> 持续流程改进 > 客户服务 > Genesys Cloud CX > 数据模板

您的客户服务数据模板

Genesys Cloud CX

← 返回改进指南

客户服务属性 (20) 客户服务 Activity 一览 (13) 提取指南 (3)

您的客户服务数据模板

该模板为收集分析和优化客户服务流程所需的核心数据提供了清晰的路线图。它概述了推荐的属性、需要追踪的关键活动，以及从源系统提取这些信息的实用指南。利用它为您的流程挖掘项目构建可靠的事件日志。

建议收集的属性
需要追踪的关键活动
提取指南

不熟悉事件日志？了解如何创建流程挖掘事件日志.

下载模板

客户服务属性

这些是建议包含在事件日志中的数据字段，以便进行全面的客户服务分析。

5 必填 6 推荐 9 可选

	名称	描述
	开始时间 EventTime	指示某项活动或事件开始的时间戳。
描述该属性提供每项活动发生的精确日期和时间。它对于正确排序事件以及所有基于时间的分析都必不可少。开始时间用于按时间顺序构建流程，并且是计算不同活动之间时长、等待时间和周期时间的基础。准确的时间戳对于可靠的流程分析和绩效监控至关重要。为何重要此时间戳按时间顺序排列所有活动，从而能够准确分析流程、时长和瓶颈。获取方式可在 Genesys Cloud CX 的事件日志或交互详情中找到，通常与每条记录的系统或用户 event 相关联。示例 2024-05-21T10:00:15Z2024-05-21T10:02:30Z2024-05-21T10:15:00Z
	服务请求 ServiceRequest	客户服务互动的核心标识，关联了所有相关的活动。
描述服务请求（通常称为工单或 Case）是单次客户咨询或问题的核心标识。它将从最初联系到最终解决的所有相关事件归为一个流程实例。按服务请求进行分析，可以获得客户旅程和内部处理流程的完整端到端视角。它是计算总解决时长和首次解决率等关键指标的基础。为何重要这是连接所有流程步骤的关键 Case ID，使您能够对从开始到结束的每次客户互动进行全面分析。获取方式这是概念上的 Case ID。在 Genesys 中，这通常对应于 Conversation ID，但根据实施情况，也可能是一个自定义标识。示例 SR-20240521-00123SR-20240521-00124SR-20240522-00001
	活动名称 ActivityName	在服务请求生命周期的某个时间点发生的特定事件或任务的名称。
描述该属性描述了客户服务流程中的特定步骤或状态变更。每项活动代表一个独立事件，例如“坐席接受互动”或“已分配 Wrap-Up Code”。分析这些活动的顺序和频率是流程挖掘的基础。它有助于可视化流程流向、识别偏差并精准定位瓶颈或低效步骤。为何重要 Activity 构成了流程图的骨架，让您可以将实际流程与设计流程进行可视化对比分析。获取方式这通常是通过将 Genesys Cloud CX 中的系统事件、坐席状态或特定审计轨迹条目映射到标准活动名称来派生的。示例交互已开始坐席已接受交互通话后处理已结束服务请求已重新开启
	最后数据更新 LastDataUpdate	最近一次数据刷新的时间戳。
描述该属性指示了数据集从源系统更新的最后时间。它提供了所分析数据的新鲜度背景，这对于做出及时且相关的业务决策至关重要。仪表板和报告应突出显示此信息，以便用户了解数据的时效性并评估见解的有效性。为何重要指示 data 的新鲜度，确保分析和决策基于最新信息。获取方式此值在数据提取或加载到流程挖掘工具时生成并标记在数据集上。示例 2024-05-23T04:00:00Z2024-05-24T04:00:00Z
	源系统 SourceSystem	数据提取来源系统。
描述该属性标识事件数据的来源系统，在本例中为 Genesys Cloud CX。在包含多个集成系统的环境中，此字段对于数据血缘、故障排除和理解数据背景至关重要。它有助于确保分析基于正确的数据源，并允许在多个系统共同构成单一流程视图时过滤或细分数据。为何重要识别 data 来源，这对于数据治理、验证以及合并来自多个系统的 data 至关重要。获取方式这通常是在数据提取和转换过程中添加的静态值，用于标记记录的来源。示例 Genesys Cloud CXGenesysCloudCX_US1Genesys
	Wrap-Up Code WrapUpCode	坐席在交互结束时分配的代码，用于对结果或主题进行分类。
描述 Wrap-Up Code 是坐席选择的标签，用于对客户互动的性质或解决结果进行分类。这些代码提供了有关客户联系支持原因的结构化数据。分析 Wrap-Up Code 有助于识别常见问题类型、追踪解决结果并衡量特定请求的频率。这些数据对于根因分析和理解服务需求模式非常有价值。为何重要对交互结果进行分类，为分析常见问题、解决有效性和联系原因提供结构化 data。获取方式可在 Genesys Cloud CX 会话详情记录中找到，具体位于坐席参与者的会话详情中。示例密码重置账单争议已解决产品信息咨询已升级至二线支持
	坐席 ID AgentId	处理该互动或活动的坐席唯一标识符。
描述 Agent ID 是每个客户服务代表的唯一密钥。该属性对于任何与坐席绩效、工作量分配和效率相关的分析都至关重要。它允许您过滤流程图以观察特定坐席或团队处理请求的方式，并对比其绩效指标（如解决时间、重做率以及对标准流程的遵守情况）。这是“坐席绩效与效率”仪表板的基石。为何重要该属性将流程活动连接到特定员工，从而实现对个人绩效、工作量和团队效率的分析。获取方式可从 Genesys Cloud CX 会话详情记录中获取，关联至处理该交互环节的用户。示例 a1b2c3d4-e5f6-7890-1234-567890abcdeff0e9d8c7-b6a5-4321-fedc-ba0987654321
	沟通渠道 MediaType	互动所使用的沟通渠道，例如语音、聊天或邮件。
描述该属性指定了客户与坐席沟通的媒介。常见渠道包括语音、聊天、邮件和社交媒体。正如“沟通渠道绩效”仪表板所示，按渠道分析绩效有助于企业了解各渠道特有的业务量、解决时长和客户满意度。这种洞察对于优化渠道策略和资源配置至关重要。为何重要按沟通渠道细分流程，对于理解各渠道特有的绩效表现、客户行为和资源需求至关重要。获取方式 Genesys Cloud CX 会话详情记录中的标准字段。示例 voicechatemailmessage
	经办人姓名 AgentName	处理该互动或活动的坐席全名。
描述 Agent Name 提供了对应于 Agent ID 的易读标识。该属性使仪表板和报告对经理和团队主管来说更加直观。它广泛应用于以坐席为中心的分析，用于审查绩效、识别培训需求并确保工作量公平分配，而无需反复比对系统 ID。为何重要提供坐席的易读名称，使分析绩效和传达发现更加直观，无需查阅复杂的技术 ID。获取方式通过在 Genesys Cloud CX 的用户或目录服务中查询 AgentId 获取。示例约翰·史密斯Jane DoePeter Jones
	结束时间 EventEndTime	指示活动或事件结束的时间戳。
描述该属性记录活动结束的精确时刻。配合开始时间，它可以精确计算每项独立活动的持续时长。分析活动时长是识别流程中哪些步骤最耗时的关键，有助于发现低效环节和优化机会。例如，它可以突出显示过长的“通话等待”时间或过长的“通话后处理”时长。为何重要支持精确计算单个 Activity 的持续时间，这对于识别耗时步骤和性能瓶颈至关重要。获取方式可在 Genesys Cloud CX 的事件日志或交互详情中找到。也可以通过后续 event 的开始时间推导得出。示例 2024-05-21T10:02:30Z2024-05-21T10:15:00Z2024-05-21T10:18:45Z
