От 3000 сессий в месяц до 100 в секунду: как LLM заменила ручную оценку ботов поддержки
Привет, Хабр! На связи Ангелина Большина, Денис Толкачев и Игорь Буянов, команда Customer Support NLP, мы разрабатываем ботов для службы поддержки клиентов. И наша работа полезна для развития продукта MWS AI Клиентский сервис. Сегодня мы расскажем вам про то, как мы автоматизировали оценку наших ботов с помощью специально разработанной метрики. Мы разделили материал: сначала расскажем про бизнес-составляющую, а затем – про технические детали. Итак, поехали!
Jev, Laya и Gemini Flash на трёх задачах классификации в поддержке
За неделю я прогнал три задачи из своего прода через модели, которые только выбирают из списка, ставят оценку по шкале или возвращают вероятность. Jev как закрытая, Laya как опенсорсный аналог, плюс gemini flash lite как третий кандидат. Две задачи из трёх они закрывают, третью не закроет ни одна, и понять это можно было до всякого замера.Меня интересовал не обзор моделей. Хотелось рамки: какие задачи вообще имеет смысл отдавать такому инструменту. Ниже три замера на живом трафике, шесть признаков подходящей задачи и раздел с оговорками, где я честно перечисляю, чего эти цифры не доказывают.
5 причин внедрить ИИ в клиентский сервис
Рост затрат на найм сотрудников, постоянно выгоревшая команда, текучка, падение лояльности клиентов и просадка в выручке — это только часть последствий, с которыми сталкиваются компании без автоматизации и ИИ в поддержке.
Способы автоматизации ответов на часто задаваемые вопросы (FAQ)
Автоматизация ответов на часто задаваемые вопросы (FAQ) - актуальная задача в процессах, где важно быстро и качественно взаимодействовать с клиентами и с аудиторией.Если клиент долго не может найти информацию, долго не получает ответа в чате, то он уходит к другому продавцу. В итоге и продажа теряется, и клиент теряется. Особенно это критично во время проведения активной рекламной кампании, когда количество обращений резко возрастает и очень большая часть не успевает обрабатываться.Что можно сделать, чтобы не терять обращения, продажи и клиентов?
Основные KPI чат-ботов для поддержки клиентов, направленные на повышение удовлетворенности пользователей
В эпоху безудержной автоматизации мощная сила ИИ-чат-ботов проникла практически в каждый канал поддержки клиентов. Пока руководители компаний восторгаются экономией затрат и круглосуточной доступностью, скрытая, более сложная реальность проявляется за глянцевыми панелями управления. Не все KPI поддержки клиентов с помощью чат-ботов отображают действительное положение дел. Если копнуть глубже, можно услышать от инсайдеров отрасли упоминания о «показателях, создающих иллюзию успеха», скрытых уровнях эскалации и реальных последствиях стремления за неправильными цифрами.
Oracle раскритиковали после запуска портала поддержки на основе ИИ
Oracle запустила новый портал поддержки My Oracle Portal (MOS) на основе искусственного интеллекта. Однако в течение последних нескольких недель его работа вызывает недовольство клиентов и сотрудников службы поддержки.
Клиент иногда не прав. Современный подход к оценке клиентской ценности
Звучит так себе, но не все клиенты одинаково полезны для вашего бизнеса. Есть клиенты, которые приносят стабильную прибыль, дают конструктивную обратную связь и используют продукт в рамках задуманных сценариев. Есть клиенты прямо противоположные, которые требуют непропорционально много внимания, провоцируют конфликты, мешают развитию продукта и при этом не увеличивают доход.Задача компании — вовремя понять, какую работу продукт выполняет для конкретного сегмента клиентов, и на это ориентировать развитие сервиса и поддержку
Создание Системы генерации ответов на истории тикетов поддержки (часть 2)
Привет, Хабр!Меня зовут Анатолий, занимаюсь автоматизацией бизнес-процессов и применением Искусственного Интеллекта в бизнесе. Кейсовая задача - создать Систему генерации ответов на основе существующей истории тикетов. При этом Система должна работать в закрытом контуре.Это вторая часть.В первой части был рассмотрен подход Question-Answering с timpal0l/mdeberta-v3-base-squad2 (модификация BERT для задач Question-Answering) - модели, умеющей "читать" текст и "вытаскивать" ответы.В этой части переходим к семантическому поиску, контекстному сходству и SentenceTransformer. SentenceTransformer
