{"id":13660,"url":"\/distributions\/13660\/click?bit=1&hash=829c3f4bd5611858ea9456b55832e0254413f056f0bd8b6fa3b9fccae541092c","title":"\u041b\u0438\u0434\u0435\u0440\u044b \u0440\u044b\u043d\u043a\u0430 \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442, \u043a\u0430\u043a \u0431\u044b\u0442\u044c \u043b\u0438\u0434\u0435\u0440\u0430\u043c\u0438 \u0432 \u043a\u043e\u043c\u0430\u043d\u0434\u0435","buttonText":"\u0423\u0437\u043d\u0430\u0442\u044c \u0433\u0434\u0435","imageUuid":"b21a2e96-c2cd-51bd-a6d9-39deeed48e3c","isPaidAndBannersEnabled":false}
TWIN24.ai

Что «под капотом» диалога с ботом?

По статистике от 37% до 86% россиян в телефонном разговоре пытаются поскорее «пройти робота» и услышать желанное «Соединяю с оператором». Хотя, если нужно узнать статус заявки или наличие товара, общение с автоматическим помощником даже удобнее – он быстро и без ошибок ответит на вопросы, поскольку получает сведения напрямую из базы данных. Тем не менее, сухой информации для пользователей недостаточно, все хотят, чтобы разговор был и полезен, и приятен. Можно ли научить бота такому?

Как понять собеседника?

В основе архитектуры голосового робота лежат методы понимания естественного языка (NLU, или Natural Language Understanding). Эта технология была изначально создана английской компанией OpenAI и с тех пор совершенствуется многими ведущими разработчиками.

Например, собственная технология компании TWIN позволяет с высокой точностью (более 96%) распознавать намерения абонента, выраженные самыми разными фразами. Намерение – это ключевое понятие в распознавании речи, по сути, это смысл запроса, то, чего собеседник хочет добиться или получить в разговоре.

К примеру:«Хочу узнать баланс», «сколько у меня там на счету?», «сколько денег на моём телефоне?» – всё это примеры по-разному сформулированного, но одного и того же намерения.

Но всякая технология требует человеческого контроля – и потому качество разговоров проверяется на фокус-группах, отобранных с учетом обсуждаемой тематики. В них входят как разработчики голосовых продуктов, так и представители заказчика.

Как управлять логикой диалога?

Основная технология работы диалогового бота – сценарии. Это набор правил, которым следует бот, чтобы привести канву разговора к желаемому для клиента итогу – получению информации, оформлению заказа и т.д.

Для управления логикой диалога разработчики сценариев используют различные структуры:

  • Линейная структура далека от подобия разговору. Она используется в только однозначных ситуациях, когда человек хочет узнать баланс на своем счете или проверить статус заказа. По сути это пара «запрос-ответ» или прямая последовательность таких пар.
  • Кольцевая структура. Такой формат знаком нам по обычному голосовому меню. Здесь можно добавить разные блоки и даже управлять интонациями. И так возникает иллюзия хоть и короткого, но настоящего разговора.
  • Дерево. Разветвляющаяся структура, которую удобно использовать при большом количестве уточняющих вопросов. Например, так может выглядеть оформление заказа в интернет-магазине. Хотя дерево может быть очень разветвлённым, но каждый конкретный путь по нему всегда линеен.
  • Граф. Наиболее сложная и наиболее гибкая структура. Это узлы и связи между ними. Переход по связям выполняется при выполнении тех или иных заданных правил. Граф позволяет откатиться назад к любому месту разговора – например, когда он не привёл к результату, зашёл в тупик или собеседник изменил первоначальное намерение. Графы позволяют моделировать самые сложные логики диалога, предусмотреть различные варианты его хода при разных сценариях поведения абонента. В результате – максимальное приближение к подобию полноценного разговора.

Чаще всего классический коммерческий сценарий содержит последовательность таких этапов:

  • Вежливое приветствие и идентификация абонента
  • Ответы на вопросы
  • Уточняющие вопросы
  • Контекстные предложения
  • Мотивация сделать заказ именно сейчас: скидки, лимитированная коллекция, ограниченное количество — любая причина, по которой лучше не откладывать покупку.
  • Дополнительная помощь
  • Оценка качества диалога

Бывает, что человек звонит, потому что его не устраивает ассортимент, цены или условия. Такие коммуникации не ведут к продажам или продолжению сотрудничества, но они не менее полезные. Хотя даже тут система может учесть претензии клиента и на их основе подобрать наилучшее решение.

Важно:
Робот должен не должен общаться механически. Даже очень сложные сценарии можно структурировать так, чтобы обмен репликами превращался в конструктивный диалог.

Если сценарий построен правильно, позвонившему покажется, что он поговорил с сообразительным менеджером — получил исчерпывающие ответы на вопросы и не потратил лишнего времени.

Почти как человек

Чтобы преодолеть барьер – робость, страх или неприязнь звонящего к разговору с роботом – активно применяются технологии персонификации ботов. Совершенствуется синтез речи – в ней звучат человеческие интонации. Наиболее продвинутые боты – такие как твины, например – учатся распознавать эмоциональное состояние собеседника и подстраиваться под него. Кстати, такая подстройка может состоять не только из выбора лексикона, но и включать изменение тона разговора и даже выбор других логических веток сценария.

Голосовым и чат-ботам создают виртуальную личность – со своим именем, иногда даже внешностью и чертами характера (хрестоматийный пример – Алиса от Яндекса). В самом деле, неудобно общаться с тем, к кому даже не можешь обратиться по имени.

Пример из жизни:
Архитекторы Twin создали ассистента для банка УРАЛСИБ – Оксану Соловьеву. У нее есть свой внешний образ (аватар) и узнаваемый голос. Автоматическая ассистентка принесла пользу для бизнеса УРАЛСИБа: время на обзвон клиентов сократилось в 2-3 раза, а расходы компании на каждый звонок сократились почти на треть.

Завтрашний день ботов

Уже сегодня некоторые системы обслуживания способны узнать человека по голосу. Такие решения используют крупнейшие российские банки и госорганы. И даже применяют их для идентификации собеседника – как известно, «голосовой слепок» не менее индивидуален, чем отпечатки пальцев или радужная оболочка глаз.

При активном развитии самообучающихся нейросетей и синтеза речи общение с клиентом можно максимально персонализировать — использовать индивидуальные речевые обороты, находить и запоминать интересующие темы диалога, подбирать тембр голоса и интонации. Разумеется, персонализированными должны быть и предложения клиенту.

Пример из жизни:
Shop&Show – известный в России и Европе телемагазин нового поколения. В его колл-центр ежемесячно поступает более 5 млн звонков. После внедрения твина его работу 92-95% звонков стали завершаться успешным результатом. Один из использованных приёмов – после определения номера звонящего твин за 0,001 секунды получает данные из базы клиентов компании и ведёт дальнейший диалог уже на основе ранее накопленной информации о собеседнике. А объединение голоса диктора и синтеза речи создало иллюзию общения с живым оператором. Это важно, ведь 80% клиентов телемагазина – пожилые люди.

0
Комментарии
Читать все 0 комментариев
null