déploiement était un processus conjoint et itératif qui a permis à Principal de tester et de traiter des volumes d’appels de production sur les nouvelles fonctionnalités. Depuis le début de l’engagement, AWS et Principal continuent de travailler ensemble, en partageant les exigences commerciales, les feuilles de route, le code et les corrections de bugs pour étendre PCA.

Depuis son développement et déploiement initial, Principal a traité plus de 1 million d’appels de clients via le framework PCA. Cela a résulté en plus de 63 millions de segments de parole individuels prononcés par un client, un agent ou un serveur vocal interactif. Avec cette richesse de données, Principal a été en mesure de mener des analyses historiques à grande échelle et en temps réel pour obtenir des informations sur l’expérience client.

Les solutions AWS CCI sont révolutionnaires pour Principal. La suite existante d’outils CCI de Principal, qui comprend Qualtrics pour la création de tableaux de bord simples et l’identification des opportunités, a été étendue avec l’ajout de PCA. L’ajout de PCA à la suite d’outils CCI a permis à Principal de mener rapidement des analyses approfondies sur leurs interactions avec les centres de contact. Grâce à ces données, Principal peut désormais mener des analyses avancées pour comprendre les interactions et les moteurs d’appels des clients, y compris les sujets, les intentions, les problèmes, les actions et les résultats. Même dans un environnement de production à petite échelle et contrôlé, le lac de données PCA a engendré de nombreux nouveaux cas d’utilisation.

Feuille de route

Les données générées par PCA pourraient être utilisées pour prendre des décisions commerciales critiques concernant le routage des appels en fonction des informations sur les sujets qui entraînent une durée moyenne de traitement plus longue, des temps d’attente plus longs, des transferts plus fréquents et un sentiment négatif des clients. Savoir quand les interactions des clients avec le serveur vocal interactif et les assistants vocaux automatisés sont mal comprises ou mal acheminées aidera Principal à améliorer l’expérience d’auto-assistance. Comprendre pourquoi un client a appelé au lieu d’utiliser le site web est essentiel pour améliorer le parcours client et augmenter sa satisfaction. Les responsables produits chargés d’améliorer les expériences web ont partagé leur enthousiasme à l’idée de pouvoir utiliser les données de PCA pour orienter leur priorisation de nouvelles améliorations et mesurer l’impact des changements. Principal analyse également d’autres cas d’utilisation potentiels tels que la cartographie des profils clients, la détection de fraude, la gestion de la main-d’œuvre, l’utilisation de l’IA/ML supplémentaire et des modèles de langage étendus (LLMs), et l’identification de nouvelles tendances émergentes dans leurs centres de contact.

A l’avenir, Principal prévoit de continuer à étendre les capacités de post-traitement avec une agrégation de données supplémentaire, des analyses et des modèles de génération de langage naturel (NLG) pour la résumé de texte. Principal intègre actuellement l’IA générative et des modèles fondamentaux (tels que Amazon Titan) à ses solutions propriétaires. Principal prévoit d’utiliser l’IA générative d’AWS pour améliorer la productivité des employés, développer les actifs sous gestion, offrir des expériences client de haute qualité et proposer des outils permettant aux clients de prendre rapidement des décisions d’investissement et de retraite. Compte tenu de la flexibilité et de l’extensibilité du framework PCA open-source, les équipes de Principal disposent d’une longue liste d’améliorations supplémentaires, d’analyses et d’informations qui pourraient étendre le framework existant.

“Avec la solution d’analyse AWS Post Call, Principal peut actuellement mener des analyses historiques à grande échelle pour comprendre où les expériences client peuvent être améliorées, générer des informations exploitables et prioriser les actions. Maintenant, nous introduisons l’IA générative en utilisant Amazon Bedrock pour aider nos utilisateurs métier à prendre des décisions basées sur les données plus rapidement et avec plus de précision, tout en réduisant les coûts. Nous sommes impatients d’explorer la fonction de résumé post-appel dans Amazon Transcribe Call Analytics afin de permettre à nos agents de concentrer leur temps et leurs ressources sur l’interaction avec les clients, plutôt que sur le travail manuel après le contact.”

– déclare Miguel Sanchez Urresty, Directeur de la donnée et de l’analytique chez Principal Financial Group.

Conclusion

La solution AWS CCI PCA est conçue pour améliorer l’expérience client, obtenir des informations sur les clients et réduire les coûts opérationnels en ajoutant de l’IA et de l’apprentissage automatique au centre de contact de votre choix. Pour en savoir plus sur d’autres solutions CCI, telles que l’analyse des appels en direct, consultez les solutions AWS Contact Center Intelligence (CCI).

À propos de Principal Financial Group

Principal Financial Group et ses affiliés, basés à Des Moines, dans l’Iowa, est une entreprise financière comptant 19 000 employés. Présents dans le secteur depuis plus de 140 ans, nous aidons plus de 62 millions de clients dans différents pays du monde, au 31 décembre 2022.

AWS et Amazon ne sont pas affiliés à une quelconque société du groupe d’assurance Principal Financial. Les produits d’assurance sont émis par Principal National Life Insurance Co (sauf à NY) et Principal Life Insurance Company. Les services administratifs du plan sont offerts par Principal Life. Les fonds de Principal Funds, Inc. sont distribués par Principal Funds Distributor, Inc. Les valeurs mobilières sont offertes par Principal Securities, Inc., membre de la SIPC et/ou courtiers indépendants. Les sociétés mentionnées sont des membres du groupe Principal Financial, Des Moines, IA 50392. ©2023 Principal Financial Services, Inc.

Cette communication a pour but d’être éducative et ne doit pas être interprétée comme une recommandation. Les produits d’assurance et les services administratifs du plan sont fournis par Principal Life Insurance Company, membre du groupe Principal Financial, Des Moines, IA 50392.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Les robots d'IA pourraient jouer un rôle futur en tant que compagnons dans les maisons de soins.

Les robots sociaux alimentés par l'intelligence artificielle pourraient aider à prendre soin des malades et des perso...

AI

Département du Commerce pour établir l'Institut américain de sécurité de l'intelligence artificielle pour diriger les efforts sur la sécurité de l'IA

L'Institut américain pour la sécurité de l'intelligence artificielle soutiendra les responsabilités confiées au Dépar...

AI

Comprendre le biais algorithmique types, causes et études de cas

Introduction Avez-vous déjà demandé pourquoi votre flux de médias sociaux prédit vos intérêts avec une précision éton...

AI

Cet article sur l'IA explore les solutions d'apprentissage profond pour l'erreur autorégressive dans les opérateurs neuronaux pour la prévision spatio-temporelle avancée.

Cette recherche se penche sur un défi redoutable dans le domaine des opérateurs neuronaux auto-régressifs : la capaci...