	队列名称 QueueName	互动路由至的队列名称。
描述该属性标识了互动在分配给坐席之前所等待的特定队列。按队列名称分析数据对于“服务队列瓶颈检测”仪表板至关重要。它能帮助经理了解不同技能组或服务线的工作量分配，衡量每个队列的等待时间，并识别始终人手不足或超负荷的队列。这些信息是优化资源配置和缩短客户等待时间的关键。为何重要通过展示服务请求在何处等待分配，帮助识别瓶颈并分析工作负载分布。获取方式可从 Genesys Cloud CX 会话详情记录中获取。每个交互可能流经一个或多个队列。示例一线支持 - 语音账单查询 - 在线聊天技术支持 - 邮件
	Conversation ID ConversationId	Genesys 为整个对话分配的唯一标识符。
描述 Conversation ID 是 Genesys Cloud CX 中的核心技术密钥，它将单次客户对话中所有相关的互动、片段和参与者分在一组。虽然概念上的“服务请求”被用作 Case ID，但 Conversation ID 是用于从 Genesys API 检索所有相关数据的底层密钥。它对于数据提取、整合不同数据集以及对流程数据进行技术验证至关重要。为何重要这是 Genesys 中的核心技术密钥，对于数据提取、故障排除以及追溯到源系统至关重要。获取方式这是所有 Genesys Cloud CX 分析和对话 API 中的核心字段。示例 d8a7c6b5-e4f3-2109-8765-fedcba098765c7b6a5d4-f3e2-1098-7654-edcbaf987654
	CSAT 评分 CustomerSatisfactionScore	客户在互动后调查中提供的满意度评分。
描述客户满意度评分（CSAT）是衡量客户对所接受服务感知的直接指标。通常在互动关闭后通过调查问卷收集。结合流程数据分析 CSAT 评分，可以揭示流程变动、解决时长或特定坐席如何影响客户幸福感。这是评估整体流程成功与否的关键结果指标。为何重要直接衡量客户满意度，支持对流程绩效与客户结果之间的关联性进行分析。获取方式这些数据通常来自 Genesys Cloud CX 的质量管理模块或与 Genesys 集成的第三方调查工具。示例 5413
	SLA 目标解决时间 SlaTargetResolutionTime	合同约定的服务请求解决目标时间。
描述该属性根据服务等级协议 (SLA) 定义了服务请求解决的最长允许时间。它作为衡量实际解决时间的基准。这些数据对于“SLA 合规性概览”仪表板和“SLA 合规率”KPI 至关重要，使企业能够根据对客户的承诺监控绩效，并在违规发生前识别潜在风险。为何重要为衡量 SLA 合规性提供基准，这是衡量服务绩效和履行合同义务的关键指标。获取方式这可能存储为对话上的自定义属性，也可能根据涉及队列、客户类型或请求类型的规则派生。示例 86400144003600
	处理时间 Duration	完成单项活动所需的时间（以秒为单位）。
描述该属性量化了单个流程步骤的时长，计算方式为结束时间与开始时间的差值。分析处理时间有助于识别哪些活动最耗时。这些信息对于绩效仪表板（如“坐席绩效与效率”仪表板）评估坐席效率并寻找培训或流程改进机会至关重要。为何重要量化每项活动所花费的时间，有助于精准发现效率低下的环节，并在细粒度层面上衡量绩效。获取方式计算字段：EventEndTime - EventTime。部分 Genesys API 可能会直接提供特定环节的持续时间字段。示例 12075045
	是否为首呼解决 IsFirstContactResolution	指示该服务请求是否在单次交互中解决的标志。
描述该布尔属性识别出在首次互动中即被解决的 case，无需客户跟进或内部转接。“true”值代表理想、高效的解决。该属性是“首次解决率 (FCR)”KPI 及其对应仪表板的基础。分析未能在首次解决的 case 特征，可以发现坐席培训、知识库改进或流程变革的机会。为何重要直接衡量效率和客户满意度，因为首次即解决问题是提供优质服务体验的核心驱动力。获取方式计算字段，通过分析 case 的 event 序列得出。如果 case 在解决过程中没有发生转接或重新开启等特定 Activity，则视为 FCR。示例 truefalse
	是否符合SLA IsSlaCompliant	指示服务请求是否在 SLA 目标时间内解决的标志。
描述该布尔属性指示服务请求是否达到了解决时长目标。它是通过对比“服务解决时长”和“SLA 目标解决时长”计算得出的。此标记简化了“SLA 合规性概览”仪表板的分析和可视化，也是计算“SLA 合规率”KPI 的基础。它允许快速过滤和细分合规与违规 case，从而识别 SLA 违规中的共同模式。为何重要通过清晰标注每个 case 是否符合 SLA 或已违规，简化 SLA 绩效分析，从而实现故障根因分析。获取方式计算字段：如果服务解决时间 <= SLA 目标解决时间，则为 True，否则为 False。示例 truefalse
	是否重新打开 IsReopened	指示已解决的服务请求随后是否被重新开启的标志。
描述该布尔属性标记了曾被设为“已解决”或“已关闭”状态，但随后又重新变为“活跃”的服务请求。重新开启的 case 通常意味着最初的解决方案无效或不完整，会导致客户不满并产生额外工作量。此属性为“服务请求重新开启趋势”仪表板和“服务请求重新开启率”KPI 提供支持。分析这些 case 有助于识别无效解决的根因。为何重要突出显示解决流程中的失败环节，指出解决方案质量问题，这些问题会导致返工和糟糕的客户体验。获取方式计算字段，通过检测在“服务请求已解决” Activity 之后使 case 重新进入活跃状态的 Activity 得出。示例 truefalse
	服务解决时长 ServiceResolutionTime	从客户第一次发起互动到最终解决所经历的总时长。
描述此指标衡量服务请求的总时长，从客户发起联系的那一刻起，直到问题被标记为已解决。它是衡量整体流程效率和客户体验的关键绩效指标。该计算属性是“服务请求解决时长”仪表板和“平均服务解决时长”KPI 的核心。分析其分布有助于识别耗时过长的 case 和系统性延迟。为何重要这是衡量整体流程效率及其对客户体验影响的关键 KPI。获取方式计算字段：最终解决 Activity 的 timestamp 减去首次客户接触 Activity 的 timestamp。示例 90010800172800
	服务请求类型 ServiceRequestType	服务请求的分类，例如“咨询”、“投诉”或“技术问题”。
描述该属性根据服务请求的性质或目的对其进行分类。它允许通过细分分析来了解不同类型的请求是如何处理的。例如，“投诉”的流程和解决时间可能与“一般咨询”有很大不同。这一维度对于“内部升级分析”等仪表板至关重要，可以查看某些请求类型是否更容易被升级。为何重要支持流程细分，以便对比不同类型的请求处理方式，并识别特定类型下的瓶颈或低效点。获取方式这些信息可能通过 IVR 选择、客户在网页表单上的选择捕获，或由坐席分配。在 Genesys 中，它可以存储为参与者属性或 Wrap-Up Code。示例账单查询技术支持账户管理产品投诉

