使用通话元数据来增强 Amazon Chime SDK 通话分析提供的洞察 商务生产力

利用通话元数据提升 Amazon Chime SDK 呼叫分析的洞察力

关键要点

简介

2023 年 3 月 27 日，Amazon Chime SDK 正式推出了呼叫分析功能，帮助组织从语音通话中提取实时洞察。本文将解释如何通过解析语音基础设施提供的元数据，增强 Amazon Chime SDK 呼叫分析所创建的数据湖。元数据解析是通过部署 AWS CloudFormation 模板CFT实现的。

Amazon Chime SDK 呼叫分析提供的实时洞察包括讲者搜索、声音语调分析、逐步转录以及客户和代理的情感分析。这些洞察通过分析通过 Amazon Chime SDK Voice Connector 流入 AWS 的通话音频获得，音频流通过支持 SIPREC 协议的语音基础设施如会话边界控制器 SBC进行录制。开发者可以使用 AWS 管理控制台为 Amazon Chime SDK 开启流媒体功能。分析结果存储在数据湖中，可使用诸如 Amazon QuickSight 的工具进行可视化。

除了实时音频，SIPREC 协议还提供了包含重要信息的通话元数据，例如唯一标识通话的标识符、通话时间戳、媒体流标识符及参与者身份。这些信息可以与 Amazon Chime SDK 呼叫分析提供的洞察进行关联，从而进行事后分析。例如，呼叫中心主管可以通过收听通话录音，并分析代理的情感等洞察来提高代理的生产力。然而，SIPREC 协议提供的通话元数据是以可扩展标记语言XML格式存在的，需要进行解析才能在为 Amazon Chime SDK 呼叫分析创建的数据湖中进行使用。如果不解析这些元数据，客户将无法查询元数据，从而与 Amazon Chime SDK 呼叫分析提供的洞察进行关联。

在此文中，我们将描述部署 AWS CFT 的步骤，以解析部分元数据字段并将其传送到数据湖。这将使客户能够使用 Amazon Athena 查询元数据，以便与 Amazon Chime SDK 呼叫分析提供的洞察进行关联。

解决方案概述

该解决方案将帮助您解析来自语音基础设施的 SIPREC 元数据，并将格式化后的数据传送到为 Amazon Chime SDK 呼叫分析创建的数据湖。此解决方案提供的 AWS CFT 将允许客户通过连接到接收来自 Amazon Chime SDK Voice Connector 事件的亚马逊 EventBridge 目标来触发 AWS Lambda 函数。当音频流开始、更新或结束时，将创建一个事件。AWS Lambda 函数将会解析 SIPREC 元数据，然后将带有显式列基于 XML 标签的 Parquet 格式数据送往数据湖。AWS Lambda 函数将在元数据上执行以下步骤：

从元数据中提取会议 ID，按照 RFC 7865(Cisco 参考 https//wwwciscocom/c/en/us/td/docs/iosxml/ios/voice/cube/configuration/cubebook/voisiprecordinghtml#conceptD12C51C12B95436F9F169BF73D3F96AB) 中定义的标准提取。

提取参与者和流 ID。尽管规范允许每个参与者有多个流，但 Amazon Chime SDK Voice Connector 每个参与者仅使用一个流，因此输出中参与者与流之间存在 11 的映射关系。

提取 Amazon Chime SDK Voice Connector 流会话的其他特征，包括：交易 ID、通话 ID、VoiceConnector ID、开始时间和结束时间如果存在。

将提取的数据转换为 Apache Parquet，这是一种列式数据文件格式。

将数据写入指定的 Amazon S3 存储桶，在此可以使用 Amazon Athena 进行查询。

前提条件

在本解决方案的演练中，您应具备以下前提条件：

解决方案演练

步骤 1： 前往 https//githubcom/awssamples/amazonchimesdk/tree/main/lambda/callinsightsparsing 并按照说明构建和部署 AWS Lambda 镜像至 Amazon ECR。

