🚼 🤷🏽 🏌️ أتمتة خدمة العملاء: حل شامل من DeepPavlov 🥓 🕵🏻 👩‍🎤

اليوم ، نحن نستخدم بشكل متزايد تطبيقات المراسلة الفورية (Facebook Messenger و WhatsApp و Telegram وما إلى ذلك) والأجهزة في شكل مساعدين صوتيين (Amazon Echo و Google Home ، إلخ) تساعد على تلقي استجابة فورية لطلب. لذلك ، تضع الشركات الحديثة ميزانية كبيرة في تطوير المساعدين الاصطناعيين لتزويد مستخدميها بأفضل خدمة عملاء عند الضرورة. في هذه المقالة، فإننا سوف تصف كيفية استخدام DeepPavlov الذكاء الاصطناعي التكنولوجيا لتوسيع Intersvyaz في قدرات خدمة العملاء .

في العالم الحديث ، أحد العوامل الحاسمة لعمل وازدهار الشركة هو علاقات ثقة قوية مع العملاء. تعد خدمة العملاء الفعالة وذات الجودة العالية مهمة رئيسية تتيح لنا تحليل تجربة العملاء وتحسينها. تعد الرغبة في جعل العمل مع العملاء أكثر استجابة وفكريًا وعالميًا مجالًا من مجالات الاهتمام المتكافئ لكل من المديرين ومدراء تقنية المعلومات ومديري التسويق وتجربة المستخدم حول العالم.

في حين أن هناك مجموعة واسعة من المنتجات الجاهزة التي تسمح لك بإنشاء خدمات مثل المساعدين الاصطناعيين ، تحتاج بعض الشركات إلى التعمق وإنشاء حلول خاصة بها لتحسين أنظمة دعم العملاء الحالية. على سبيل المثال ، خدمات المساعدة ولوحات المعلومات والويب وتطبيقات الهاتف المحمول للعملاء مع واجهة الدردشة المتكاملة.

واحدة من هذه الشركات هي Intersvyaz ، مزود خدمة الإنترنت الروسي مع 1.5 مليون مستخدم نشط. إن Intersvyaz لجعل خدمات الدعم أكثر ذكاء وخفض تكاليفها دون التضحية بجودة الخدمة ليست مهمة تافهة. لحل هذه المشكلة ، بدأت الشركة في استخدام تكنولوجيا الذكاء التحادثي من DeepPavlov. ونتيجة لذلك ، تحسن نظام الدعم بسبب إدخال مساعد ذكي بدأ في التواصل مع المستخدمين وحل مشكلات الدعم الفني ومعالجة التطبيقات الجديدة.

كنتيجة ل:

خفض النظام المطور متوسط وقت التشاور وخفف العبء على موظفي مركز الاتصال ، ونتيجة لذلك ، يمكنهم التعامل مع الطلبات الأكثر تعقيدًا ؛
20٪ من جميع الطلبات يتم حلها الآن دون مشاركة موظفي مركز الاتصال ؛
بلغ الحل الذي تم تطويره دقة 85٪ في فهم اللغة الطبيعية في إطار السيناريوهات المضمنة في النظام.

حول Intersvyaz

Intersvyaz هي شركة اتصالات روسية يبلغ عدد مستخدميها 1.5 مليون مستخدم في 20 مدينة عبر روسيا. تقدم الشركة لعملائها اتصال بالإنترنت ، بالإضافة إلى معدات وأجهزة الشبكة. تقوم خدمة دعم العملاء بمعالجة أكثر من 100 ألف مكالمة للدردشة والقنوات الصوتية كل شهر. يتصل العملاء أيضًا بالدعم من خلال تطبيق مقدم من الشركة.

نظرًا لطبيعة أعمال مزود الإنترنت ، فإن Intersvyaz لديها خدمة دعم كبيرة نسبيًا توفر استجابة ومعالجة سريعة لطلبات العملاء. وبدورها ، قررت الشركة استخدام أدوات NLP (معالجة اللغة الطبيعية) لتقليل تكاليف الدعم الفني ، وفي الوقت نفسه ، تحسين جودة الخدمة الذاتية من خلال تزويد عملائها بمساعد ذكي - برنامج دردشة يركز على تفاعل العملاء.

لقد سمعت الكثير عن Chatbots ، ولكن ما هو؟

ما هو برنامج الدردشة الآلي؟

Chatbot هو حل قائم على الذكاء الاصطناعي (AI) يتواصل مع الأشخاص من خلال واجهة الدردشة المباشرة. يحلل برنامج الدردشة الآلي كل طلب من العملاء ، ويقارنه بالسيناريوهات المعروفة ، ويعثر على الحل المناسب ويعطي استجابة سريعة. بينما تستخدم بعض برامج الدردشة الآلية مطابقة العبارات البدائية نسبيًا باستخدام تقنيات مثل التعبيرات العادية ، إلا أن العبارات الأكثر تقدمًا تعتمد على تقنيات التعلم الآلي (ML) لفهم مشكلات العملاء بشكل أفضل.

