{"id":8721,"title":"\u0427\u0442\u043e \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0433\u043e \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0438\u0437 \u0440\u044b\u0431\u044c\u0435\u0439 \u0447\u0435\u0448\u0443\u0438","url":"\/redirect?component=advertising&id=8721&url=https:\/\/vc.ru\/promo\/316632-odezhda-kotoraya-rastet-vmeste-s-rebenkom-biotoplivo-i-krossovki-iz-chaynogo-griba&placeBit=1&hash=3f7bfd5e764a97a666a0f91fc9e9278a2147bac49abdacebb6449b781d4d5ca0","isPaidAndBannersEnabled":false}
Machine learning
AGIMA

Как увеличить эффективность контроля качества в 100 раз с помощью ML

3 марта мы организовали онлайн-конференцию Machine Learning в Digital-продуктах с участием спикеров из Тинькофф, СБЕРа, МТС, Checklens GmbH, Brickit, Epoch8 и AGIMA. В рамках конференции Михаил Корочкин из компании МТС рассказал о том, как удалось увеличить охваты и эффективность контроля качества в крупных контакт-центрах с помощью технологий машинного обучения.

Проблема контроля качества

В любом крупном контакт-центре уже сейчас реализована функция контроля качества, этим занимаются супервизоры. Они вручную отбирают и прослушивают звонки, оценивают правильность речи оператора по чек-листу и делают заключения. Проблема такого подхода в том, что ручной контроль качества не покрывает и 1% звонков. С другой стороны, чтобы контролировать все 100% трафика, нужно нанять по 1,5 супервизора на каждого оператора, но это совсем не рационально.

Как это работает

Задачи подобного уровня решаются с помощью внедрения алгоритмов машинного обучения. В нашем понимании, самое частое и практичное применение ML-алгоритмов — это решение рутинных вопросов человекоподобным образом, но в гораздо большем масштабе.

У нас существует 4 основных этапа:

1. Во-первых, мы подключаем наш продукт к виртуальной автоматической телефонной станции клиентов, чтобы получать оттуда 100% звонков. Далее мы превращаем аудиозаписи звонков в текст, так как с ним удобнее работать. Это первая точка, где мы используем технологии машинного обучения ASR (automatic speech recognition).

2. Мы берем текст звонков, который у нас получился, анализируем речь операторов на соответствие чек-листу, который пользователь нашего сервиса задал в интерфейсе. Это вторая точка, где мы используем ML. Мы создали алгоритм на базе ML, который ищет заданный текст человекоподобным способом, пытается выделить смысл и найти все соответствующие этому смыслу фразы.

Завершающий шаг — предоставить статистику пользователю. С ее помощью он может понять, кто из операторов хуже всего соблюдает скрипт или использует больше всего стоп-слов, например, ругательств и оскорблений. Есть шанс увидеть, в каком конкретном блоке оператор нарушает правила.

В результате супервизор не тратит время на выявление нарушений, он работает с оператором, помогает ему устранить ошибки.

Наглядно об интерфейсе пользователя

Первый шаг, с которого начинается работа, — это составление чек-листа. Пользователь самостоятельно вбивает название групп, реплик и для каждого блока выбирает триггерные фразы.

Далее пользователь переходит к сводному отчету, в котором он видит список своих операторов, и может ранжировать их, например, по степени соблюдения пунктов в чек-листе. Есть возможность выбрать определенного оператора, перейти к его детализации по блокам, а также увидеть на конкретных примерах, в чем его ошибки.

Такое мощное технологическое решение, которое мы облачили в легкую и удобную оболочку для того, чтобы человек, не обладающий навыками работы с компьютером, мог с этим разобраться.

Кейс контакт-центра

Возьмем стандартный контакт-центр для компании в финансовой сфере, в которой есть 100 операторов. Они работают 2/2, а в день делают по 150 звонков. В результате в месяц получается около 225 000 звонков. В таком контакт-центре может быть около 5 супервизоров, которые обрабатывают около 20 звонков в день. Учитываем, что они работают по 5 дней в неделю и в среднем их команда прослушивает около 2200 звонков, что является чуть меньше 1% от всего объема.

Если мы внедряем речевую аналитику на базе искусственного интеллекта на 30% звонков, то это способствует увеличению конверсии с 0,3% до 0,8%. Это уже покрывает затраты на речевую аналитику и увеличивает прибыль компании.

Технологии машинного обучения выполняют стандартные операции не только для человека, но и помогают компаниям облегчить рабочие процессы. Это не далекое будущее, а вещи, которые необходимо внедрять прямо сейчас.

Как увеличить эффективность контроля качества в 100 раз с помощью ML

Здесь вы можете посмотреть онлайн-конференцию: Практическое применение Machine Learning в Digital-продуктах.

В предыдущей серии:

0
0 комментариев
Популярные
По порядку
Читать все 0 комментариев
Wildberries обязал покупателей оплачивать возвраты товара, если те получены или уже переданы в доставку
Авито возглавила три рейтинга App Annie
Продвижение интернет-магазина одежды из крокодиловой кожи в Яндекс.Директ. Как мы сделали 9 млн оборота в Октябре 2021

Кейс продвижения бутика премиальных изделий из крокодиловой кожи Bardini. Сегодня обсудим, как в текущих реалиях работать с e-commerce, одеждой и премиальными дорогими предложениями. Мы снизили стоимость конверсии в 6 раз и увеличили количество заказов почти в 10 раз. Приятного прочтения!

Завод по производству идей. Как работают акселераторы, зачем они нужны стартапам и куда идти с идеей прямо сейчас

По данным Startup Genome, 9 из 10 стартапов терпят неудачу. Возможных причин «смерти» много: недостаточно протестированная гипотеза, неподтвержденная юнит-экономика, неверная стратегия или просто неудача в подходе к продажам.

Хочу кухню как у подруги: зачем в Циан сделали поиск квартир по фото

Рассказывает Юлия Зыкова, руководитель команды «Аудитория» в Циан.

Из науки в IT: как создать свой стартап и стать преподавателем

Как перейти в IT из другой сферы? Как разработать курс, которому нет аналогов? Как студенту получить максимум пользы от занятий? Рассказывает преподаватель OTUS Сергей Окатов, руководитель курсов «Kotlin Backend Developer» и «Kotlin Developer. Basic».

«Альфа-банк» включает в ипотечную страховку условия, которые делают ее недействительной

Кому будет полезна эта статья: Статья заинтересует того, у кого ипотека. Но в особенности, проблема касается тех, чей возраст от 51 года, так что может быть полезна вам, если вы достигли этого возраста или помогаете старшим родственникам, как случилось со мной.

Renault в честь 60-летия модели 4L представила летающий автомобиль на её основе Статьи редакции

Машину выставили во Франции, с 2022 года её начнут показывать в крупных городах США.

Renault Air4 Renault
Авторизированный сервис Samsung снял наушники с гарантии из-за факта использования, самый отвратительный сервис из всех

Пояснение

Что Tele2 предлагает клиентам в «черную пятницу»

На главной распродаже года клиентов компании ждут сразу несколько интересных предложений: скидки на смартфоны, пакеты SMS и безлимитный трафик на YouTube, Яндекс.Карты, Яндекс.Навигатор.

null