♻️ 🏆 🐡 Automação de atendimento ao cliente: uma solução completa da DeepPavlov 🤲🏾 🔙 🌼

Hoje, estamos cada vez mais usando aplicativos de mensagens instantâneas (Facebook Messenger, WhatsApp, Telegram etc.) e dispositivos na forma de assistentes de voz (Amazon Echo e Google Home etc.) que ajudam a receber uma resposta instantânea a uma solicitação. Portanto, as empresas modernas estabelecem um orçamento significativo no desenvolvimento de assistentes artificiais para fornecer a seus usuários o melhor serviço ao cliente, quando necessário. Neste artigo, descreveremos como usamos a tecnologia de inteligência artificial DeepPavlov para expandir os recursos de atendimento ao cliente da Intersvyaz .

No mundo moderno, um dos fatores decisivos para o trabalho e a prosperidade de uma empresa é o forte relacionamento de confiança com os clientes. O atendimento ao cliente eficaz e de alta qualidade é uma tarefa essencial que nos permite analisar a experiência do cliente e melhorá-la. O desejo de tornar o trabalho com clientes mais ágil, intelectual e universal é uma área de igual atenção para gerentes, CIOs e diretores de marketing e experiência do usuário em todo o mundo.

Embora exista uma grande variedade de produtos prontos para uso que permitem criar serviços como assistentes artificiais, algumas empresas precisam se aprofundar e criar suas próprias soluções para melhorar seus sistemas de suporte ao cliente existentes. Por exemplo, serviços de ajuda, painéis, aplicativos da web e móveis para clientes com uma interface de bate-papo integrada.

Uma dessas empresas é a Intersvyaz, um provedor de serviços de Internet russo com 1,5 milhão de usuários ativos. Para a Intersvyaz, tornar os serviços de suporte mais inteligentes e reduzir seus custos sem sacrificar a qualidade do serviço não é uma tarefa trivial. Para resolver esse problema, a empresa começou a usar a tecnologia de inteligência de conversação da DeepPavlov. Como resultado, o sistema de suporte melhorou devido à introdução de um assistente inteligente que começou a se comunicar com os usuários, resolver problemas de suporte técnico e processar novos aplicativos.

Como um resultado:

o sistema desenvolvido reduziu o tempo médio de consulta e diminuiu a carga sobre os funcionários do call center; como resultado, eles puderam lidar com solicitações mais complexas;
Agora, 20% de todos os pedidos são resolvidos sem a participação de funcionários de call center;
a solução desenvolvida alcançou 85% de precisão na compreensão da linguagem natural dentro da estrutura dos cenários incorporados no sistema.

Sobre Intersvyaz

A Intersvyaz é uma empresa de telecomunicações russa que possui 1,5 milhão de usuários em 20 cidades da Rússia. A empresa oferece a seus clientes uma conexão com a Internet, bem como equipamentos e dispositivos de rede. O serviço de suporte ao cliente processa mais de 100 mil chamadas para chats e canais de voz todos os meses. Os clientes também entram em contato com o suporte por meio de um aplicativo fornecido pela empresa.

Dada a natureza dos negócios do provedor de Internet, a Intersvyaz possui um serviço de suporte relativamente grande que fornece resposta e processamento rápidos às solicitações dos clientes. Por sua vez, a empresa decidiu usar as ferramentas de PNL (processamento de linguagem natural) para reduzir os custos de suporte técnico e, ao mesmo tempo, melhorar a qualidade do autoatendimento, fornecendo a seus clientes um assistente inteligente - um chatbot focado na interação do cliente.

Eu ouvi muito sobre o Chatbots, mas o que é?

Para que serve um chatbot?

O Chatbot é uma solução baseada em inteligência artificial (IA) que se comunica com as pessoas por meio da interface de bate-papo ao vivo. O chatbot analisa cada solicitação do cliente, compara-a com cenários conhecidos e, encontrando a correta, fornece uma resposta rápida. Enquanto alguns chatbots usam correspondência de frase relativamente primitiva usando tecnologias como expressões regulares, os mais avançados contam com tecnologias de aprendizado de máquina (ML) para entender melhor os problemas do cliente.

