Как ВТБ автоматизировал обработку клиентских обращений — и почему это не просто «умный ...
Как ВТБ автоматизировал обработку клиентских обращений — и почему это не просто «умный поиск». Об этом рассказал Дмитрий Тимохин, лидер команды ML CRM в ВТБ, на Хабре 🟣 В чём была проблема Центр поддержки ежедневно обрабатывает тысячи звонков, чатов и писем. При этом в одном диалоге клиент может затронуть сразу несколько тем. Раньше сотрудники вручную разбирали такие диалоги и относили обращение к нужной категории по сложному справочнику. Из‑за его объёма не всегда максимально точно выбирали категорию, а при появлении новых сообщений в чате приходилось заново проверять и корректировать разметку. 🟣 Что сделали Команда создала сервис, который автоматически разбирает обращения, выделяет в них разные темы, классифицирует по продукту и сути вопроса, а также готовит краткую выжимку диалога. Чтобы система понимала, где в диалоге заканчивается одна тема и начинается другая, использовали графовый подход: текст разбивают на чанки и смотрят, насколько они похожи друг на друга. Если сходство падает ниже определённого порога, система фиксирует новую тему. При этом для чатов, звонков и писем используют разные способы разбиения текста — ведь в чате сообщения короткие, а в письме может быть длинная переписка. Классификацию выстроили так, чтобы система сначала выбирала наиболее вероятные варианты на общем уровне (например, «какой продукт интересует»), а потом всё точнее уточняла детали. Такой приём помогает не запутаться в очень похожих категориях. Для редких тем, по которым мало примеров, сгенерировали дополнительные обращения с помощью языковой модели. Персональные данные в итоговом отчёте убрали. 🟣 Что получилось Система выдаёт готовую разметку по цепочке «продукт → вопрос → суть вопроса», плюс краткую выжимку и пометку, если это жалоба или пожелание. На специальной тестовой выборке, где заранее убрали ошибки и неоднозначные случаи, точность превысила 90%. При этом на каждом уровне классификации система может сказать «я не уверена» — такие обращения попадают в категорию «неизвестно». Сейчас их около 10%. Именно эти обращения помогают находить новые темы и постепенно расширять справочник категорий. В статье подробно рассказано, что под капотом финального решения. Будет полезно, если вы тоже хотите автоматизировать первичную работу с обращениями клиентов.
Канал в каталоге Максиметера
1 540 подписчиков · IT и технологии