{"id":14281,"url":"\/distributions\/14281\/click?bit=1&hash=ab757d18c623a4013353d71493ed166f5261785dc223f01a84b7b3412c030874","title":"\u041a\u0430\u043a \u0441\u0447\u0438\u0442\u0430\u044e\u0442 \u0442\u0435\u043c\u043f\u044b \u0440\u043e\u0441\u0442\u0430 \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u043a\u0438? ","buttonText":"","imageUuid":""}

ChatGPT ищет душнил и токсичных

Пару недель назад я подумал: “А что, если попросить ChatGPT оценить тональность комментариев клиентов? Например, когда они пишут в нашу Службу поддержки?”

Оказалось, он это умеет:

Красивый пример пришлось поискать, нашел в январе. Тут явная проблема и наша недоработка - праздники праздниками, но счета выставлять надо

Для чего нужно оценивать тональность, понятно по этому примеру: подключаем “старшого”, чтобы разобраться с причиной негатива и быстро все решить. Если мы будем делать это автоматом, скорость ускорится и улучшения улучшатся.

Дальше дело за малым — прикрутить в ПланФикс автоматическую отправку “на рецензию” комментариев и придумать, как удобнее работать с результатами.

На тот момент у нас внутри уже вовсю тестировалась новая операция в автоматических сценариях “Послать запрос к ChatGPT”, поэтому сделать это было несложно. Понимаю, что на VC не так много пользователей ПланФикса, поэтому не буду грузить деталями. Просто скажу, что программировать ничего не пришлось — все сделано на стандартном «Лего и пластилине»: ) А планфиксерам обещаю выложить подробности позже в блоге. (update 11-05-2023: вот они)

В итоге помимо “аларма” на негативные комментарии у нас теперь есть отчет по общению клиентов со Службой поддержки, причем комментарии СП мы тоже прогоняем через оценку тональности. Смотреть отчет можно в разных разрезах. Например, как шло общение по конкретному запросу:

Хорошо когда так, жаль что не всегда :)             Примечание: здесь и далее примеры привожу без текстов комментариев, только кто писал, Клиент или Поддержка, и оценку комментария ChatGPT.

Можно смотреть сводку, сколько каких комментариев успело нападать за сегодня:

В этом фрагменте все неплохо, хотя кое на что стоит обратить внимание

Можно вывести сводные данные ответов конкретного сотрудника поддержки:

Можно развернуть каждую строку, посмотреть, почему ChatGPT дал такую оценку и нужно ли скорректировать тональность общения сотрудника.

Как видите, оценивает он очень разнообразно. Можно избавиться от зоопарка вариантов, попросив ChatGPT оценить комментарий одним из трех слов: «Негативный», «Нейтральный» и «Позитивный». Но нам интересно, в каком диапазоне в принципе появляются оценки, поэтому мы его пока не ограничиваем. И иногда он удивляет:

и действительно...

В общем, штука очень интересная и мы сейчас с ней активно экспериментируем.

Думаю, вскоре что-то подобное должно появиться во многих CRM и системах коллективной работы. Ведь оценивать полезно общение не только сотрудников СП, но и продажников, например. Похоже, везде где есть общение с клиентами, есть место бездушной машине, которая разберет всех по косточкам и расставит человекам оценки.

Кстати, очень прикольно ChatGPT оценивает наличие пассивной агрессии в комментариях. Так что можно и внутреннее общение между сотрудниками через него прогонять, интересно получается 🙂 Особенно ChatGPT 4 тут крут — вылавливает даже ситуации, в которых его младший братик считает что все зайки.

Оцените разницу:

Так считает ChatGPT 3.5
А вот что по этому поводу думает ChatGPT4. Жаль, что получить доступ к API ChatGPT 4 сложнее - там waitlist, нужно заполнить форму и ждать - но в большинстве случаев 3.5 тоже работает очень хорошо.

В общем, если вы делаете свой продукт для сервиса, продаж, HR и т. п., посмотрите, как ChatGPT может оценивать общение людей по нужным вам параметрам — уверен, вы придумаете, как это использовать: )

0
77 комментариев
Написать комментарий...
Corwin

Вообще я не понимаю зачем это надо, только если почесать чей-то KPI, но это необъективно. Зачем это применяется?

Кажется что надо вытягивать основную тему:
"Запрос фичи", "Ошибка в функции X", "Личное обращение", "Обращение не в тему", "Гневный комментарий, без объяснений" и далее.
Ну или если там оскорбления можно перефразировать на нормальный язык комментарий.

Ответить
Развернуть ветку
Dmitry Goncharenko
Автор

Пока я вижу как минимум две полезности конкретно в разрезе оценки тональности:
1. Быстрое реагирование на негатив (об этом написал в самом начале).
2. Анализ тона общения с нашей стороны. Не перечитывая все диалоги, увидеть "с высоты" возможные проблемные места и поправить/дообучить сотрудников.

Это только начало, на самом деле вытаскивать можно и больше, наверняка. Но мозг это штука инертная, идеи в него приходят порциями и с задержкой, поэтому я уверен, что дальше будет интереснее.

Ответить
Развернуть ветку
Николай Замотаев
Быстрое реагирование на негатив (об этом написал в самом начале).

При более быстром реагировании на негатив - вы приведёте к эволюции клиентского общения в сторону негатива :-)

Ответить
Развернуть ветку
Dmitry Goncharenko
Автор

Да, есть такое - в какой-то момент человек понимает, что надо с порога вышибать дверь с криками "все пропало!" и сразу прибежит главный, чтобы все решить :)

Ответить
Развернуть ветку
Corwin

Кстати да, вспоминаются "вопросы про период полураспада" чтобы перевести вопрос на оператора. :)

Ответить
Развернуть ветку
74 комментария
Раскрывать всегда