Применение машинного обучения и искусственного интеллекта в клиентской поддержке

Дата проведения : 20 Ноября 2018

Применение машинного обучения и искусственного интеллекта в клиентской поддержке

20 Ноября 2018 в Москве состоялась очередная встреча членов Клуба ИТ-директоров VENTRA Lab «Применение машинного обучения и искусственного интеллекта в клиентской поддержке», на которой эксперты ведущих компаний поделились собственными мнениями и кейсами по автоматизации клиентского сервиса.

Среди гостей клуба VENTRA Lab в этот вечер стали представители компаний Х5 Retail group, HeadHunter, Райффайзен банк, Росбанк, Ив Роше, XPO Logistics, Спортмастер, 7 red lines, Метлайф, МЕДСИ, Gloria Jeans, БургерКинг, ТВОЕ, KFC IRB, Комус, СТОКМАНН, ZENDEN Group, DPD и другие. Всего – более 50 компаний.

Задавая тон встречи модератор Александр Парамонов акцентируя внимание гостей на теме мероприятия, напомнил 4 вида информации, за которую готов платить бизнес: описательный, диагностический, прогностический и, самый дорогой и важный – предписывающий. Привел пример, когда применение искусственного интеллекта для генерации «предписывающей» информации давало инвестиционной компании снижение рисков неверных решений до 15%, что добавляла +25% к маржинальности бизнеса.

Сессию блиц-выступлений подхватили проекты Сколково: Gridfore и Digintel.

Виктор Ходяков, CEO Gridfore, поделился кейсами своей «реактивной аналитической платформы», раскрыл секреты, как с помощью аналитики данных в реальном времени от Gridfore повысить эффективность операционных подразделений, качество сервиса (во время ответа операциониста – «подгружать» историю клиента, генерировать персональные скидки), предоставить отделу маркетинга информацию о событии клиента не на следующее утро, а в момент возникновения события, чтобы дать возможность сформировать горячее контрпредложение и превратить «кейс оттока» в «кейс повышения лояльности», помочь службам сопровождения предотвращать массовые сбои сервисов и оборудования, контролировать горячие остатки склада, выявлять мошеннические действия кассиров и многое другое.

Анна Зубкова, CEO Digital Intelligence, поделилась кейсами использования разговорного Al в контакт-центрах. Гостям запомнилась история дружелюбного ассистента «Андрея», который на сайте Аэроэкспресса помогает купить билеты, подсказывает расписание рейсов, правила проезда. Теперь 60% вопросов решаются без участия операторов, а уровень удовлетворенности ответами достигает 75%. Также Анна рассказала об опыте ЮниКредит Банка, который обрабатывает 7500 обращений к инфоботам в месяц, но максимальную эффективность достигает с помощью Al-суфлеров. 83% ответов операторам на самом деле подсказывает бот-суфлер: мгновенно считывая запрос, он показывает релевантные ответы, в 2 раза ускоряя работу службы поддержки. Больше всего вопросов и обсуждений вызвал кейс про «Алису» Яндекса, которая помогает тысячам людей в день заказывать пиццу «Папа Джонс».

После блиц-выступлений Сколково внимание гостей было приковано к историям заказчиков. Первым слово взял Александр Огнивцев, руководитель Управления сервисной поддержки АльфаСтрахования. Он подробно рассказал об истории внедрения сервиса по классификации запросов: 4 года боту сгружали входящие обращения, но это стоило затраченных усилий: теперь обученный робот правильно классифицирует 85-100% запросов, в 2-3 раза уменьшив общие трудозатраты на обработку. Поделился болью о том, что не всегда человек может обучить бота, трудно приставить к нему живого наставника. Предостерег гостей от необдуманных решений, проиллюстрировав случаем, когда закупленный сервис исходящих звонков стал давать конверсию 5% вместо обычных 15% (при работе оператора-человека).

Олег Седелев, директор AI проектов Дивизиона корпоративных клиентов 360, блока корпоративно-инвестиционный бизнес Сбербанка, поделился опытом использования AI в трех направлениях: кредитовании, продажах и клиентском сервисе. На примере продукта «Кредит за 7 минут» рассказал о том, что за простым и удобным сервисом для клиента часто стоит огромная работа и сложная алгоритмическая система.  Для того, чтобы обеспечить клиенту-юридическому лицу возможность получить решение по кредиту на сумму до 2 млрд за 7 минут, банку еженедельно приходится обрабатывать сотни терабайт данных, проводить скоринг клиентов и расчет предложений для них. В процессе  используются 15 моделей машинного обучения и обновляемый граф связей всех клиентов. То, что раньше занимало 2 недели, сегодня укладывается в 7 минут. Это один из первых в мире кейсов, когда клиент банка получает решение по таким крупным суммам за столь короткое время. Приведя в пример еще несколько кейсов связанных с улучшением клиентского опыта, Олег обосновал, что для большой доли юридических лиц мало полезны голосовые роботы и чат-боты которые умеют предоставлять клиенту только обобщенную справочную информацию (FAQ). Необходимы роботы интегрированные с клиентскими данными, которые могут в процессе ответа на вопрос клиента посмотреть его данные в различных системах и сформировать под клиента индивидуальный ответ. Олег призвал помимо развития интеллектуального движка ботов, выстраивать системы интеграции с данными.

