Как встроить бота в службу поддержки и не пожалеть: опыт приложения «Кошелёк»
Уже почти год в поддержке приложения для карт лояльности «Кошелёк» трудится разговорный бот «Алина». Рассказываем, почему «Алина» живёт в почте, как ей удается справляться с 98% самых частотных вопросов и как лингвисты Just AI научили её понимать пользователей.
За несколько лет практически все наши пластиковые карточки — от банковских до дисконтных — незаметно перекочевали в смартфоны. Незаметно для нас. А вот команда приложения «Кошелёк» за три года оцифровала 85 млн карт лояльности, избавив пять млн своих пользователей от 400 тонн пластика.
Больше карт, больше партнёров, больше пользователей, больше функций — любой рост обязательно ощущают на себе сотрудники техподдержки. Год назад к команде «Кошелька» присоединилась «Алина», бот: она практически не допускает ошибок и даёт своим коллегам возможность заниматься более сложными и интересными задачами. Но начнём с того, как вообще «Кошелёк» пришёл к внедрению разговорного ИИ.
ИИ для модерации и хэлпдеска
В 2016 году, когда в «Кошельке» заработал сервис загрузки карт лояльности в приложение, оцифровкой их фото, то есть распознаванием названия магазина и статуса карты, команда занималась вручную. Первые несколько месяцев модераторами карт были сооснователи компании Кирилл Горыня и Филипп Шубин и один наёмный сотрудник.
Модерация карт отнимала массу времени: пользователи фотографировали всё подряд: новогоднюю ёлку, телевизор, себя вместе с картой. Объём данных рос, как снежный ком, карты выстраивались в очередь. Процесс обработки фотографий нужно было срочно автоматизировать.
Именно тогда «Кошельку» впервые объективно потребовалась помощь искусственного интеллекта. Прошло несколько лет, и сейчас из 200 тысяч фото, ежедневно поступающих в приложение, роботы разбирают порядка 70%.
Довольно быстро приложение стало показывать высокий процент вернувшихся пользователей: только за последний год постоянная аудитория «Кошелька» выросла в пять раз. Стало понятно: автоматизировать нужно всё, что вообще только можно автоматизировать, в том числе техподдержку — среднее число обращений в хэлпдеск приближалось к 500 в день.
Поэтому когда возникла потребность разгрузить сотрудников техподдержки, Мария начала готовить базу знаний именно для email-бота — пока это оптимальный для «Кошелька» вариант. Разработкой бота занималась команда Just AI, у которой большой опыт в области разговорного ИИ. Для старта ребятам были нужны основные тематики вопросов, поступающих от пользователей, и логи.
В «Кошельке» оценили, какие темы может «закрывать» бот, и посчитали, как часто пользователи задают вопросы по этим темам. При выборе тем нужно было учитывать не только их частотность, но и сложность. Например, с просьбой сбросить пароль от приложения в поддержку обращаются часто, но пароли — тема щепетильная, и делегировать её боту нельзя.
Не упусти свой шанс, «Алина»
Отправляя свой вопрос по почте, пользователь нервничает меньше, чем во время онлайн-беседы в чате. Но и риск вызвать досаду тут выше. Если бот ответит на письмо невпопад или неточно, человек будет раздражен вдвойне.
Во-первых, он уверен, что по почте наверняка будет отвечать специалист, а не бот. Во-вторых, разговор с техподдержкой идёт не в реальном времени и пользователь ожидает, что у компании есть время разобраться с проблемой как следует и дать точный исчерпывающий ответ.
Так что у почтового бота есть практически единственный шанс понять запрос пользователя и дать верный ответ, поэтому лингвистам Just AI было важно предугадать, что пользователь может спросить и как именно.
Например, в классификатор внесён запрос «как использовать карту». При этом рассчитывается вектор близости слов: «как применить карту», «для чего нужна карта» — бот должен понимать, что у него разными словами спрашивают одно и то же. Чтобы снизить вероятность ошибочного ответа, Just AI применяли гибридный метод — сочетание машинного обучения с методом, основанном на системе паттернов.
Паттерны — это синтаксис описания групп слов, похожий на регулярные выражения. Для запросов типа «после обновления карты мне выпустили новую с нулевым балансом» или «обновил карту, и она обнулилась» паттернами будут *{(~карта)* (обновлени*|обновил*) * (начальн*|обнул*|нулев*)} *).
На старте проекта бот научился обрабатывать около 30-40% входящих запросов, но процент ошибок при таком тематическом охвате был слишком высоким, 10–12%. Стало понятно, что нужно уменьшать процент автоматизации, но повышать процент правильных ответов — робот должен отвечать на вопросы, на которые он даст на 100% верный ответ.
Бота тренировали на реальных задачах. Так, он подрабатывал суфлёром для сотрудников техподдержки в системе Zendesk (софт для обслуживания клиентов и система поддержки на основе тикетов). И постепенно настройка бота привела к оптимальным показателям: 98% правильных ответов на наиболее частотные запросы.
Командный игрок
От пользователя не скрывают, что его проблемой занимался бот. В подписи всегда указано: «На ваше сообщение ответил наш бот "Алина"» («Алиной» бота назвали в честь экс-сотрудницы техподдержки). При этом, если у человека останутся вопросы или он не удовлетворен ответом бота, переписку можно продолжить с сотрудником техподдержки.
Но случаи недовольства «Алиной» крайне редки — наоборот, пользователи ценят, что бот отвечает на письмо мгновенно и может решить проблему даже ночью, в то время как сотрудники в среднем отвечают за полтора-два часа.
Диалог пользователя с сотрудником и с «Алиной»
Как сделать так, чтобы бот помогал техподдержке, а не мешал. Советы команды «Кошелька»
- Собирайте данные. Как и любая задача, связанная с данными, подготовка чат-бота требует тщательного сбора информации, логов, изучения опыта общения с вашими клиентами. Сбор данных — действительно непростая миссия, но именно она определяет успех.
- Запускайте пилотный проект. Пилотный режим помогает избавиться от ошибок. Сначала бот может работать суфлёром — нам это сильно помогло его настроить, улучшить формулировки ответов, серьёзно уменьшив процент ошибок.
- Непрерывно обучайте бота. Не забывайте, что ваш продукт и ваш бизнес меняются, а вместе с ним должен меняться и бот. Любая активность с вашей стороны может повлиять на его работу. Бот техподдержки должен знать, что у вас появились новые сервисы, адреса, продукты и так далее, ведь обо всём этом будут спрашивать клиенты. Поэтому за ботом нужно следить и регулярно переобучать его.
- Здраво оценивайте свои возможности. Выделите время сотрудников на запуск бота. Многие компании запускают чат для техподдержки, но работают с ним, как с почтой: отвечают через 30 минут, каждые десять минут агент техподдержки меняется и переспрашивает детали разговора. Чат — это онлайн-общение, которое требует соответствующего подхода. Так что не заводите бота, пока не будет достаточно ресурсов для сопровождения и обучения.
"Алиса" есть, "Алина", "Алекса"... следующей будет "Анжелла"... хотя не, вторая должна быть "л"... "Алик"? :D