Analyse nach dem Anruf

​

Was die Analyse liefert

• Sentiment – positive, neutral oder negative (Gesamtstimmung des Anrufers).
• Success – true / false (oder null, wenn die Erfolgsbewertung deaktiviert ist), plus eine kurze Begründung, die das Urteil erklärt.
• Data – eine Zuordnung der von dir definierten strukturierten Felder, mit dem Feldnamen als Schlüssel.
• Analysis time – wann das Ergebnis erstellt wurde.

​

Analyse konfigurieren

​

Typen für strukturierte Extraktion

• Text, Nummer, Ja / Nein liefern Text, eine Zahl oder einen Wahrheitswert.
• Auswahl (Enum) verwendet deine erlaubten Werte. Mehrere Werte erlauben liefert alle Treffer als Array; ausgeschaltet wird ein Wert geliefert. Unter Wenn kein Wert passt wählst du einen erlaubten Ersatzwert. Ohne Ersatzwert bleibt eine erfolglose Einfachauswahl leer; eine Mehrfachauswahl liefert ein leeres Array.
• Objekt definiert bis zu 20 feste Felder. Jeder Schlüssel ist enthalten; fehlende Angaben bleiben leer. Unterfelder unterstützen Text, Nummer, Ja / Nein und Auswahl; Text kann zusätzlich erlaubte Werte festlegen.
• Liste definiert dieselben festen Felder für jeden Eintrag. Die KI liefert je gefundenem Eintrag ein Objekt, höchstens 100 Einträge, oder ein leeres Array.
• JSON überlässt der KI die Struktur. Verwende Objekt oder Liste, wenn dein Webhook feste Schlüssel benötigt. Freies JSON ist auf 16.000 Zeichen und 8 Verschachtelungsebenen begrenzt.

{
  "fields": [
    {
      "name": "topics",
      "type": "enum",
      "choices": [
        "pricing",
        "delivery",
        "other"
      ],
      "allow_multiple": true,
      "fallback_value": "other"
    },
    {
      "name": "contact",
      "type": "object",
      "fields": [
        {
          "name": "name",
          "type": "string"
        },
        {
          "name": "callback",
          "type": "boolean"
        }
      ]
    },
    {
      "name": "items",
      "type": "list",
      "fields": [
        {
          "name": "product",
          "type": "string"
        },
        {
          "name": "quantity",
          "type": "number"
        }
      ]
    },
    {
      "name": "details",
      "type": "json",
      "description": "Additional preferences mentioned in the conversation"
    }
  ]
}

​

Beispielkonfiguration

{
  "sentiment": true,
  "success": {
    "enabled": true,
    "criteria": "The caller booked an appointment"
  },
  "fields": [
    { "name": "callback_number", "type": "string", "description": "Phone number the caller wants a callback on" },
    { "name": "appointment_day", "type": "enum", "description": "Requested weekday", "choices": ["mon", "tue", "wed", "thu", "fri"] },
    { "name": "is_existing_customer", "type": "boolean", "description": "Whether the caller is already a customer" }
  ]
}

{
  "sentiment": "positive",
  "success": true,
  "success_reason": "Caller agreed to a Tuesday appointment and gave a callback number.",
  "data": {
    "callback_number": "+493012345678",
    "appointment_day": "tue",
    "is_existing_customer": false
  },
  "analyzed_at": "2026-07-05T09:12:44Z"
}

​

Analyseergebnisse nutzen

• History-Filter – filtere die Anrufliste nach Sentiment und Erfolg, um zum Beispiel alle negativen Anrufe zu finden, die nicht erfolgreich waren.
• Öffentliche API – jeder Anruf in GET /api/v1/calls und GET /api/v1/calls/{id} enthält analysis, sentiment und success. Filtere die Liste mit ?sentiment=negative und ?success=false.
• MCP – dieselben Anruffelder stehen über die MCP-Tools list_calls/get_call zur Verfügung.

​

AI-QA-Scorecards

​

Konfiguration über die API

​

Echten Anruf in einen Simulationstest verwandeln

• POST /api/v1/assistants/{id}/tests/from-call mit { "call_id": "…" } (assistants:write; Simulationen müssen im Plan enthalten sein)
• MCP-Tool create_assistant_test_from_call