1. 데이터 등록
학습에 사용할 음성 및 메타 데이터를 먼저 연결합니다.
MP3 폴더 스캔
운영 서버의 goodcall 폴더를 기준으로 스캔합니다. MP3를 추가한 뒤 다시 스캔하면 신규 파일이 반영됩니다.
엑셀 메타데이터 업로드
굿콜 리스트 xlsx를 업로드하면 상담사명, 문의유형, 순번 같은 메타 정보가 자동 매칭됩니다.
처리 로그
스캔, 업로드, 분석 중 상태를 실시간으로 확인합니다.
2. MP3 일괄 분석
분석 모드에 따라 전체 재학습, 이어서 학습, 실패건 재학습을 선택할 수 있습니다.
분석 대상 목록
파일별 상태, 분류 결과, 담당 상담사 정보를 확인합니다.
3. 학습된 카테고리
MP3 데이터로부터 동적으로 생성된 고객 질문, 상담사 대응 패턴, 고객 페르소나입니다.
학습된 고객 문의 카테고리
학습된 상담사 대응 패턴
학습된 고객 페르소나
4. 고객 질문 그래프
고객이 주로 무엇을 질문하는지, 어떤 유형의 고객이 많은지를 한눈에 볼 수 있습니다.
고객 문의 카테고리별 빈도
고객 페르소나 분포
고객 첫 질문 Top
5. 고객 키워드 시각화
워드맵과 상위 키워드 리스트로 고객의 핵심 관심사를 시각적으로 확인할 수 있습니다.
고객 키워드 워드맵
키워드 Top 30
문의 카테고리별 핵심 키워드
6. 감정/해결 분석
시작 감정과 종료 감정, 해결 결과, 감정 변화 방향을 비교해 상담의 질을 평가합니다.
감정 변화 방향
해결 상태
시작 감정
종료 감정
7. 상담사 대응 분석
응대 패턴, 평가 점수, 우수 멘트를 기반으로 상담사 코칭 포인트를 정리합니다.
상담사 대응 패턴 분포
응대 항목 평균 점수
상담사별 평균 점수
상담사 세부 평가표
우수 멘트 추출
8. KMS/시나리오
음성 학습 결과를 문서화한 KMS와 롤플레이 시나리오를 확인합니다.
자동 생성 KMS 문서
자동 생성 롤플레이 시나리오
9. 턴 수 학습
실제 상담 흐름에서 도출한 턴 수 분포와 난이도별 권장 룰을 확인합니다.
실제 MP3 고객 턴 수 분포
문의 카테고리별 평균 턴 수
학습 기반 롤플레이 턴 규칙
단순 문의/확인형
일반 상담 기본값
복잡한 절차/재확인
불만·해지·미해결 위험
고정값에 끼워 넣지 않고, MP3에서 계산된 평균 턴 수와 고객 감정/해결 상태를 바탕으로 각 시나리오의 권장 턴 수를 자동 계산합니다.
10. 전체 리포트
운영 보고용으로 바로 활용할 수 있는 핵심 수치와 해석 포인트를 제공합니다.
분석 결과 전체를 CSV로 내려받아 보고서, 엑셀, 추가 분석에 활용할 수 있습니다.