导读
NatWest一直走在利用Amazon Connect新功能和能力创新以改善客户体验的前沿。在本次会议中，了解NatWest如何在其联络中心内使用更丰富的数据和生成式AI，以加快创新速度并推动业务价值。探索NatWest如何利用Amazon Connect的数据和分析能力，包括Contact Lens，来分析客户情绪，并使用通话量、处理时间和转接等数据点来为代理决策提供信息。听听NatWest如何在Connect中使用Amazon Q来改善客户意图检测，并大规模提供更个性化的客户互动。
演讲精华
以下是小编为您整理的本次演讲的精华。
2024年亚马逊云科技 re:Invent大会上，一场题为“NatWest如何利用Amazon Connect和AI与机器学习个性化客户体验”的精彩会议吸引了与会者的目光。亚马逊云科技首席解决方案架构师Chris Ibitz介绍了来自NatWest的Jill Beatty和Stephen Couch，他们分享了采用Amazon Connect并利用其丰富的数据和AI功能来增强客户和代理体验的非凡历程。
NatWest是一家知名的英国富时100指数银行，在零售、商业和富裕业务领域拥有1900万客户，是英国最大的商业客户银行。尽管数字渠道广泛应用，每天有1000万人登录他们的移动应用程序，但当客户遇到困难或对复杂查询需要额外保证时，NatWest的呼叫中心仍然发挥着关键作用。
Jill Beatty强调了NatWest呼叫中心运营的规模，包括西北部9个中心，每年处理2500万个电话，由9000名代理人提供支持。这些电话涵盖了各种客户查询，从欺诈问题和付款争议到财务困难和移动应用交易协助。
NatWest与Amazon Connect的合作始于2019年，当时他们在信用卡中心试点该解决方案，成为首批采用的英国银行之一。经过漫长的业务案例审批过程后，他们于2023年1月正式启动该项目，将所有9个呼叫中心和9000名代理人迁移到Amazon Connect。到2023年底，他们已成功迁移了66%的代理人，包括一些最复杂的呼叫中心。值得注意的是，到2024年10月，NatWest已经迁移了所有呼叫中心和9702名代理人，在一年十个月内完成了22次迁移事件。
采用Amazon Connect带来了多方面的好处。首先，丰富的数据使NatWest能够改善客户和代理人的体验。其次，该平台的敏捷性允许在当年内快速实施超过30个新的自助服务旅程，而之前这需要六个月的时间。第三，按使用付费的模式培养了持续优化的思维模式，因为改善客户体验、减少通话量或平均处理时间(AHT)会在下个月转化为商业利益。
NatWest平台负责人Stephen Couch深入探讨了支撑其Amazon Connect实施的复杂架构。他解释了两条主要的呼入路径:传统的PSTN电话号码和直接从移动应用程序的语音over IP。后者实现了无缝的旅程，无需单独的电话号码，允许客户直接从移动应用程序过渡到呼叫中心。
NatWest解决方案的核心是Amazon Lex，一个强大的自然语言处理服务。拥有超过1700个意图的Lex机器人采用自然语言呼叫引导来确定客户的意图，并将其路由到适当的旅程。这个复杂的系统实时与客户对话，将其话语映射到特定意图，并在通话过程中适应意图的变化。
确保安全性和身份验证对NatWest来说至关重要。他们的解决方案包括识别客户号码、查询客户账户，并采用语音生物识别来匹配呼叫者的语音模式。此外，他们还与已知欺诈者的语音进行交叉核对，并监控可能表明欺骗企图的线路质量不一致情况。
一旦客户身份得到验证，NatWest的解决方案就会从后端系统异步检索账户信息并将其存储在Amazon DynamoDB中。这种方法确保了无缝体验，无需重复查询，因为客户信息在整个通话过程中都可以随时获取。
在需要代理人协助的情况下，呼叫信息会无缝地显示在Connect Contact Control Panel (CCP)或嵌入到现有的代理人工作区中，为代理人提供客户旅程的全面视图，消除了重新认证或重复提问的需要。
NatWest的员工大多远程或混合工作，代理人通过Citrix会话连接。为解决呼叫质量问题，他们引入了Citrix HDX，将语音流量处理卸载到本地设备，从而显著改善了呼叫质量，现在不良质量的呼叫比例低于1%。
