Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел
На примере банка для предпринимателей «Точка».
Если у вас есть бизнес, связанный с обслуживанием и поддержкой большого количества клиентов, то вы знаете, как важно учитывать и уметь правильно администрировать расписания, пиковые нагрузки, время ожидания пользователей на линии.
Если вы неоптимально составили график операторов, не сумели предвидеть пиковый период обращений, не позаботились о том, чтобы пользователи могли получить ответы на свои вопросы заранее, это неминуемо приведёт к тому, что ваши клиенты будут по 10 минут слушать музыку в телефонной трубке в ожидании ответа специалиста. В результате ощущение от сервиса портится, клиенты бесятся, сотрудники поддержки в мыле и переработках, а вы сгораете от стыда.
В «Точке» обслуживают больше 100 тысяч предпринимателей, которым мы обещаем брать трубку с первого гудка и решать любую проблему за один разговор без переключений между специалистами.
Нельзя сказать, что у нас всегда получается выполнять это обещание, но мы постоянно оптимизируем работу поддержки и ищем новые способы улучшить ключевые показатели. В конце 2017 года у нас получилось сократить количество клиентских обращений на 35% в самый пиковый месяц — декабрь, при этом совершив доброе дело.
Опыт подсказывает, что в декабре случается коллапс, и все клиенты начинают звонить в поддержку по самым разнообразным вопросам. Помимо увеличения времени ожидания ответа, страдания пользователей и необходимости выводить больше людей на поддержку, мы несём дополнительные расходы, ведь каждый звонок в «Точку» стоит нам денег.
Банк для предпринимателей решил кое-что предпринять: мы проанализировали, по каким вопросам больше всего обращаются клиенты в декабре. Всё оказалось достаточно предсказуемо — это конец года, предприниматели спешат закрыть сделки, заплатить налоги, зафиксировать прибыль. Мы взяли декабрьскую статистику за прошлые годы и наложили на ситуацию в конце 2017 года, разбили обращения по портретам клиентов. Топ вопросов выглядит так:
- как пополнить расчётный счёт;
- хочу оплатить картой или снять деньги в банкомате;
- как получить выписку по счёту и другие документы;
- как и когда сделать платёж в бюджет;
- забыл логин и пароль от интернет-банка;
- сколько и где можно снять денег;
- как ходят платежи в праздники.
Далее нужно было спрогнозировать на основе прошлых данных и с учётом постоянного роста и изменения клиентской базы, сколько обращений и в какие даты нам ждать.
Мы собрали статистику обращений, смоделировали рост клиентской базы и структурировали обращения по месяцам. В итоге мы получили выборку и с помощью методов машинного обучения построили прогнозную модель обращений в службу поддержки.
Для корректного прогнозирования пиковых нагрузок мы перебрали несколько методов машинного обучения, опробовав поочерёдно регрессионную модель, эволюционные алгоритмы и нейронную сеть.
По прогнозному графику стало ясно, что для комфортной работы нужно сократить количество обращений в полтора раза. И мы решили заранее напомнить клиентам о самых важных делах, которые нужно сделать: написали ответы на самые частые вопросы, составили чек-лист, разбили по портретам клиентов и подготовили письма для рассылки по базе.
У нас достаточно хорошие показатели по рассылкам, как правило, открывают письма 50-60% из получивших, отвечают примерно 1-2%, проходят по ссылкам около 7%, отписываются от рассылок меньше 1% читающих.
На этом можно было бы остановиться, но мы все хорошо знаем, что прочитать простыню текста от банка, пусть даже написанную на нормальном языке, и пройти чек-лист для занятого предпринимателя, у которого почта всегда «в огне» — тот ещё подвиг. В лучшем случае письмо прочитают по диагонали с мыслью: «Всё круто, но мне некогда, поэтому, если что, я лучше потом позвоню и всё узнаю».
Мы стали думать, чем бы таким зацепить клиентов и как вовлечь в игру «Не звони мне, не звони», одновременно решив все их проблемы. Так возникла идея объявить этот месяц временем бережливости и предновогодних чудес, воззвать к искренним человеческим чувствам и предложить сделать что-то хорошее вместе.
