{"id":9208,"title":"\u0412 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445 \u043d\u0430 vc.ru \u043f\u043e\u044f\u0432\u0438\u043b\u0438\u0441\u044c \u0441\u0442\u0438\u043a\u0435\u0440\u044b","url":"\/redirect?component=advertising&id=9208&url=https:\/\/vc.ru\/promo\/326527-lyubite-rugat-servisy-vk-etot-tekst-dlya-vas&placeBit=1&hash=032d65c70fe5fc63c371cf935d9281ebe7529d9359ff65d7499233043c93d674","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
Как мы сделали проект про ВИЧ и почему это важно для развития бизнеса

С 2018 мы стали вновь выпускать спецпроекты на общественно-социальные темы: сделали проект о ДТП в России и неофициальную версию гибели подлодки «Курск». В этой статье я расскажу, как социальные проекты помогают агентству развиваться и что стоит учесть, когда вы решаетесь на этот шаг.

Помощь друга: какие новые программы психологической поддержки внедряют компании

Опыт Технологического Центра Дойче Банка, Skyeng и MediaСom

IKEA начала сдавать в Токио квартиры в 10 м² за $0,86 в месяц, чтобы показать, что в них тоже можно жить Статьи редакции

Внутри есть мини-спальня, рабочая зона, диван, стиральная машина и другое.

Пришли шоколадки вместо заказанного смартфона на Aliexpress. История о том, как я купил POCO X3 Pro 8/256
Дайджест новых стилей и сайтов digital-компаний за ноябрь от Embacy: Vevo, Winamp, Worldcoin и другие

Всем привет! Сегодня 1 декабря, а значит, что это дайджест новых стилей и сайтов digital-компаний, которые вышли в ноябре. Пишу его я, Вадим Орлов, основатель Embacy.

Онлайн-санаторий для сотрудников: как помочь команде справиться с выгоранием

Чтобы поддержать команду, мы собрали эффективные инструменты для борьбы с эмоциональным выгоранием и объединили их в стенах виртуального санатория «Источник». Рассказываем, как пришли к созданию собственной экосистемы для поддержки сотрудников, и почему это действительно важно.

Юбилей кешбэка: как в 130 лет выглядеть «на все сто»

Кешбэк — возврат определенного процента наличных на карточный счет клиента после покупок в магазинах-партнерах банка или полетах на самолетах авиакомпаний-партнеров-банка или вообще за любые покупки в конкретный период времени — очень популярен в народе. Он выглядит как современная модная финансовая фишка

«Как иронично, что фирме в сфере психического здоровья плевать на психическое здоровье собственных работников» Статьи редакции

Сотрудники Spring Health жалуются на соучредительницу Эйприл Кох: она запугивает их, увольняет при всех, вынуждает работать по 70 часов в неделю и не нанимает тех, кто спрашивает про переработки. Кох объясняет: «Мы носимся как безголовые цыплята, потому что на кону человеческие жизни».

Эйприл Кох — на ноябрь 2021 года самая молодая женщина-директор компании с оценкой более $1 млрд Slush
«Вы говорите, а мы слушаем»: айдентика для онлайн-сервиса психологической помощи YouTalk

Привет, на связи команда Логомашины. Забота о ментальном здоровье — это важный тренд последних лет. В этой статье рассказываем, как мы разработали айдентику для YouTalk — сервиса, который уже три года помогает людям из более чем 50 стран справляться с психологическими проблемами.

А у вас сошелся «Дебет Кредит»?
В «Чёрную пятницу» объем трафика Yota на сайты ритейлеров вырос более, чем на треть

По данным Yota, в «Чёрную пятницу» объем трафика и число переходов на сайты различных ритейлеров среди пользователей оператора выросли более чем на 30% по сравнению с 29 октября, последней пятницей прошлого месяца.

null