必填推荐可选

客户服务 Activity 一览

为实现精准的流程发现，建议在事件日志中记录以下关键步骤与里程碑。

5 推荐 8 可选

	活动	描述
	交互已开始	此活动标志着客户服务互动的开始，如呼入通话、聊天或邮件。当系统创建新的对话对象时，Genesys Cloud CX 会明确记录此事件。
为何重要这是服务请求流程的核心起始事件。它对于计算总解决时长和理解呼入客户需求模式至关重要。获取方式此事件从对话详情记录中捕获。它对应于对话对象本身的开始时间，通常位于 conversationStart 时间戳中。捕获当系统中发起新会话时记录。事件类型 explicit
	交互已断开	此活动表示对话结束，此时所有参与者均已断开连接。这通常被视为服务请求互动的技术性结案。
为何重要这是互动本身的最终结束事件。它对于计算总互动时长至关重要，且通常被用作请求结案的代理指标。获取方式此数据从对话详情记录中捕获。它对应于对话对象的结束时间，通常位于 conversationEnd 时间戳中。捕获当所有参与者都断开连接且会话结束时记录。事件类型 explicit
	交互已转接	表示坐席将互动转移到另一个队列或坐席。这可以是坐席立即断开连接的盲转，也可以是先与接收者沟通的咨询转接。
为何重要此活动对“内部升级率”这一 KPI 至关重要。高转接率可能意味着培训需求、错误的路由设置或流程过于复杂。获取方式当在初始坐席介入后，又有新的 ACD 或坐席参与者加入对话（通常由“转接”事件发起）时，系统会在对话详情记录中识别到此情况。捕获通过参与者会话 data 中的转接 event 来识别。事件类型 explicit
	坐席已接受交互	标志着坐席接受互动并与客户建立连接的时刻。这是开始直接处理服务请求的关键里程碑。
为何重要此活动对于衡量首次解决率和坐席处理时间至关重要。它标志着坐席开始处理该请求。获取方式可在会话详情记录中找到。以坐席参与者状态变为“已连接”为标志，并带有相应的 timestamp。捕获当坐席参与者状态变为 “connected” 时记录。事件类型 explicit
	已分配 Wrap-Up Code	坐席为交互分配预定义的完成代码或处置代码。这明确了服务请求的结果类别，例如“已解决”或“已升级”。
为何重要 Wrap-up code 是确定请求业务结果的核心依据。它们对于计算解决率和细分 case 进行分析至关重要。获取方式这是在对话详情记录中发现的显式事件，通常位于坐席参与者的会话数据中。wrapUp 代码和时间戳都会被记录。捕获当坐席为交互选择完成代码时记录。事件类型 explicit
	交互已取消保持状态	当坐席结束等待状态并恢复与客户的对话时触发。此事件标志着等待期的结束，并在系统中记录为状态变更。
为何重要与“互动进入等待状态”配合使用，该活动可精确计算总等待时长，这是衡量整体处理时间及客户体验的关键指标。获取方式源自坐席参与者的会话 data，记录其状态从 “held” 回到 “connected” 的时刻。捕获当坐席参与者状态从 “held” 变为 “connected” 时记录。事件类型 explicit
	交互已置于保持状态	当坐席在互动过程中让客户处于等待状态时记录。这是对话中坐席参与者的显式状态变更。
为何重要通过分析“保持”状态的频率和时长，可以发现流程中的效率漏洞，例如坐席是否频繁因查找信息或咨询他人而中断服务。获取方式从会话详情记录中的坐席参与者会话 data 提取。当状态变为 “held” 时，记录对应的 timestamp。捕获当坐席参与者状态变为 “held” 时记录。事件类型 explicit
	会话已路由至队列	代表新互动进入特定队列等待可用坐席的时刻。这是由 Genesys 路由引擎 (ACD) 记录的显式事件。
为何重要追踪此活动对于衡量队列等待时间和识别路由过程中的瓶颈至关重要。此活动与坐席分配之间的时间间隔过长，通常预示着人员配置或路由逻辑存在问题。获取方式从会话详情记录中提取，具体查看会话中 ACD 参与者的 “purpose” 和 “state”。指标数组中的队列 “enterTime” 标记了此 event。捕获当 ACD 路由引擎将会话置入队列时记录。事件类型 explicit
	向坐席分配交互	当系统向特定坐席提供互动时触发。当系统等待坐席接受或拒绝对话时，坐席状态变更为“alerting (提醒中)”。
为何重要此活动有助于分析坐席响应速度和路由算法的有效性。此时点后的延迟可能表明坐席未能及时接受任务。获取方式可在会话详情记录的坐席参与者 data 中找到。参与者的会话将显示状态为 “alerting” 的指标及相应的 timestamp。捕获当路由引擎提醒坐席有新交互时记录。事件类型 explicit
	客户满意度调查已发送	此活动在互动关闭后发送客户满意度 (CSAT) 调查时发生。这通常由系统根据预设规则自动触发。
为何重要此活动对于衡量“CSAT 调查发送及时性”KPI 是必要的。确保及时发送调查有助于在客户记忆犹新时捕获最准确的反馈。获取方式这些信息通常可从 Genesys Cloud CX 内的调查或质量管理数据中获得，并可关联回原始会话 ID。捕获当针对特定会话派发调查时，由调查模块记录。事件类型 explicit
	服务请求已重新开启	表示客户在问题被视为已解决后不久，再次就同一问题联系服务中心的情况。这并非显式事件，而是基于业务逻辑计算得出的。
为何重要追踪重新开启的请求是衡量“服务请求重新开启率”的关键。它表明初始解决无效，从而影响客户满意度和运营效率。获取方式该活动是通过在先前互动解决后的预设时间窗口内，识别到同一客户（Customer ID）针对相关问题（如服务请求类型）发起的新“互动开始”事件推断出来的。捕获通过将新交互与同一客户及问题的近期关闭记录进行关联计算得出。事件类型 calculated
	通话后处理已开始	此活动标志着通话后处理 (ACW) 阶段的开始。坐席已与客户断开连接，但目前处于专门状态以完成记笔录或更新系统等任务。
为何重要衡量 ACW (通话后处理) 时长对于了解坐席效率和整体处理时间至关重要。ACW 时间过长可能预示着后期处理流程效率低下。获取方式从坐席参与者的会话 data 中获取。在客户断开连接后，坐席状态变为 “acw” 时记录。捕获当坐席参与者状态变为 “acw” 时记录。事件类型 explicit
	通话后处理已结束	这标志着坐席通话后处理阶段的结束。此时，坐席变更为可用状态，可以处理另一次互动。
为何重要此活动与“开始通话后处理”相结合，可提供整理阶段的精确时长，有助于分析坐席生产力和流程开销。获取方式当坐席状态从“acw”变更为“idle (空闲)”等可用状态时推断得出。系统将采用此状态变更的时间戳。捕获通过坐席状态从 “acw” 变为就绪状态推断得出。事件类型 inferred