كيف تعمل برامج الدردشة الآلية؟

من وجهة نظر المستخدم النهائي ، بعد إرسال مشكلة أو سؤال إلى الشركة ، عبر الهاتف أو الدردشة ، تقدم الشركة إجابة ؛ ثم يركز هذا الحوار بين المستخدم والشركة على حل احتياجات المستخدم النهائي.

من وجهة نظر فنية ، فإن chatbot عبارة عن نظام حوار مركز يحلل طلب المستخدم من أجل تحديد الهدف النهائي للمستخدم (على سبيل المثال ، حل المشاكل الفنية ، أو شراء منتج أو تلقي توصيات للخدمة) ومعالجته.

دور روبوتات الدردشة في خدمة العملاء

Chatbots فعالة للغاية من حيث رضا العملاء والمشاركة. توفر خدمة العملاء المؤتمتة دعمًا مستمرًا على مدار الساعة طوال أيام الأسبوع لحل سريع للطلبات عبر جميع قنوات الاتصال. تعد الخدمة الفورية أمرًا بالغ الأهمية لنجاح المؤسسة ، وتوفر أتمتها ميزة تخصيص الاتصالات بين الشركة وعملائها.

فائدة إضافية للشركات هي تخفيض تكاليف التشغيل لمراكز الاتصال. من خلال توفير خدمات دعم المستخدم المستندة إلى الدردشة لعملائها ، تكتسب الشركة أقصى فائدة: زيادة إيراداتها من خلال الاحتفاظ بالعملاء وخفض تكاليف مركز الاتصال.

بناء روبوت للدردشة في Intersvyaz

قنوات الاتصال الرئيسية

لدى Intersvyaz نوعان من المستخدمين ، داخليًا وخارجيًا ، يستخدمان الآليات التالية للتواصل مع الشركة:

يستخدم العملاء:

تطبيق جوال
دردشة الويب والجوال

استخدام موظفي الدعم:

نظام الدعم الفني
أنظمة المراقبة

عندما يرسل المستخدم طلبًا من خلال أي من القنوات المذكورة أعلاه ، يتم تحويله إلى نموذج نصي ثم يتم إرساله إلى نظام حوار روبوت الدردشة ، والذي يحاول بعد ذلك مطابقته بأحد النوايا المعروفة ، وبالتالي تحديد هدف المستخدم النهائي.

من الطلب إلى النية

للتحليل الصحيح وتحديد نية المستخدم النهائي ، يستخدم روبوت الدردشة Intersvyaz خوارزميات التعلم الآلي التالية:

تطبيع النص
التحليل الصرفي؛
التشابه الدلالي.
تصنيف النوايا.
تتراوح
الكيانات المسماة المعترف بها
ملء فتحات.

ثم يقوم برنامج الدردشة الآلي بتحويل الهدف المحدد إلى مكالمة إلى الخدمات الداخلية - قواعد البيانات أو أنظمة المعلومات الأخرى. بعد حصوله على النتيجة ، يعد نظام الحوار الإجابة بلغة طبيعية. في حالة عدم توفر الطلب الأولي للمستخدم معلومات كافية ، يقوم برنامج الدردشة الآلي بتشغيل مربع حوار للتصفية لجمع جميع المعلمات المفقودة لمعالجة الطلب.

نماذج ML جاهزة

مكتبة DeepPavlov مفتوحة المصدر لديها حل مجاني وسهل الاستخدام لبناء أنظمة تفاعلية. يأتي DeepPavlov مع العديد من المكونات التي تم تدريبها مسبقًا استنادًا إلى TensorFlow و Keras لحل مشاكل معينة ، كما يوفر أدوات لنماذج الضبط الدقيق.

استخدم فريق تطوير Intersvyaz النماذج التالية لإنشاء حلول خاصة بهم ، والعمل مع اللغة الروسية:

تصنيف النوايا - يساعد على تحديد نوايا المستخدم ؛
تحليل النغمة - يساعد على التعرف على نغمة النص (إيجابية ، محايدة ، سلبية) ؛
نمذجة الموضوع - يساعد على تصنيف موضوع طلب المستخدم ؛
نظام سؤال وجواب - يساعد على الإجابة على إجابة محددة سلفا لسؤال معروف.

* يمكنك تجربة هذه النماذج وغيرها في الإصدار التجريبي .

يسمح الجمع القوي بين هذه النماذج لبرنامج الدردشة الآلي بتحديد موضوع طلب العميل ، ثم الإجابة بسرعة على سؤال متكرر أو حل مشكلة (على سبيل المثال ، حول النفقات الشهرية ، وسبب عدم عمل اتصال الإنترنت ، وما إلى ذلك). يسمح تحليل الحالة المزاجية لبرنامج الدردشة الآلية بالتعرف على ما إذا كان هناك حاجة إلى اهتمام إضافي من مشغلي خدمات الدعم بالشركة لهذا المستخدم.
حتى مع النماذج المدربة مسبقًا من DeepPavlov ، تمكنت Intersvyaz من زيادة عدد الطلبات المغلقة دون تدخل بشري من 20٪ إلى 40٪.

