InteliWISE wprowadza analitykę opartą o Machine Learning

Decydentów zawsze interesowało to, o co najczęściej pytają klienci i właśnie ta problematyka stanowi podstawę do coraz bardziej inteligentnych analiz. Teraz firmy, zamiast domyślać się, czego oczekują klienci, mogą wykorzystać analitykę InteliWISE. Rozwiązanie dokładnie podpowie, jakimi krytycznymi problemami trzeba się zająć, i jakie obszary warto poddać automatyzacji np. przekazać do obsługi Chatbotowi.

Rosnąca popularność czatów wymaga coraz bardziej inteligentnych narzędzi analitycznych  

Czaty rosną na znaczeniu w komunikacji marketingowej i obsłudze klienta odpowiadają  już często na 20-30% wszystkich zapytań. Rozmowy są obsługiwane przez konsultantów poprzez Live Chat, Messengera, tradycyjnie przez formularze lub w 100% automatycznie przez Chatboty, czyli Wirtualnych Asystentów.

Wyzwaniem dla marketingowców czy ekspertów do spraw obsługi klienta jest ich analiza. Łatwo sprawdzić, ile czatów miesięcznie czy dziennie obsługują konsultanci, ale problematyka tematów rozmów czy używanego słownictwa w setkach bądź tysiącach czatów lub e-maili pozostaje nierozpoznana.

Sztuczna Inteligencja wspiera raportowanie

Z pomocą przychodzą algorytmy Machine Learning. InteliWISE oferuje firmom rozwiązanie Topic Modelling Analysis nową, zaawansowaną analitykę rozmów z klientami opartą o metody ilościowe i NLP (przetwarzanie języka naturalnego). Nowe narzędzie poszerza wykorzystywane metody o Machine Learning oraz NLP o narzędzie z kategorii Topic Model. To rozwiązanie, które  pomaga wyszukiwać abstrakcyjne, zadane tematy, znajdujące się w dużych zbiorach, często nieustrukturyzowanych danych. Jego efektem jest często odkrycie w tekście z pozoru niewidzialnych, istotnych struktur semantycznych. Wystarczy dostarczyć historyczne zapytania klientów (czaty, e-maile, rozmowy Chatbota), a narzędzie do analizy wygeneruje dokładny obraz tego, o co i jak często pytają klienci, w tym:

  • listę konkretnych pytań i tematów rozmów, które klienci prowadzą wraz z ich wagami udziałem w całości  pytań
  • dokładny procent sesji czat, które udało się zakwalifikować do wyselekcjonowanych tematów (pozostałe sesje stanowią tak małą liczbę, że ich kwalifikacja jest niemożliwa)
  • dynamikę zmian, śledzoną na podstawie porównań.

Tematy, problemy oraz ich waga są prezentowane w formie przejrzystych wykresów.

Przykładowy wynik analizy związany z liczebnymi, najczęściej wybieranymi tematami zmianą rezerwacji:

Przykładowy wynik analizy związany z wąską, mniej istotną liczebnie, specjalistyczną grupą tematów reklamacjami:

 

Analiza pozwala nie tylko zrozumieć podstawę 70-80% problemów, ale również odkryć na pozór niewidoczne związki znaczeniowe. Biznesowo może się to przełożyć na zmniejszenie kosztów obsługi i znacznie lepsze oceny Customer Experience.

Jak firma może wykorzystać nowe rozwiązanie dla analizy działania Chatbota i Live Chata?

Tradycyjnie to konsultanci po rozmowie z klientem zaznaczają (kwalifikują) charakter rozmowy przez czat oraz decydują o następnych krokach. Nowa metoda pozwala uwolnić się od subiektywnego oglądu.

Jak to robimy?

1. Zamawiający dostarcza plik CSV bądź inny z historycznymi rozmowami z klientami (poprzez Live Chat, Chatbota, formularz, Facebooka).

2. Dokonujemy analizy sesji czat z danego okresu. Wykorzystujemy do tego narzędzia uczenia maszynowego, umożliwiające efektywną analizę nawet wielkich wolumenów zapytań (bibliotek historycznych rozmów). Każdy z zapisów czatów zostaje poddany obróbce celem normalizacji do dalszego przetwarzania poprzez:

  • usunięcie popularnych słów w języku polskim, które nie niosą treści (np. „się”, „w”)
  • sprowadzenie wyrazów do formy prostej oraz usunięcie interpunkcji
  • usunięcie zwrotów grzecznościowych i innych zwrotów, które często występują w trakcie sesji Live Chat
  • odnalezienie zestawień słów, stanowiących wspólnie nazwy przedmiotów lub czynności np. „bagaż podręczny”.

3. Tak przygotowane sesje Live Chat są  przetworzone przez model oparty na ukrytej alokacji Dirichleta (ang. Latent Dirichlet Allocation LDA), który umożliwia poszukiwanie zbioru tematów w dużych partiach nieustrukturyzowanego tekstu.

4. Wynikiem działania algorytmu jest odnalezienie zbioru (mierzonego w procentach)  popularnych tematów, z których każdy charakteryzowany jest przez zestaw słów kluczowych występujących w swoim sąsiedztwie (czyli w tym samym kontekście).  Jest to zbiór sesji czat, które udało się zakwalifikować do wyselekcjonowanych tematów. Pozostałe sesje dotyczą spraw na tyle rzadko występujących, że ich kwalifikacja jest niemożliwa. Na wykresach rozmiar koła symbolizuje popularność danego tematu. Przestrzeń pomiędzy kołami oznacza stopień pokrewieństwa danych zagadnień.

Wyniki analizy to łatwiejszy krok do inteligentnej automatyzacji

Firmy obsługujące setki tysięcy klientów, jak znaczące sklepy online, banki czy ubezpieczyciele, mają istotny problem ze zrozumieniem, jak może działać automatyzacja obsługi zapytań.  Dziś, dzięki InteliWISE, firmy mogą oprzeć swoje decyzje o obiektywne metody AI sztucznej inteligencji.  

Więcej informacji na ten temat znajdziesz na naszej stronie.