推荐可选

提取指南

如何从 Genesys Cloud CX 获取 data

步骤

进入 Analytics Workspace：登录 Genesys Cloud CX。在菜单中选择 Admin，然后在 Analytics 下点击 Workspace。
创建新视图：点击加号图标添加新标签页，选择 “Create a new view”。将视图类型设为 “Interactions”，进入交互视图编辑器。
定义日期范围：在左侧筛选面板中，设置要提取 data 的起止时间。建议先从较短的时间段（如一周）开始，以便测试流程。
选择导出列：这是数据准备中最关键的一步。点击 “Columns” 按钮，从可用字段中选择并添加以下列。这些字段包含了构建事件日志所需的 core data：
- Conversation ID
- Conversation Start
- Conversation End
- Media Type
- Participants（包含坐席、队列和客户嵌套 data 的复合字段）
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Surveys
应用其他筛选条件：如有必要，使用面板进一步缩小范围。您可以按媒体类型（如 voice、chat）、队列、方向（呼入/呼出）或其他属性进行筛选，聚焦特定的服务请求流程。
保存并运行视图：为视图起个名字（如 “Process Mining Service Request Export”）并保存。视图将根据您的标准加载 data。
发起导出：data 加载完成后，点击“导出”按钮（通常是一个下载图标）。选择 “Export as CSV” 或 “Export as JSON”。初次处理通常建议选择 CSV。
下载导出的文件：导出任务会在后台运行。您可以在 Performance > My Exports 中查看进度。完成后，将文件下载到本地系统。
转换原始数据：导出的原始文件每行代表一个会话，坐席和环节 data 嵌套在单个列中。您需要运行转换脚本（如 Query 部分提供的 Python 脚本）来展开这些 data。该脚本将解析原始导出文件，生成一个新文件，其中每一行代表一个具体的 Activity，如“坐席接受交互”或“交互被置于保持状态”。
实现自定义逻辑：在转换过程中，加入您的业务逻辑。例如，“服务请求重新开启”这一 Activity 需通过分析同一客户在定义时间段内的后续交互来计算得出。
定稿事件日志：转换脚本应输出一个符合 ProcessMind 格式要求的 CSV 文件，包含 ServiceRequest、ActivityName、EventTime 等属性。确保所有 timestamp 格式一致。
上传至 ProcessMind：大功告成，经过转换的 CSV 文件现在可以上传到您的 Process Mining 工具中了。

配置

权限：您的 Genesys Cloud CX 用户角色必须拥有 Analytics > Conversation > View 权限，才能访问 Analytics Workspace 并创建交互视图。
日期范围：初次提取时，建议选择 3-6 个月具有代表性的时间段。对于业务量巨大的联络中心，建议按周或月分批导出 data，以避免超出系统限制并更轻松地管理文件大小。
关键筛选条件：
- Media Type：筛选与您的客户服务流程相关的渠道，例如 voice、chat 或 email。
- Queue：如果流程由特定团队处理，请按相关的 Queue ID 进行筛选，确保仅提取所需流程的 data。
- Direction：通常建议筛选 inbound（呼入）交互，以捕捉客户发起的业务请求。
导出列：Participants 列至关重要，因为它包含了坐席和队列的详细 event 时间线。若缺失此列，则无法提取具体的 Activity。请确保同时包含 Conversation ID、Conversation Start 和 Conversation End。
性能考量：导出过多的列或过长的日期范围会导致导出任务耗时显著增加。如果任务失败或超时，请缩短日期范围并重试。Genesys Cloud 每次导出任务的上限约为 100 万个会话。

a 查询示例 config

import pandas as pd
import json
from datetime import datetime, timezone

# This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
# It assumes the raw data is in a CSV file named 'genesys_export.csv'.