Дмитрий Михеев, ИТ-директор компании VENTRA, рассказал свою историю о том, как компания «пришла» к решению использовать возможности машинного обучения. В 2017 году в компании стартовал проект по работе с малым и микробизнесом – оказание сервиса по установке и настройке кассовой техники. В июне 2017 года нагрузка на службу поддержки резко выросла в два раза, и уровень удовлетворённости клиентов из сегмента малого бизнеса «просел» до 72% (CSI). Основная сложность была в оперативных коммуникациях с конечными клиентами и тех.специалистами.  Для выравнивания ситуации компания пересмотрела внутренние процессы, ресурсно усилила службу поддержки, а также начала активно использовать популярные мессенджеры, чтобы поддерживать оперативную связь, как с клиентом, так и с исполнителем.  Оценив удобство и оперативность коммуникации через мессенджеры, компания рассмотрела варианты решений по автоматизации рутинных операций: оповещение контрагентов, запрос текущего статуса, передача изменений состояния запросов участников процесса обслуживания.   В этот момент пришла идея проецировать опыт взаимодействия с помощью мессенджеров на внутренние коммуникации с проектными сотрудниками, число которых более 7 500 и эти сотрудники формируют около  4,5 тысячи обращений в месяц в различные службы VENTRA.  Оценив процедуры, стоимость и трудоемкость внедрения чат-ботов, компания решила систематизировать и накопить данные по высокочастотным вопросам пользователей, при этом провести пилотное внедрение простейшего механизма на предопределенных скриптах.  В результате был проведен анализ типовых email-обращений, выполнена работа по формированию скриптов (парсинг текста и сопоставление по ключевым словам), отлажена маршрутизация на исполнителя. Эффектом такого внедрения стало снижение нагрузки на контактный центр. Цифры по результатам Дмитрий обещал раскрыть после окончания проекта.

Серию докладов «от заказчиков» завершил Сергей Лукашкин, директор по управлению проектами цифровой трансформации Банка ВТБ. Он также рассказал несколько case-story. Подробно остановился на автоматизации маршрутизации 1,6 млн заявок в год на 700 исполнителей (не кейс Банка ВТБ). Ручная обработка мейлов тормозила процесс и выдавала 6% ошибок. За 4 месяца коллеги разработали Лингвистический Модуль – самообучаемою программу, распознающую поток произвольной информации. По итогам внедрения было высвобождено время 6 человек, 85% почтовых сообщений маршрутизировались автоматически, с 6% до 2,5 % снизилось количество ошибок. Теперь проект проходит ежеквартальное дообучение. Открыв инсайты по нескольким кейсам, Сергей предостерег гостей, только планирующих использовать AI от иллюзии «Мы сейчас поставим чат-бота и все заработает». На практике все сложнее не решит всех проблем, создаст задачи по наращиванию новых компетенций, дообучению и актуализации модели.

Заключительным аккордом официальной части встречи стала панельная дискуссия о возможностях и ограничениях ML и AI, о перспективах развития технологий. В процессе обсуждения были озвучены результаты анонимного онлайн-голосования, проведенного real time. Согласно данным 26% участников Клуба только планируют использовать чат-боты, 21% уже используют, но 17% пока не видят необходимости. На вопрос «Какие задачи ставит перед ИТ бизнес в 2019 году?» 73% указали – повышение операционной эффективности, 56% – сокращение затрат, 52% – внедрение систем улучшения работы с клиентами.

После насыщенной официальной части участники клуба Ventra LAB смогли отдохнуть и в кулуарной обстановке обсудить представленные кейсы, опыт коллег, обменяться мнениями и своим видением технологий будущего.

В планах компании Ventra LAB – дальнейшее развитие уникальной площадки для общения профессионального сообщества, обмена опытом, обсуждения актуальных тенденций бизнеса.

Фотоотчет: https://www.facebook.com/ventra.lab/posts/335849837192259