CXInsights

Pipeline automatizado para análisis de conversaciones de contact center en español. Identifica causas raíz de ventas perdidas y mala experiencia de cliente (CX) mediante análisis de transcripciones de llamadas.

Propuesta de Valor

CXInsights identifica, de forma automatizada y basada en evidencia:

• Por qué se pierden oportunidades de venta durante las llamadas
• Por qué los clientes reciben una mala experiencia
• Cuáles son las causas más frecuentes y prioritarias

Responde a preguntas clave:

• ¿En qué punto del flujo se pierde la venta?
• ¿Qué comportamientos o procesos generan frustración?
• ¿Cuáles son las causas raíz de mala CX o churn potencial?

Instalación

Requisitos previos

• Python 3.11+
• ffmpeg (opcional, para validación de audio)
• Cuentas en AssemblyAI y OpenAI

Setup

# 1. Clonar repositorio
git clone https://github.com/tu-org/cxinsights.git
cd cxinsights

# 2. Crear entorno virtual
python -m venv .venv

# Windows
.venv\Scripts\activate

# Linux/Mac
source .venv/bin/activate

# 3. Instalar dependencias
pip install -r requirements.txt

# 4. (Opcional) Instalar soporte PII
pip install -r requirements-pii.txt
python -m spacy download es_core_news_md

# 5. (Opcional) Instalar dependencias de desarrollo
pip install -r requirements-dev.txt

Configuración

1. Variables de entorno

# Copiar template
cp .env.example .env

# Editar con tus API keys
# Windows: notepad .env
# Linux/Mac: nano .env

Variables requeridas:

Variable	Descripción
ASSEMBLYAI_API_KEY	API key de AssemblyAI para transcripción
OPENAI_API_KEY	API key de OpenAI para análisis LLM

2. Configuración de throttling

Ajusta según tu tier en las APIs:

# .env
MAX_CONCURRENT_TRANSCRIPTIONS=30  # AssemblyAI
LLM_REQUESTS_PER_MINUTE=200       # OpenAI (Tier 1: 200, Tier 2: 2000)

Flujo de Ejecución

┌─────────────────────────────────────────────────────────────────────────────┐
│                         PIPELINE CXInsights                                  │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  1. VALIDACIÓN        Usuario carga audios → Validación + estimación coste │
│         ↓                                                                   │
│  2. TRANSCRIPCIÓN     Audio → Transcript (AssemblyAI)                      │
│         ↓                                                                   │
│  3. FEATURES          Transcript → Eventos + Métricas (determinístico)     │
│         ↓                                                                   │
│  4. COMPRESIÓN        Transcript → CompressedTranscript (reducción >60%)   │
│         ↓                                                                   │
│  5. INFERENCE         CompressedTranscript → Labels (LLM)                  │
│         ↓                                                                   │
│  6. VALIDACIÓN        Labels → Quality Gate (evidence requerido)           │
│         ↓                                                                   │
│  7. AGREGACIÓN        Labels → RCA Trees (estadístico)                     │
│         ↓                                                                   │
│  8. OUTPUTS           RCA Trees → PDF + Excel + JSON                       │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘

Uso

Estimación de costes

python -m cxinsights.pipeline.cli estimate --input ./data/raw/audio/mi_batch

Ejecutar pipeline completo

python -m cxinsights.pipeline.cli run \
    --input ./data/raw/audio/mi_batch \
    --batch-id mi_batch

Ejecutar por stages

# Solo transcripción
python -m cxinsights.pipeline.cli run --batch-id mi_batch --stages transcription

# Solo inferencia (requiere transcripts existentes)
python -m cxinsights.pipeline.cli run --batch-id mi_batch --stages inference

Resumir desde checkpoint

python -m cxinsights.pipeline.cli resume --batch-id mi_batch

Inputs Esperados

Formato de audio

• MP3, WAV, M4A
• Duración típica: 6-8 minutos (AHT)

Naming convention

{call_id}_{YYYYMMDD}_{queue}.mp3

Ejemplo: CALL001_20240115_ventas-movil.mp3

Metadata opcional (CSV)

call_id,date,queue,duration
CALL001,2024-01-15,ventas-movil,420

Outputs

Archivo	Descripción
transcripts.json	Transcripciones con diarización
call_labels.json	Etiquetas RCA por llamada con evidencias
rca_trees.json	Árboles de causas raíz
executive_summary.pdf	Reporte ejecutivo (2-3 páginas)
raw_analytics.xlsx	Dataset completo para exploración

Estructura del Proyecto

cxinsights/
├── src/
│   ├── transcription/    # STT (AssemblyAI)
│   ├── features/         # Extracción determinística
│   ├── inference/        # Análisis LLM
│   ├── validation/       # Quality gate
│   ├── aggregation/      # RCA trees
│   ├── visualization/    # Exports
│   └── pipeline/         # Orquestación
├── config/
│   ├── rca_taxonomy.yaml # Taxonomía frozen
│   └── settings.yaml     # Configuración
├── data/                 # Datos (gitignored)
├── tests/                # Tests
└── notebooks/            # Validación

Documentación

• PRODUCT_SPEC.md - Especificación del producto
• docs/ARCHITECTURE.md - Arquitectura del pipeline
• docs/TECH_STACK.md - Stack tecnológico
• docs/PROJECT_STRUCTURE.md - Estructura detallada
• docs/DEPLOYMENT.md - Guía de deployment

KPIs de Calidad

KPI	Target
Transcripciones utilizables	90%
Confianza media RCA	≥ 0.70
Tiempo (5K llamadas)	< 24h
Coste por llamada	< €0.50

Licencia

Propietario - BeyondCX.ai