def transform_genesys_export(file_path):
    # Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = 'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

    # Rename columns for easier access
    df.rename(columns={
        'Conversation ID': 'conversationId',
        'Conversation Start': 'conversationStart',
        'Conversation End': 'conversationEnd',
        'Media Type': 'mediaType'
    }, inplace=True)

    for index, row in df.iterrows():
        service_request_id = row['conversationId']
        media_type = row['mediaType']
        
        # Activity: Interaction Started
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Started',
            'EventTime': row['conversationStart'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # The 'Participants' column contains a JSON string that needs to be parsed
        participants = json.loads(row['Participants'])

        for p in participants:
            participant_id = p.get('participantId')
            user_id = p.get('userId')
            queue_name = p.get('queueName')
            purpose = p.get('purpose')

            for s in p.get('sessions', []):
                wrap_up_code = s.get('wrapUpCode')
                for seg in s.get('segments', []):
                    seg_start = seg.get('segmentStart')
                    seg_end = seg.get('segmentEnd')
                    seg_type = seg.get('segmentType')

                    activity_name = None
                    if purpose == 'acd' and seg_type == 'interact':
                        activity_name = 'Conversation Routed to Queue'
                    elif purpose == 'agent' and seg_type == 'alert':
                        activity_name = 'Agent Offered Interaction'
                    elif purpose == 'agent' and seg_type == 'interacting':
                        activity_name = 'Agent Accepted Interaction'
                    elif purpose == 'agent' and seg_type == 'hold':
                        activity_name = 'Hold Placed on Interaction'
                        # Also create the Hold Removed event
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'Hold Removed from Interaction',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    elif purpose == 'agent' and seg_type == 'acw':
                        activity_name = 'After-Call Work Started'
                        # Also create ACW Ended and Wrap-Up Assigned events
                        if wrap_up_code:
                            event_log.append({
                                'ServiceRequest': service_request_id,
                                'ActivityName': 'Wrap-Up Code Assigned',
                                'EventTime': seg_end, # Assume code assigned at end of ACW
                                'EventEndTime': None,
                                'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                                'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                            })
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'After-Call Work Ended',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    
                    if seg.get('disconnectType') == 'transfer':
                        activity_name = 'Interaction Transferred'

                    if activity_name:
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': activity_name,
                            'EventTime': seg_start,
                            'EventEndTime': seg_end,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
        
        # Activity: Interaction Disconnected
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Disconnected',
            'EventTime': row['conversationEnd'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # Activity: Customer Satisfaction Survey Sent (from surveys column)
        if pd.notna(row.get('Surveys')):
            surveys = json.loads(row['Surveys'])
            for survey in surveys:
                if survey.get('surveyStatus') == 'Sent':
                    # Survey sent time is not always directly available, using conversation end as an approximation
                    event_log.append({
                        'ServiceRequest': service_request_id,
                        'ActivityName': 'Customer Satisfaction Survey Sent',
                        'EventTime': survey.get('surveySentDate', row['conversationEnd']),
                        'EventEndTime': None,
                        'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
                        'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                    })

    # NOTE: 'Service Request Re-Opened' requires custom cross-conversation logic.
    # This logic would need to be implemented here, analyzing the entire dataset
    # to find subsequent interactions from the same customer within a specific timeframe.

    final_df = pd.DataFrame(event_log)
    # Sort by case and event time to create a chronological log
    final_df.sort_values(by=['ServiceRequest', 'EventTime'], inplace=True)
    
    return final_df

if __name__ == '__main__':
    # Specify the path to your downloaded Genesys export CSV file
    input_file = 'genesys_export.csv'
    output_file = 'genesys_event_log.csv'
    
    event_log_df = transform_genesys_export(input_file)
    
    if event_log_df is not None:
        event_log_df.to_csv(output_file, index=False)
        print(f"Transformation complete. Event log saved to {output_file}")

步骤

环境准备：确保您的系统中已安装 Python 3.8+ 以及 pandas 和 purecloud-platform-client-v2 库。可以通过 pip 安装：pip install pandas purecloud-platform-client-v2。
创建 Genesys Cloud OAuth 客户端：登录 Genesys Cloud CX 管理账号。前往 Integrations > OAuth，创建一个 grant type 为 “Client Credentials” 的新客户端。分配包含 analytics:conversationDetail:view 权限的角色。
配置脚本凭据：保存上一步获取的 Client ID 和 Client Secret。在下方提供的 Python 脚本中，将 CLIENT_ID、CLIENT_SECRET 和 GENESYS_CLOUD_REGION 替换为您自己的信息。
定义提取时间段：找到脚本中的 query_body 变量。修改 interval 值以指定要提取的 data 时间范围。初次测试建议只选择一天。
执行 Python 脚本：在终端运行 python your_script_name.py。脚本将通过 Genesys Cloud API 进行身份验证，提交异步分析任务并输出任务 ID。
监控任务进度：脚本会每隔 15 秒轮询一次 API 以检查任务状态，并在控制台打印更新。根据 data 量的大小，此过程可能需要几分钟或更久。
数据处理与转换：任务完成后，脚本会下载 JSON 格式的 data。接着它会遍历每条会话记录，解析参与者、会话和环节 data，从而识别并结构化关键的 Activity 和属性。
处理计算得出的 event：脚本包含后期处理步骤，用于识别“服务请求重新开启” event。该逻辑（可自定义）会检查同一客户在之前交互解决后的特定窗口期内是否发起了新的交互。
生成事件日志：转换后的 data 会整合进 pandas DataFrame 中，其结构完全对应 Process Mining 的事件日志要求。
导出最终 CSV 文件：脚本将生成的 DataFrame 保存为 genesys_event_log.csv。该文件格式已针对 ProcessMind 平台优化，可直接上传使用。