Изначально мы собирались сократить свои расходы на поддержку, но важнее было обеспечить нормальный режим работы специалистов и сделать так, чтобы клиенты решали свои вопросы в комфортном режиме. Мы решили все сэкономленные деньги отдать в детский Благотворительный Фонд Константина Хабенского, чтобы каждый смог почувствовать причастность.
Мы написали трогательное письмо, в котором предложили свою помощь в подготовке к предновогодней суете, попросили по возможности не звонить в банк в декабре и тем самым вместе помочь тем, кому эта помощь действительно необходима.
Что мы получили
Наше письмо открыли 52% получивших. По вопросам, которые мы разъяснили в письме, в банк обратилось на 35% меньше людей, чем мы прогнозировали.
Мы сэкономили 1 млн рублей на поддержке и перевели их в Благотворительный Фонд Константина Хабенского, что позволило шести мальчикам и шести девочкам, победившим опухоль мозга, провести новогодние каникулы в реабилитационном лагере в Подмосковье, а трём семьям с такими ребятами — пройти в январе-феврале интенсивный курс семейной реабилитации в Финляндии.
Реальная картинка обращений по отношению к прогнозной выглядит вот так: на графике видно, что нам удалось довольно точно предсказать пики с помощью мат-статистики и методов машинного обучения. Реальный график получился ниже прогнозного: наши письма получились действительно искренними, а предприниматели — отзывчивыми.
А ещё мы увидели, что применение даже простых методов машинного обучения позволяет нам строить достаточно точные прогнозные модели, например, для расчёта численности сотрудников поддержки и составления графиков работы.
Модель прогноза SLA от количества обращений, числа операторов и средней длительности разговора в приближении Пуассоновского распределения была описана Эрлангом хрен знает сколько лет назад и применяется во всех системах WFM (workforce management). Зачем тут нейронная сеть, машинное обучение и прочие сложности? :)
Я тоже прифигел от "мы перебрали несколько методов машинного обучения, опробовав поочерёдно регрессионную модель, эволюционные алгоритмы и нейронную сеть". Судя по прогнозу и результату достаточно было день недели и удаленность от НГ просто умножить на рост кол-ва клиентов.
Вам надо статью на хабре написать - поржём в комментах.
Нам принципы подобия рассказывали в 5 классе на геометрии, но без нейронной сети сейчас никуда =).
:). Ну да :). Старик Эрланг году в 1900 это придумал всё :)
Авторам статьи и всему отделу, занимающемуся подобной аналитикой, советую книгу Хэмди А. Таха "Исследование операций". Там про теорию массового обслуживания достаточно подробно написано.
И да, напишите на Хабр, что вы конкретно сделали. Интересно будет обсудить :)
Не кажется ли вам, что нужен просто FAQ, с которым стоит предлагать ознакомиться всем, открывающим счёт в Точке?
Обычно именно для этого и нужен "топ вопросов".
что за кресло на первом фото? удобное?
вот интересно почему нет обзоров на удобные кресла для айтишников..
https://geektimes.ru/post/250070/
я искать умею, как раз в этом то и фишка, что статья от 5 сентября 2012, гаджеты постоянно новые выходят, а почему "гаджеты" для спины не прогрессируют? т.е. с 2012 не выходило кресел лучше, чем в подобных обзорах старых? - без обзоров мы и не узнаем об этом
ваша правда
Вот поновей: https://varlamov.ru/2716946.html
Правда, это не совсем о новинках.
Нет денег - маркус
Есть деньги - аэрон
/обзор
Исправлю опечатку. Нет денег -- Малькольм.
У него спинка на ручках держится, в результате ручка ломается спинка отлетает.
Всё равно люблю это кресло)) Гораздо удобней Малькольм.
правда интересует минимальное кресло за 30 баксов?
мне кажется оно дороже, по крайней мере выглядит эргономично
Комментарий удален модератором