在迁移方法方面，NatWest策略性地从最大的呼叫中心开始，以收集后续迁移所需的数据。他们还在黑色星期五(最繁忙的时期)之前迁移了欺诈部门，展示了对该解决方案的信心。只有一次迁移因第三方系统问题而被撤回，但业务主动在一周内重新安排。
NatWest有意先迁移后优化，这是出于希望根据Amazon Connect提供的丰富数据做出数据驱动的决策。他们的旧平台缺乏有意义的数据，他们担心在没有Amazon Connect数据证据的情况下做出错误的优化决策。
NatWest的Jill Lane分享了三个利用数据跨组织的令人信服的例子:
1. 数据驱动的辅导:通过分析转录呼叫的情感评分，NatWest可以识别需要针对性辅导的代理人。这种方法导致了客户和代理人情感评分的提高，以及平均处理时间(AHT)的降低。值得注意的是，NatWest的一个业务领域现在有一个专注于客户情感的目标，而不是传统的净推广分数。
2. 挂断:NatWest之前认为，客户在旅程早期挂断只是因为分心，会回拨。然而，数据分析显示，有相当一部分客户(16%)在前10-30秒内就挂断了，通常是因为无法识别的话语将他们困在了恶性IVR循环中。这一发现使NatWest能够改善其自然语言呼叫引导并解决这些问题。
3. 弱势客户:通过利用Amazon Connect Contact Lens建立规则并结合经验丰富的代理人的投入，NatWest可以主动识别需要额外支持的弱势客户，导致识别案例增加四倍。出乎意料的是，数据还显示存在代理人遭受客户辱骂的情况，从而能够进行辅导并指导可接受的行为。
Stephen讨论了NatWest在Amazon Lex链接方面的方法，这提高了意图准确性并简化了机器人管理。他们不再使用单一的包含1700多个意图的庞大机器人，而是引入了模块化架构，包括高级父机器人和专门的子机器人。这种方法提高了意图识别能力，并降低了机器人维护和更新的复杂性。
NatWest还实施了联合开发模型，允许业务直接通过每两周一次的发布周期更新自然语言理解(NLU)映射。这使业务能够快速解决客户话语无法识别的情况，相比旧平台，大大缩短了此类更新所需的时间。
NatWest尝试了Amazon Kendra和Connect的集成，旨在支持代理人更快地达成为客户的正确结果，从而减少AHT。他们最初使用12000篇文章和非结构化内容进行试验，但意图识别率较低(58%)，并且存在延迟问题。在第二次试验中，他们减少了文章数量，删除了基于流程的文章，对内容进行了结构化处理，并输入了代理人的对话内容，从而提高了意图识别率和响应率。
通过这些试验，NatWest了解到为了在大型语言模型(如Amazon Kendra)中获得最佳性能，结构化知识文章至关重要。他们目前正在重新整理文章，添加元数据并删除特定于业务的行话，为第三次试点做准备，预计意图识别和响应准确性将有显著改善。
展望未来，NatWest对Amazon Connect即将推出的总结功能感到兴奋，这可以为代理人自动总结呼叫，节省宝贵时间，让他们专注于更关键的任务。此外，他们还在探索代理人评估功能，该功能允许创建规则来评估代理人对流程和监管要求的遵守情况。这一功能可以为需要额外指导的代理人提供针对性辅导和支持，确保服务交付的一致性和合规性。
总之，在2024年亚马逊云科技 re:Invent大会上的这场会议展示了NatWest与Amazon Connect合作的非凡历程。通过利用其丰富的数据和AI功能，NatWest个性化了客户体验，优化了运营，并通过数据驱动的决策实现了持续改进。他们创新的方法，加上致力于采用尖端技术的决心，使NatWest成为在金融服务行业提供卓越客户体验的领导者。
我们正处在 Agentic AI 爆发前夜。 2025 亚马逊云科技中国峰会提出，企业要从 " 成本优化 " 转向 " 创新驱动 " ，通过完善的数据战略和 AI 云服务，把握全球化机遇。亚马逊将投入 1000 亿美元在 AI 算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在 AI 时代突破。