配置

API 凭据：身份验证需要 OAuth Client ID 和 Client Secret。这些信息需在 Genesys Cloud CX 管理后台生成。
API 权限：关联的 OAuth 客户端角色必须具备 analytics:conversationDetail:view 权限，以便获取必要的会话 data。
提取间隔：API 查询主体中的 interval 参数决定了提取的日期范围。对于大型环境，最佳实践是按顺序分批提取（例如每次一周），以避免 API 超时并合理管理内存占用。
数据筛选：可以通过修改 API 查询主体，添加 conversationFilters、segmentFilters 或 evaluationFilters 来精确锁定提取范围。例如，您可以指定 queueId 或 mediaType 来针对客户服务流程中的特定环节。
重开逻辑：用于识别“服务请求重新开启” event 的时间窗口可在脚本中配置。默认设置为 72 小时，建议根据您公司的业务规则进行调整。
环境配置：运行脚本需要安装了相关 SDK 和库的本地 Python 环境，无需直接访问 Genesys Cloud CX 服务器或数据库。

a 查询示例 python

import PureCloudPlatformClientV2
import pandas as pd
import requests
import json
import time
import os
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Genesys Cloud credentials and region
CLIENT_ID = class="hl-string">"[Your_Client_Id]"
CLIENT_SECRET = class="hl-string">"[Your_Client_Secret]"
GENESYS_CLOUD_REGION = class="hl-string">"[Your_Genesys_Cloud_Region]" class=class="hl-string">"hl-comment"># e.g., mypurecloud.com, mypurecloud.de

class=class="hl-string">"hl-comment"># Set the API environment
PureCloudPlatformClientV2.configuration.host = fclass="hl-string">'https://api.{GENESYS_CLOUD_REGION}'

class=class="hl-string">"hl-comment"># --- Authentication ---
api_client = PureCloudPlatformClientV2.api_client.ApiClient().get_client_credentials_token(CLIENT_ID, CLIENT_SECRET)
analytics_api = PureCloudPlatformClientV2.AnalyticsApi(api_client)


def parse_conversation(conv_detail):
    class="hl-string">"""Parses a single conversation detail object into multiple event log rows."""
    events = []
    conversation_id = conv_detail.get(class="hl-string">'conversationId')
    source_system = class="hl-string">'Genesys Cloud CX'
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># Event: Interaction Started
    events.append({
        class="hl-string">'ServiceRequest': conversation_id,
        class="hl-string">'ActivityName': class="hl-string">'Interaction Started',
        class="hl-string">'EventTime': conv_detail.get(class="hl-string">'conversationStart'),
        class="hl-string">'EventEndTime': None,
        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
        class="hl-string">'MediaType': next((p.get(class="hl-string">'sessions')[0].get(class="hl-string">'mediaType') for p in conv_detail.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None),
        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
    })

    for p in conv_detail.get(class="hl-string">'participants', []):
        agent_id = p.get(class="hl-string">'userId')
        agent_name = p.get(class="hl-string">'participantName')

        for s in p.get(class="hl-string">'sessions', []):
            media_type = s.get(class="hl-string">'mediaType')

            for seg in s.get(class="hl-string">'segments', []):
                seg_start = seg.get(class="hl-string">'segmentStart')
                seg_end = seg.get(class="hl-string">'segmentEnd')

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'alert':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Agent Offered Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'interact' and p.get(class="hl-string">'purpose') == class="hl-string">'agent':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Agent Accepted Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'hold':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Hold Placed on Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
                    if seg_end:
                        events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Hold Removed from Interaction', class="hl-string">'EventTime': seg_end, class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'acw':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'After-Call Work Started', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p.get(class="hl-string">'wrapUp', {}).get(class="hl-string">'code'), class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
                    if seg_end:
                         events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'After-Call Work Ended', class="hl-string">'EventTime': seg_end, class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p.get(class="hl-string">'wrapUp', {}).get(class="hl-string">'code'), class="hl-string">'MediaType': media_type,
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })
                
                if seg.get(class="hl-string">'segmentType') == class="hl-string">'transmitting' and seg.get(class="hl-string">'disconnectType') == class="hl-string">'transfer':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Interaction Transferred', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
            
            if s.get(class="hl-string">'flow', {}).get(class="hl-string">'outcomeValue') == class="hl-string">'SURVEY_OFFERED':
                events.append({
                    class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Customer Satisfaction Survey Sent', class="hl-string">'EventTime': s.get(class="hl-string">'flow', {}).get(class="hl-string">'flowEnd'), class="hl-string">'EventEndTime': None,
                    class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                    class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                })

        if p.get(class="hl-string">'purpose') == class="hl-string">'acd':
             for s in p.get(class="hl-string">'sessions', []):
                for seg in s.get(class="hl-string">'segments', []):
                    if seg.get(class="hl-string">'segmentType') == class="hl-string">'interact':
                         events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Conversation Routed to Queue', class="hl-string">'EventTime': seg.get(class="hl-string">'segmentStart'), class="hl-string">'EventEndTime': seg.get(class="hl-string">'segmentEnd'),
                            class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': s.get(class="hl-string">'mediaType'),
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })

        if p.get(class="hl-string">'wrapUp'):
            events.append({
                class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Wrap-Up Code Assigned', class="hl-string">'EventTime': p[class="hl-string">'wrapUp'].get(class="hl-string">'wrapUpEnd'), class="hl-string">'EventEndTime': None,
                class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p[class="hl-string">'wrapUp'].get(class="hl-string">'code'), class="hl-string">'MediaType': s.get(class="hl-string">'mediaType'),
                class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
            })

    class=class="hl-string">"hl-comment"># Event: Interaction Disconnected
    events.append({
        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Interaction Disconnected', class="hl-string">'EventTime': conv_detail.get(class="hl-string">'conversationEnd'), class="hl-string">'EventEndTime': None,
        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
        class="hl-string">'MediaType': next((p.get(class="hl-string">'sessions')[0].get(class="hl-string">'mediaType') for p in conv_detail.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None),
        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
    })
    
    return events


def main():
    class=class="hl-string">"hl-comment"># --- Define Analytics Query ---
    class=class="hl-string">"hl-comment"># Define your time interval here. Format: YYYY-MM-DDTHH:MM:SS.sssZ/YYYY-MM-DDTHH:MM:SS.sssZ
    interval = class="hl-string">"2023-10-01T00:00:00.000Z/2023-10-02T00:00:00.000Z"
    
    query_body = {
        class="hl-string">"interval": interval,
        class="hl-string">"paging": {
            class="hl-string">"pageSize": 100,
            class="hl-string">"pageNumber": 1
        }
    }

