Amazon ConnectでCX向上！テキストから感情分析を行う方法とは

※こちらは、「Amazon ConnectでCX向上！通話記録の文字起こしを自動化するには」の続きになります。
Amazon ConnectでCX向上！通話記録の文字起こしを自動化するには　|　AWS活用法

Amazon Comprehendを使用した感情分析

顧客対応情報から感情を可視化

感情分析とは、指定されたテキストをAIが自然言語処理によって取り込み、そのテキストの背景にある感情的な考え方を分析することです。
感情分析により、それまで可視化することが出来なかった「テキストの背景にある感情」を、ポジティブ、ナチュラル、ネガティブなどに分類することができるようになります。分析結果をもとに、良い点は継続し悪い点は改善を行うことで、CX向上につなげることができます。

下記の例では、「美味しい」という文言を含んでいる複数のテキストについて、AIは感情を読み取ります。
このような情報の蓄積により、顧客からの評価を感情まで含めて可視化できるようになり、顧客対応品質のブラッシュアップに活用できます。

参考記事：Analyzing contact center calls--Part 1: Use Amazon Transcribe and Amazon Comprehend to analyze customer sentiment | AWS Machine Learning Blog

今回の構築範囲と概要

今回は図の赤枠内を構築していきます。

Amazon Comprehendは、音機械学習を使用し、キーフレーズ抽出・感情分析・エンティティ認識などが実行できる自然言語処理（NLP）サービスです。今回は、感情分析を行うためにこの機能を実装します。

文字起こししたデータをAWS Lambdaを経由し、Amazon Comprehendを利用、Amazon Comprehendのレスポンスデータを可視化する構成図

構築手順

1. Amazon S3バケットを作成

①Amazon Comprehend用のAmazon S3バケットを作成

(1) AWS マネジメントコンソールより、Amazon S3を選択します。Amazon S3のページからバケットの作成をクリックします。

AWS マネジメントコンソールより、Amazon S3を選択します。Amazon Comprehend用のAmazon S3バケットを作成したいので、Amazon S3のページからバケットの作成をクリックします。

(2) Amazon S3のパラメータを適切に設定し、バケットを作成します。

バケット名	自分の名前+日付_comprehend_1などの分かりやすい名前で作成することをオススメします。後で使用するので、メモをしておくと便利です。
リージョン	Amazon Connectと同じリージョンを選択。
以降のパラメータ	デフォルトのままでバケットの作成をクリック。

Amazon S3のパラメータを設定し、［バケットを作成］をクリックし、各種事項を設定する。

2. AWS Lambdaの作成

下記のような内容の処理を実装します。手順の詳細につきましては、お問い合わせいただければご提供いたします。

1．Amazon S3にファイルが置かれたことをトリガーにAWS Lambdaを起動
2．Amazon S3に置かれたJOSNデータを取得しテキストデータに成形
3．Amazon Comprehendを使用して感情分析を実施
4．感情分析結果をAmazon S3に保存

3. AWS Glueでカタログ化

①データベースの追加を行う

(1) AWS マネジメントコンソールより、AWS Glueのページに移動しデータベースの作成をクリックします。

AWS マネジメントコンソールより、AWS Glueのページに移動しデータベースの作成をクリックする。

(2) データベース名を入力して作成をクリックします。

データベース名	日付+Comprehendなどわかりやすい名前を入力しましょう。

②テーブルの作成

(1) テーブルのタブに移動し、手動でテーブルの追加をクリックします。

(2) テーブルのプロパティを設定します。

テーブル名	日付+Comprehend_tableなどわかりやすい名前を入力しましょう。
データベース	先ほど作成したデータベースを選択します。

(3) データストアを選択します。

Select the type of source	S3を選択します。
データの場所	自分のアカウントで指定されたパスを選択します。
インクルードパス	手順1「Amazon S3バケットを作成」で作成したバケットを選択します。

(4) データ形式を選択します。

分類	JSONを選択します。

③ スキーマを定義

列の追加をクリック後、列名にてJobname、Sentiment、Sentimentscoreを追加します。

4. Amazon QuickSightで可視化

① Athenaへのアクセスを許可

(1) Amazon QuickSightのコンソールを開き、アクセス管理ページを開きます。リージョンをバージニア北部に変更した後、右上のアカウント箇所をクリックします。

(2) セキュリティとアクセス権限をクリック後、AWSサービスへのアクセス権を追加するをクリックします。

セキュリティとアクセス権限クリック後、AWSサービスへのアクセス権を追加するをクリックする。

(3) Amazon Athenaにチェックを入れ、次へをクリックします。

(4) S3バケットへのアクセス権を付与します。

この時、手順1「Amazon S3バケットを作成」で作成したバケットを選択してください。

(5) 元のリージョンに戻す

② データセットを登録

(1) データセットより、新しいデータセットをクリックします。

(2) Athenaを選択します。

(3) データソース名、ワークグループを選択します。

データベース名	日付+Comprehendなどわかりやすい名前を入力しましょう。
Athenaワークグループ	primaryを選択します。

③ テーブルの選択

Catalog	AwsDataCatalogを選択します。
データベース	手順3「AWS Glueでカタログ化」で作成したデータベース名を選択します。
テーブル	手順3「AWS Glueでカタログ化」で作成したテーブル名を選択します。

④ データセットの作成

デフォルト設定のまま、Visualizeをクリックします。

⑤ データセットを編集

(1) データセットより、作成したデータセットをクリックします。

(2) データセットの編集をクリックします。

(3) 計算フィールドの追加をクリックします。

(4) 4つの計算フィールドを追加します。

名称	計算式
positive	parseDecimal(parseJson(sentimentscore,'$.positive'))
negative	parseDecimal(parseJson(sentimentscore,'$.negative'))
neutral	parseDecimal(parseJson(sentimentscore,'$.neutral'))
mixed	parseDecimal(parseJson(sentimentscore,'$.mixed'))