Робот-сортировщик: как обучить модель, читающую 1500 писем в день

В июне 2023 года группа «Ренессанс страхование» стала победителем в двух номинациях премии для продуктов и кейсов в области автоматизации FinTech Awards. Победу в одной из номинаций — «Лучшее применение искусственного интеллекта» — компания получила за использование семантических моделей для автоматизации обработки обращений в режиме реального времени.

Управляющий директор департамента клиентского опыта «Ренессанс страхование» Андрей Турунов рассказывает, как модель помогает взаимодействовать с клиентами.

Маркетинговые рассылки, содержащие ценную для клиента информацию, — не только один из способов привлечения лидов, но и инструмент повышения лояльности.

Маркетинговые коммуникации от «Ренессанс страхование» выгодно отличает наличие возможности для клиента давать обратную связь. Сервисные, продуктовые, и другие персонализированные письма компании стимулируют клиента отвечать на них. Такие ответы дают бизнесу ценные инсайты, а значит — нужно уделить внимание каждому человеку, написавшему письмо.

Например, клиент запрашивает информацию по продукту, отличному от того, по которому была рассылка. Он говорит: «Спасибо, что предупредили о том, что завтра будут заморозки, а кстати, у вас ипотеку можно застраховать?» Или наоборот: «Спасибо, вы мне сказали, что у меня заканчивается ОСАГО. А каско тоже можно ведь у вас купить? Сколько будет стоить на мою машину?»

Запущенная в 2022 году система интеллектуального семантического анализа в «Ренессанс страхование» автоматически распределяет эти письма по нужным категориям. На пике она обрабатывает свыше 1500 обращений в день.

Это собственная AI-разработка, математическая модель, использующая естественный язык (NLP), учитывающая эмбеддинги из BERT (алгоритмы Google, улучшающие релевантность поисковых результатов).

Письмо, отсортированное как жалоба, автоматически направляется в службу контроля качества вместе с контактными и другими данными клиента. Указание на техническую ошибку (например, «Вы ошиблись, я не Алексей») вместе с идентификаторами отправляется команде разработчиков, которая следит за тем, чтобы данные клиентов записывались корректно и не дублировались.

Лиды желающих приобрести продукт компании передаются в исходящий кол-центр с необходимыми данными для расчета предложения. Оператор связывается с автором обращения и дает ему необходимую информацию о том продукте, про который он спросил. Ни одно письмо не останется неотвеченным и неразобранным.

Система способна самообучаться: если категория была определена неверно, специалист возвращает письмо с указанием на ошибку, и алгоритм корректирует результат своего анализа. Модель работает постоянно, без перерывов и отключений.

В первый год работы системы сотрудники компании вручную разобрали больше 10 000 писем и присвоили им нужные категории. Затем модели показали письма и принципы их сортировки. Алгоритм выявил типичные лингвистические конструкции для каждой категории и научился сортировать их самостоятельно. Чаще всего алгоритм разбирает ответы на информационную или CRM-рассылку.

Мы провели несколько итераций обновления робота, чтобы улучшить его работу. Алгоритм различает просьбы, жалобы, гнев или восторг. Еще он способен отличать конструктивный и неконструктивный негатив. Например, он не отправит в разбор сообщение с неконструктивным негативом вроде «Идите в баню!», так как мы установили, что такие сообщения обычно не описывают конкретную проблему, а являются эмоциональным отражением настроения. Наш опыт показал, что авторы таких обращений не имеют конкретной претензии и бросают трубку, если им звонит оператор для выяснения подробностей.

Система будет продолжать обучаться. Мы собираемся развить робота до такого уровня, чтобы он мог сам отвечать на запросы клиента без привлечения сотрудников компании. Он сможет самостоятельно рассчитать стоимость каско или внести исправление в базу в случае сообщения о некорректных персональных данных клиента.

Получив письмо вида «Спасибо за сообщение по каско, но сколько будет стоить ОСАГО на мою машину?» — алгоритм сможет сам, изучив параметры клиента, выслать готовое предложение на почту: «Будет стоить 6 500 рублей, оплатить можно по ссылке».

Кроме того, снижается доля писем, которые алгоритм отправляет в несортированные. В перспективе объем таких сообщений будет сведен к нулю. Часто это письма, в которых клиенты отвечают компании картинками, смайликами. Аудитория молодеет, многие активно используют картинки, стикеры, мемы, в том числе и наши клиенты. Поэтому одна из задач — научить робота распознавать образы картинок, интерпретировать их корректно и общаться с аудиторией на ее языке.