    class=class="hl-string">"hl-comment"># --- Submit and Monitor Job ---
    try:
        print(fclass="hl-string">"Submitting analytics job for interval: {interval}")
        api_response = analytics_api.post_analytics_conversations_details_jobs(query_body)
        job_id = api_response.job_id
        print(fclass="hl-string">"Job submitted successfully. Job ID: {job_id}")

        while True:
            job_status = analytics_api.get_analytics_conversations_details_job(job_id)
            print(fclass="hl-string">"Job status: {job_status.state}. Progress: {job_status.percent_complete}%")
            if job_status.state == class="hl-string">'FULFILLED':
                print(class="hl-string">"Job completed successfully.")
                break
            elif job_status.state in [class="hl-string">'FAILED', class="hl-string">'CANCELLED']:
                print(fclass="hl-string">"Job failed or was cancelled. State: {job_status.state}, Error: {job_status.error}")
                return
            time.sleep(15)

        class=class="hl-string">"hl-comment"># --- Fetch and Process Results ---
        all_events = []
        results_response = analytics_api.get_analytics_conversations_details_job_results(job_id)
        
        if not results_response.conversations:
            print(class="hl-string">"No conversations found for the given interval.")
            return
            
        print(fclass="hl-string">"Processing {len(results_response.conversations)} conversations...")
        for conv in results_response.conversations:
            all_events.extend(parse_conversation(conv))

        df = pd.DataFrame(all_events)
        df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')
        df = df.dropna(subset=[class="hl-string">'EventTime'])
        df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)

        class=class="hl-string">"hl-comment"># --- Post-Processing for class="hl-string">'Service Request Re-Opened' ---
        class=class="hl-string">"hl-comment"># This logic is an example. Adjust the window and criteria to fit your business rules.
        print(class="hl-string">"Applying post-processing for 'Re-Opened' events...")
        reopen_events = []
        df_resolved = df[df[class="hl-string">'WrapUpCode'].str.contains(class="hl-string">'Resolved', na=False)].copy()
        df_resolved = df_resolved.sort_values(class="hl-string">'EventTime').drop_duplicates(class="hl-string">'ServiceRequest', keep=class="hl-string">'last')
        reopen_window = timedelta(hours=72)

        for index, row in df_resolved.iterrows():
            customer_id = next((p.get(class="hl-string">'participantName') for c in results_response.conversations if c.get(class="hl-string">'conversationId') == row[class="hl-string">'ServiceRequest'] for p in c.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None)
            if not customer_id: continue
            
            resolved_time = row[class="hl-string">'EventTime']
            future_interactions = df[(df[class="hl-string">'EventTime'] > resolved_time) & (df[class="hl-string">'EventTime'] <= resolved_time + reopen_window)]
            
            for _, future_row in future_interactions.iterrows():
                future_customer_id = next((p.get(class="hl-string">'participantName') for c in results_response.conversations if c.get(class="hl-string">'conversationId') == future_row[class="hl-string">'ServiceRequest'] for p in c.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None)
                if customer_id == future_customer_id and future_row[class="hl-string">'ActivityName'] == class="hl-string">'Interaction Started':
                    reopen_events.append({
                        class="hl-string">'ServiceRequest': row[class="hl-string">'ServiceRequest'], class="hl-string">'ActivityName': class="hl-string">'Service Request Re-Opened', class="hl-string">'EventTime': future_row[class="hl-string">'EventTime'],
                        class="hl-string">'SourceSystem': class="hl-string">'Genesys Cloud CX', class="hl-string">'LastDataUpdate': datetime.utcnow().isoformat() + class="hl-string">'Z'
                    })
                    break

        if reopen_events:
            df_reopen = pd.DataFrame(reopen_events)
            df = pd.concat([df, df_reopen], ignore_index=True)
            df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)
        
        class=class="hl-string">"hl-comment"># --- Save to CSV ---
        output_filename = class="hl-string">'genesys_event_log.csv'
        df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

    except PureCloudPlatformClientV2.ApiException as e:
        print(fclass="hl-string">"Error calling Genesys Cloud API: {e}")
    except Exception as e:
        print(fclass="hl-string">"An unexpected error occurred: {e}")

if __name__ == class="hl-string">'__main__':
    main()

步骤

进入 Analytics Workspace：登录 Genesys Cloud CX。在菜单中选择 Admin，然后在 Analytics 下点击 Workspace。
创建新视图：点击加号图标添加新标签页，选择 “Create a new view”。将视图类型设为 “Interactions”，进入交互视图编辑器。
定义日期范围：在左侧筛选面板中，设置要提取 data 的起止时间。建议先从较短的时间段（如一周）开始，以便测试流程。
选择导出列：这是数据准备中最关键的一步。点击 “Columns” 按钮，从可用字段中选择并添加以下列。这些字段包含了构建事件日志所需的 core data：
- Conversation ID
- Conversation Start
- Conversation End
- Media Type
- Participants（包含坐席、队列和客户嵌套 data 的复合字段）
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Surveys
应用其他筛选条件：如有必要，使用面板进一步缩小范围。您可以按媒体类型（如 voice、chat）、队列、方向（呼入/呼出）或其他属性进行筛选，聚焦特定的服务请求流程。
保存并运行视图：为视图起个名字（如 “Process Mining Service Request Export”）并保存。视图将根据您的标准加载 data。
发起导出：data 加载完成后，点击“导出”按钮（通常是一个下载图标）。选择 “Export as CSV” 或 “Export as JSON”。初次处理通常建议选择 CSV。
下载导出的文件：导出任务会在后台运行。您可以在 Performance > My Exports 中查看进度。完成后，将文件下载到本地系统。
转换原始数据：导出的原始文件每行代表一个会话，坐席和环节 data 嵌套在单个列中。您需要运行转换脚本（如 Query 部分提供的 Python 脚本）来展开这些 data。该脚本将解析原始导出文件，生成一个新文件，其中每一行代表一个具体的 Activity，如“坐席接受交互”或“交互被置于保持状态”。
实现自定义逻辑：在转换过程中，加入您的业务逻辑。例如，“服务请求重新开启”这一 Activity 需通过分析同一客户在定义时间段内的后续交互来计算得出。
定稿事件日志：转换脚本应输出一个符合 ProcessMind 格式要求的 CSV 文件，包含 ServiceRequest、ActivityName、EventTime 等属性。确保所有 timestamp 格式一致。
上传至 ProcessMind：大功告成，经过转换的 CSV 文件现在可以上传到您的 Process Mining 工具中了。