Como funcionam os chatbots?

Do ponto de vista do usuário final, depois que um problema ou pergunta foi enviada à empresa, por telefone ou bate-papo, a empresa dá uma resposta; então esse diálogo entre o usuário e a empresa se concentra na solução das necessidades do usuário final.

Do ponto de vista técnico, o chatbot é um sistema de diálogo focado que analisa a solicitação do usuário para determinar o objetivo final do usuário (por exemplo, resolver problemas técnicos, comprar um produto ou receber recomendações de serviço) e processá-lo.

O papel dos bots de bate-papo no atendimento ao cliente

Os chatbots são muito eficazes em termos de satisfação e envolvimento do cliente. O atendimento automatizado ao cliente fornece suporte contínuo 24 horas por dia, 7 dias por semana, para resolução rápida de solicitações em todos os canais de comunicação. O serviço instantâneo é fundamental para o sucesso da organização e sua automação oferece a vantagem de personalizar a comunicação entre a empresa e seus clientes.

Um benefício adicional para as empresas é a redução nos custos operacionais dos call centers. Ao fornecer serviços de suporte ao usuário com base em bate-papo para seus clientes, a empresa obtém o benefício máximo: aumentando suas receitas através da retenção de clientes e reduzindo os custos de call center.

Construindo um chatbot em Intersvyaz

Principais canais de comunicação

A Intersvyaz possui dois tipos de usuários, internos e externos, que usam os seguintes mecanismos para se comunicar com a empresa:

Os clientes usam:

Aplicativo móvel
Bate-papo na Web e móvel

Uso da equipe de suporte:

Sistema de suporte técnico
Sistemas de monitoramento

Quando um usuário envia uma solicitação por qualquer um dos canais acima, ele é convertido em um formulário de texto e enviado ao sistema de diálogo do bot de bate-papo, que tenta combiná-lo com uma das intenções conhecidas, identificando assim a meta do usuário final.

Do pedido à intenção

Para a correta análise e determinação da intenção do usuário final, o bot de bate-papo da Intersvyaz usa os seguintes algoritmos de aprendizado de máquina:

normalização de texto;
análise morfológica;
semelhança semântica;
classificação de intenções;
variando;
Entidades nomeadas reconhecidas
slots de preenchimento.

O chatbot converte a intenção identificada em uma chamada para os serviços internos - bancos de dados ou outros sistemas de informação. Tendo recebido o resultado, o sistema de diálogo prepara a resposta em uma linguagem natural. Caso a solicitação inicial do usuário não tenha informações suficientes, o chatbot inicia uma caixa de diálogo de refinamento para coletar todos os parâmetros ausentes para processar a solicitação.

Modelos ML prontos

A biblioteca de código aberto do DeepPavlov possui uma solução gratuita e fácil de usar para a construção de sistemas interativos. O DeepPavlov vem com vários componentes pré-treinados, baseados no TensorFlow e Keras, para solucionar problemas específicos, e também oferece ferramentas para modelos de ajuste fino.

A equipe de desenvolvimento da Intersvyaz usou os seguintes modelos para criar suas próprias soluções, trabalhando com o idioma russo:

classificação de intenções - ajuda a determinar as intenções do usuário;
análise de tonalidade - ajuda a reconhecer a tonalidade do texto (positivo, neutro, negativo);
modelagem de tópicos - ajuda a classificar o tópico da solicitação do usuário;
sistema de perguntas e respostas - ajuda a responder uma resposta predeterminada a uma pergunta conhecida.

* Você pode experimentar estes e outros modelos na versão demo .

Uma poderosa combinação desses modelos permite que o chatbot determine o tópico da solicitação do cliente e responda rapidamente a uma pergunta freqüente ou resolva um problema (por exemplo, despesas mensais, por que a conexão à Internet não funciona etc.). A análise de humor permite que o chatbot reconheça se é necessária atenção adicional dos operadores de serviços de suporte da empresa para esse usuário.
Mesmo com os modelos pré-treinados da DeepPavlov, a Intersvyaz conseguiu aumentar o número de aplicativos fechados sem intervenção humana de 20% para 40%.