مدير الحوار

ابتكر مطورو Intersvyaz حلاً يغطي احتياجاتهم بالكامل ، باستخدام أدوات الضبط الدقيق وقدرة المكتبة على توفير نماذجهم في حاويات (Docker): لم

تسهل مكتبة DeepPavlov نشر الحل فحسب ، بل أصبحت أيضًا أداة ملائمة للغاية لإطلاق معيار A / B -اختبارات لتحديد أفضل نماذج سيناريوهات الشركة للتفاعل بين الروبوت والمستخدم.

الميزة الرئيسية لاستخدام مكتبة DeepPavlov كمدير حوار هي نهج تعريفي لتحديد النماذج التي يجب استخدامها والترتيب ، في ملفات التكوين. سمح هذا النهج للشركة ليس فقط بتحديد المكونات المطلوبة لتشغيل برنامج الدردشة الآلي ، ولكن أيضًا لتتبع التبعيات ، بالإضافة إلى توفير طرق لتنزيل النماذج المدربة المفقودة.

تشغيل البنية التحتية ML

بالإضافة إلى مكتبة DeepPavlov ، استخدمت الشركة الآليات المساعدة التالية لتكوين وإدارة البنية التحتية الخاصة بها في ML:

DVC - مجموعة من الأدوات التي تم إنشاؤها لمشاركة النماذج وتشغيلها ؛ تستخدم لتخزين وإنشاء نسخ من مجموعات التدريب الكبيرة والبيانات المتوسطة ،
MLFlow هي منصة مفتوحة المصدر تستخدم لإدارة دورة حياة نماذج ML ؛ تستخدم لتتبع التجارب وتخزين القطع الأثرية.

هذه التقنيات ، إلى جانب مجموعة شاملة من الأدوات لتدريب ونشر نماذج DeepPavlov ، جعلت من السهل إعادة إنتاج نماذج ML الناجحة وإعادة استخدامها.

حل شامل لبناء برنامج دردشة

يتطلب إنشاء برنامج chatbot باستخدام نماذج ML عدة مكونات رئيسية:

تشكيل مجموعة بيانات
تدريب نموذجي
التحكم في إصدار النماذج ؛
نشر النموذج ؛
تم تكييف منصة تجارب A / B لنماذج ML
مدير الحوار مع القدرة على إطلاق نماذج مختلفة بمرونة وفقًا لمتطلبات اختبار A / B ؛
فهم النية.

يتم تغطية إنشاء مجموعة بيانات والتحكم في إصدار نماذج ML باستخدام حلول جاهزة في شكل مكتبات مفتوحة المصدر مثل DVC و ML Flow. توفر مكتبة DeepPavlov للشركات مثل هذه الفرص ، بدءًا من التدريب النموذجي وتنتهي بفهم النوايا ومربع حوار مخصص لاختبار A / B من خلال Dialog Manager.

وهكذا ، تم تخفيض العملية الكاملة لتحديث النماذج الحالية من بضعة أشهر إلى يومين. ونتيجة لذلك ، بدأ المهندسون في تكريس مزيد من الوقت للمهام المعقدة حقًا: التحليل واختبار الفرضيات والبحث.

ستكون الخطوة التالية في تطوير النظام المطور هي المزيد من أتمتة التفاعل مع العملاء من خلال زيادة عدد السيناريوهات المغطاة ، وتحسين إجابات المساعد الذكي ، بالإضافة إلى النوايا التي يمكن لبرنامج الروبوت الدردشة معالجتها دون تدخل المشغل.

استنتاج

في حين أن أول روبوتات الدردشة استخدمت مزيجًا من التعبيرات الشرطية البسيطة ومطابقة النص ، فإنها تستخدم اليوم خوارزميات التعلم الآلي الحديثة القادرة على فهم شخص والتواصل معه بلغة طبيعية. لم تعد Chatbots مجرد اتجاه مستقبلي في خدمة العملاء ؛ إنهم هنا بالفعل ، ويستخدمون في شركات حقيقية لحل مشاكل معينة.

في المرة القادمة سنشارك الوصف الفني لهذه الحالة. في غضون ذلك ، ابدأ في استكشاف DeepPavlov ولا تنس أن لدينا منتدى - اطرح أسئلتك بخصوص المكتبة والنماذج. شكرا للانتباه!

بالإضافة إلى

في اجتماع أخير لمستخدمي ومطوري مكتبة DeepPavlov ، الذي عقد في 28 فبراير ، شارك ممثلا Intersvyaz ديمتري بوتوف وستانيسلاف بيتوجانوف في كيفية استخدام تقنيات البرمجة اللغوية العصبية في مركز الاتصال الخاص بالموفر. شاهد الفيديو هنا .

أتمتة خدمة العملاء: حل شامل من DeepPavlov