チャットボットはコールセンターでどのように機能しますか?

一般に、コール センターはオペレーターが顧客の要求に応答する巨大なホールであると考えられています。コールセンターで働く人々が膨大なリソースを処理するために大量の情報に直面しているという事実について、私たちはめったに考えません。これには、オペレーターの作業、機器、電気代、施設の賃貸料、減価償却費などが含まれます。

免責事項: 以下に記載されているすべての統計は、当社が行った独自の調査と調査に基づいています。

最新の機械学習技術は、サービス提供のコストを大幅に削減し、センターの効率を向上させるのに役立ちます。

実際には、ホットラインに寄せられるリクエストの約 70% が同じ種類のものであることがわかっています。

現在、いわゆる「ファースト ライン」サポートのロボット サービスが、これらのリクエストを効果的に割り当てています。高品質のサービスを提供するには、要求の主題を認識し、クライアントにいくつかの明確な質問をするだけで十分です.これにより、会社はクライアントの要求を明確、迅速かつ明確に満たすことができます。

クライアントからのリクエストは、メッセンジャー、チャットボット、音声アシスタント、または明確に検証されたアルゴリズムに従って動作するオペレーターなど、さまざまな形式でさまざまな通信チャネルを介して送信されることに注意してください。そして、これらすべてのケースで、機械学習テクノロジーが役に立ちます。これにより、最も適切な質問の「マスク」を決定し、より正確な回答を顧客に提供できます。

最も原始的なロボット システムはリニア チャットボットです。

私たちは、メッセンジャー、ソーシャル ネットワーク、モバイル アプリケーション、および Web サイトで彼らに会います。リストされているチャットボットはトレーニングを受けておらず、特定のシナリオに従って動作します。しかし、彼らの助けを借りて、ピザやレストランのテーブルを注文したり、小包を送る費用を指定したり、医者に診てもらうためのチケットを手に入れたりすることができます.同時に、平均リクエスト処理時間は約 3 分の 1 に短縮されます。

これらのボットを使用すると、顧客のロイヤルティを維持できます。50% 以上の人が、人とコミュニケーションをとらずに問題を解決することを好むことが知られています。そして、より迅速で詳細な情報提供は、間違いなく売上アップにつながります。

例 1 : 国際配送

例として、国際配送を行っている会社のチャットボットを使用するシナリオを説明しましょう。

少し前に、N国からK国に貨物を送る必要がありました。会社のウェブサイトに行き、チャットボットでチャットしました。同時に、貨物の寸法が標準的でないため、貨物の長さ、幅、高さなどのパラメータを明確にする必要があることが判明しました。

結局のところ、支払わなければならないコンテナ内の場所の数は、数センチメートルに大きく依存していました。さらに数回電話をかけた後、20分後、すべての質問にうまく答えました.

その後、私たちはオペレーターに切り替えました。送信された貨物のすべてのパラメーターを正常に確認し、彼は5分で配達を注文しました。したがって、時間コストは次のようになりました。チャットボットに約 30 分、オペレーターとのライブ コミュニケーションに 5 分かかりました。このようなチャットボットの有効性は 85% に等しいことが判明しました。

例 2: 保険

私がたまたま開発に参加した、最前線のチャットボットの別の例を分析してみましょう。同社は保険に従事しており、AI を使用した独自のチャットボットを作成したいと考えていました。このプロジェクトの特徴は、チャットがまったくないことであり、リクエストのエントリポイントは音声チャネルにありました。パンデミックは状況を悪化させ、音声チャネルの深刻な過負荷につながりました。その結果、サービスの品質を向上させ、コール センターをアンロードするために、第一線のサポート ボットを構成することが決定されました。

最初の段階では、チャットを開始したばかりで、1 か月でほとんどのリクエストの単一のエントリ ポイントにしようとしました。次に、ポリシーに関する情報、医師との予約、保険ケースなどのタイプのクイック ウィジェットのシステムを分析して構成しました。チャット。同時に、オペレーターはクライアントとの対話にタグを付けました。実際、最初の段階で、オペレーターはデータのマークアップを実行しました。

その後、システムはタグを自動的に配置し、会話の最後にオペレーターがタグを確認する必要がありました。この手順には 10 秒もかかりませんでした。ちなみに、このオプションはまだ有効です。

2 週間ごとに、コミュニケーションのトピックを認識するための追加のトレーニングを実施しました。

プロジェクトの最終段階で、チャットボットはオペレーターの参加なしで自動モードでリクエストの 30% を完全にクローズし、さらに 35% のリクエストはオペレーターの確認のみが必要でした。

残りの 35% のうち、約 80% のチャットボット クライアントがオペレーターに正しくリダイレクトされ、20% のケースでしかミスを犯しませんでした。

その結果、オペレーターの参加が必要なリクエストを解決するための平均時間は、数時間から 10 ～ 15 分に短縮されました。

現在、単純な線形チャットボットをすばやく作成、実装、および構成できるようにするプログラムが多数開発されています。低コストで開発が容易なため、ほぼすべての場所に実装できました。現在、このサービスは、通信事業者、銀行、保険会社、配送、公共サービス、観光の顧客によって積極的に使用されています。リニア ロボット システムは、顧客の要求に応えるだけでなく、最も関連性の高いオファーも送信します。リクエストへのレスポンスとして、メディア ファイルを提供することもできます。また、このようなチャットボットはリクエストのデータベースを簡単に形成できるため、変化する顧客のニーズに迅速に対応できます。

しかし、機械学習に基づく最新のテクノロジーは、コールセンターのオペレーターを完全に置き換えることができるでしょうか?

すでに答えはノーであると断言できます。

非標準的な複雑な質問に答え、必要な心理的サポートを提供し、会話に感情的な色を与えることができるのは人だけです。

それにもかかわらず、会話のトピックについて最初に受け取った情報、収集されたクライアントデータ、および受け取った回答により、クライアントは、クライアントに気付かれずにマシンから人へと仕事を移すことができます。紛争状況を解決する準備ができている最新の技術はないことは注目に値します。

著者: Usetech のデータ サイエンス責任者、Ilya Smirnov