步骤 2： 登录到您的 AWS 控制台，将以下 URL 粘贴到浏览器的地址栏中。确保在 URL 中输入您的区域。

https//{region}consoleawsamazoncom/cloudformation/homeregion={region}#/stacks/quickcreatetemplateURL=https//chimesdkassetss3amazonawscom/publictemplates/AmazonChimeSDKSIPRECTemplateyaml

例如，对于 useast1，URL 将是：

https//useast1consoleawsamazoncom/cloudformation/homeregion=useast1#/stacks/quickcreatetemplateURL=https//chimesdkassetss3amazonawscom/publictemplates/AmazonChimeSDKSIPRECTemplateyaml

步骤 3： 提供 Amazon Chime SDK Voice Connector ID 和启用了 Amazon Chime SDK 呼叫分析的数据湖Amazon S3 存储桶URI。Amazon S3 的 URI 应与通过 Amazon Chime SDK 呼叫分析创建的数据湖相同。此外，提供在 ECR 存储库中的 AWS Lambda 镜像 URI。选中具有 I acknowledge that AWS CloudFormation might create IAM resources 文本的复选框。

步骤 4： 部署并验证 AWS CloudFormation 模板的部署是否成功。

步骤 5： 访问 AWS Glue 控制台 和 表格 页面。确认表 amazonchimesdksiprecmetadata 存在于 amazonchimesdkdatabase 下。

步骤 6： 要在 amazonchimesdksiprecmetadata 表中查询数据，请导航至 Amazon Athena 然后访问 查询编辑器。如果您第一次使用 Athena，需要设置查询结果位置。这是一个 Amazon S3 存储位置，所有查询结果将写入此处。要设置位置，请前往查询编辑器 gt 设置 gt 管理。

然后点击浏览 S3，选择任何一个存储桶建议选择与数据湖所处相同的 S3 存储桶。

步骤 7： 一旦选择了查询结果的位置，您可以在查询编辑器控制台中通过编写不同的 SQL 查询并点击运行来查询表。

以下是可以在 Amazon Athena 中编写的示例查询：

SIPREC 元数据写入 Amazon S3 存储桶后，可以使用以下示例查询在 Amazon Athena 中进行查询并与转录呼叫分析数据进行连接：

sqlSELECT acallid asessionid adetailtype aendtime aparticipant1 aparticipant2 aservicetype astarttime astream1 astream2 atransactionid avoiceconnectorid jsonextractscalar(asiprecmetadata recordingsessionextensiondataagentNameLV) AS agentNameLV jsonextractscalar(asiprecmetadata recordingsessionextensiondataclientIDLV) AS clientIDLV jsonextractscalar(asiprecmetadata recordingsessionextensiondataCallType) AS CallType jsonextractscalar(asiprecmetadata recordingsessionextensiondatanvcPhoneNumber) AS nvcPhoneNumber bUtteranceEventFROM amazonchimesdkdatabaseamazonchimesdksiprecmetadata aJOIN amazonchimesdkdatabasetranscribecallanalytics bON atransactionid = jsonextractscalar(bmetadata transactionId)

总结

在本文中，我们介绍了如何提取 SIPREC 元数据以与 Amazon Chime SDK 呼叫分析所生成的洞察进行关联。部署 AWS CloudFormation 模板 (CFT) 简化了元数据提取的过程。要了解更多关于使用 Amazon Chime SDK 呼叫分析生成实时洞察的信息，请查阅以下资源：

标签： Amazon Chime SDK Amazon Machine Learning Amazon Transcribe Amazon Transcribe 呼叫分析

Shankar Krishnan

Shankar 是 Amazon Chime SDK 服务的产品经理，与众多不同的通信工作负载客户合作。周末，他与家人在一起，做饭、远足和阅读书籍。

Deepjot Saini

Deepjot 是 Amazon Chime SDK 服务的数据工程师，专注于为各种服务创建和管理数据管道。他擅长设计、构建和维护复杂的数据架构，以支持高效、有效的数据流。此外，他精通数据可视化，有助于他人更好地理解和解释数据。

Logan Noel

Logan 是 Amazon Chime SDK 的软件开发工程师，专注于媒体管道，热爱为复杂问题构建优雅的解决方案。在空闲时间，他通常可以被发现跑步、攀岩或欣赏新鲜糕点的更细致之处。