Gerente de diálogo

Os desenvolvedores da Intersvyaz criaram uma solução que cobre totalmente suas necessidades, usando ferramentas de ajuste fino e a capacidade da biblioteca de fornecer seus modelos em contêineres (Docker): a

biblioteca DeepPavlov não apenas facilitou a implantação da solução, mas também se tornou uma ferramenta muito conveniente para o lançamento do A / B padrão. -testes para determinar os melhores modelos dos cenários de interação da empresa entre o bot e o usuário.

A principal vantagem de usar a biblioteca DeepPavlov como gerenciador de diálogo é uma abordagem declarativa para determinar quais modelos devem ser usados e em que ordem, nos arquivos de configuração. Essa abordagem permitiu à empresa não apenas determinar quais componentes são necessários para iniciar o chatbot, mas também rastrear dependências, além de fornecer maneiras de baixar os modelos treinados ausentes.

Infraestrutura operacional de ML

Além da biblioteca DeepPavlov, a empresa usou os seguintes mecanismos auxiliares para formar e gerenciar sua infraestrutura de ML:

DVC - um conjunto de ferramentas criadas para compartilhar e reproduzir modelos; usado para armazenar e criar versões de grandes treinamentos e conjuntos de dados intermediários,
O MLFlow é uma plataforma de código aberto usada para gerenciar o ciclo de vida dos modelos de ML; usado para rastrear experimentos e armazenar artefatos.

Essas tecnologias, combinadas com um conjunto abrangente de ferramentas para treinamento e implantação de modelos DeepPavlov, facilitaram a reprodução e a reutilização de modelos de ML bem-sucedidos.

Uma solução de ponta a ponta para construir um chatbot

Criar um chatbot usando modelos ML requer vários componentes principais:

formação de um conjunto de dados;
modelo de treinamento;
controle de versão de modelos;
implantação de modelo;
Plataforma experimental A / B adaptada para modelos ML
O Dialog Manager com a capacidade de iniciar com flexibilidade vários modelos de acordo com os requisitos dos testes A / B;
compreensão da intenção.

A criação de um conjunto de dados e o controle de versão dos modelos ML são abordados usando soluções prontas na forma de bibliotecas de código aberto, como DVC e ML Flow. A biblioteca DeepPavlov oferece às empresas essas oportunidades, começando com o treinamento do modelo e terminando com o entendimento das intenções e um diálogo personalizado para testes A / B por meio do Dialog Manager.

Assim, o processo completo de atualização dos modelos existentes foi reduzido de alguns meses para alguns dias. Como resultado, os engenheiros começaram a dedicar mais tempo a tarefas realmente complexas: análise, teste de hipóteses e pesquisa.

O próximo passo no desenvolvimento do sistema desenvolvido será a automação adicional da interação com os clientes, expandindo o número de cenários cobertos, melhorando as respostas do assistente inteligente, bem como as intenções que o robô de bate-papo pode processar sem a intervenção do operador.

Conclusão

Enquanto os primeiros robôs de bate-papo usavam uma combinação de expressões condicionais simples e correspondência de texto, hoje eles usam algoritmos modernos de aprendizado de máquina que são capazes de entender e se comunicar com uma pessoa em um idioma natural. Os chatbots não são mais apenas uma tendência futura no atendimento ao cliente; eles já estão aqui e são usados em empresas reais para resolver problemas específicos.

Da próxima vez, compartilharemos a descrição técnica deste caso. Enquanto isso, comece a explorar o DeepPavlov e não esqueça que temos um fórum - faça suas perguntas sobre a biblioteca e os modelos. Obrigado pela atenção!

Além disso

Em uma recente reunião de usuários e desenvolvedores da biblioteca DeepPavlov , realizada em 28 de fevereiro, os representantes da Intersvyaz, Dmitry Botov e Stanislav Pituganov, compartilharam como as tecnologias de PNL são usadas no contact center do fornecedor. Assista ao vídeo aqui .

Automação de atendimento ao cliente: uma solução completa da DeepPavlov