配置

权限：您的 Genesys Cloud CX 用户角色必须拥有 Analytics > Conversation > View 权限，才能访问 Analytics Workspace 并创建交互视图。
日期范围：初次提取时，建议选择 3-6 个月具有代表性的时间段。对于业务量巨大的联络中心，建议按周或月分批导出 data，以避免超出系统限制并更轻松地管理文件大小。
关键筛选条件：
- Media Type：筛选与您的客户服务流程相关的渠道，例如 voice、chat 或 email。
- Queue：如果流程由特定团队处理，请按相关的 Queue ID 进行筛选，确保仅提取所需流程的 data。
- Direction：通常建议筛选 inbound（呼入）交互，以捕捉客户发起的业务请求。
导出列：Participants 列至关重要，因为它包含了坐席和队列的详细 event 时间线。若缺失此列，则无法提取具体的 Activity。请确保同时包含 Conversation ID、Conversation Start 和 Conversation End。
性能考量：导出过多的列或过长的日期范围会导致导出任务耗时显著增加。如果任务失败或超时，请缩短日期范围并重试。Genesys Cloud 每次导出任务的上限约为 100 万个会话。

a 查询示例 config

import pandas as pd
import json
from datetime import datetime, timezone

# This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
# It assumes the raw data is in a CSV file named 'genesys_export.csv'.

def transform_genesys_export(file_path):
    # Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = 'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

    # Rename columns for easier access
    df.rename(columns={
        'Conversation ID': 'conversationId',
        'Conversation Start': 'conversationStart',
        'Conversation End': 'conversationEnd',
        'Media Type': 'mediaType'
    }, inplace=True)

    for index, row in df.iterrows():
        service_request_id = row['conversationId']
        media_type = row['mediaType']
        
        # Activity: Interaction Started
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Started',
            'EventTime': row['conversationStart'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # The 'Participants' column contains a JSON string that needs to be parsed
        participants = json.loads(row['Participants'])

        for p in participants:
            participant_id = p.get('participantId')
            user_id = p.get('userId')
            queue_name = p.get('queueName')
            purpose = p.get('purpose')

            for s in p.get('sessions', []):
                wrap_up_code = s.get('wrapUpCode')
                for seg in s.get('segments', []):
                    seg_start = seg.get('segmentStart')
                    seg_end = seg.get('segmentEnd')
                    seg_type = seg.get('segmentType')

                    activity_name = None
                    if purpose == 'acd' and seg_type == 'interact':
                        activity_name = 'Conversation Routed to Queue'
                    elif purpose == 'agent' and seg_type == 'alert':
                        activity_name = 'Agent Offered Interaction'
                    elif purpose == 'agent' and seg_type == 'interacting':
                        activity_name = 'Agent Accepted Interaction'
                    elif purpose == 'agent' and seg_type == 'hold':
                        activity_name = 'Hold Placed on Interaction'
                        # Also create the Hold Removed event
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'Hold Removed from Interaction',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    elif purpose == 'agent' and seg_type == 'acw':
                        activity_name = 'After-Call Work Started'
                        # Also create ACW Ended and Wrap-Up Assigned events
                        if wrap_up_code:
                            event_log.append({
                                'ServiceRequest': service_request_id,
                                'ActivityName': 'Wrap-Up Code Assigned',
                                'EventTime': seg_end, # Assume code assigned at end of ACW
                                'EventEndTime': None,
                                'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                                'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                            })
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'After-Call Work Ended',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    
                    if seg.get('disconnectType') == 'transfer':
                        activity_name = 'Interaction Transferred'

                    if activity_name:
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': activity_name,
                            'EventTime': seg_start,
                            'EventEndTime': seg_end,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
        
        # Activity: Interaction Disconnected
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Disconnected',
            'EventTime': row['conversationEnd'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # Activity: Customer Satisfaction Survey Sent (from surveys column)
        if pd.notna(row.get('Surveys')):
            surveys = json.loads(row['Surveys'])
            for survey in surveys:
                if survey.get('surveyStatus') == 'Sent':
                    # Survey sent time is not always directly available, using conversation end as an approximation
                    event_log.append({
                        'ServiceRequest': service_request_id,
                        'ActivityName': 'Customer Satisfaction Survey Sent',
                        'EventTime': survey.get('surveySentDate', row['conversationEnd']),
                        'EventEndTime': None,
                        'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
                        'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                    })

    # NOTE: 'Service Request Re-Opened' requires custom cross-conversation logic.
    # This logic would need to be implemented here, analyzing the entire dataset
    # to find subsequent interactions from the same customer within a specific timeframe.

    final_df = pd.DataFrame(event_log)
    # Sort by case and event time to create a chronological log
    final_df.sort_values(by=['ServiceRequest', 'EventTime'], inplace=True)
    
    return final_df

if __name__ == '__main__':
    # Specify the path to your downloaded Genesys export CSV file
    input_file = 'genesys_export.csv'
    output_file = 'genesys_event_log.csv'
    
    event_log_df = transform_genesys_export(input_file)
    
    if event_log_df is not None:
        event_log_df.to_csv(output_file, index=False)
        print(f"Transformation complete. Event log saved to {output_file}")

您的客户服务数据模板

您的客户服务数据模板

客户服务属性

客户服务 Activity 一览

提取指南

Genesys Cloud Analytics 会话详情导出

步骤

配置

a 查询示例 config

使用 Genesys Cloud Platform API 的 Python 脚本

步骤

配置

a 查询示例 python

通过 AWS EventBridge 集成进行 Event 流传输

步骤

配置

a 查询示例 config

准备好开始了吗？

告别重复联系：立即提升客户服务效率！

您的客户服务数据模板

您的客户服务数据模板

客户服务属性

客户服务 Activity 一览

提取指南

Genesys Cloud Analytics 会话详情导出

步骤

配置

a 查询示例 config

使用 Genesys Cloud Platform API 的 Python 脚本

步骤

配置

a 查询示例 python

通过 AWS EventBridge 集成进行 Event 流传输

步骤

配置

a 查询示例 config

我们重视您的隐私

准备好开始了吗？

告别重复联系：立即提升客户服务效率！