—просите про Asterisk в Telegram - чате

ќлег “ундайкин

15 минут чтени€

 акое будущее ждет нас в контакт центрах с точки зрени€ кастомер сервис (клиентского сервиса)?  ак компании создают новые пространства дл€ коммуникации со своими потребител€ми? Ѕудем говорить про чат боты - будущее клиентского сервиса.

Ќа цифрах, кейсах, исследовани€х, в том числе социальных, постараюсь рассказать о том, почему в контакт центрах будущего, живых операторов будет меньше, а VoIP (классические телефоны) и CTI (интеграци€ компьютерных приложений и телефонии) отойдет на второй план.


ѕосмотреть доклад

„ат - боты это определенно хайпова€ истори€, несмотр€ на то, что сам хайп сейчас немного поугас.  омпании абсолютно разного уровн€ внедр€ют чат - ботов: от больших банков, где чат бот органично вписываетс€ в »“ экосистему и помогает сократить косты на операторов и снизить их загрузку на рутинные операции до маленьких компаний, e-commerce или туристических фирм, где смысл чат - бота скорее сводитс€ к тому, чтобы показать уровень технологичности на р€ду с более "аналоговыми" конкурентами.

ѕосмотрим на крупных игроков IT рынка, которые уже борозд€т просторы ML/AI в поиске способа доставить счастье своим пользовател€м, среди них как Zero UI решени€, которые вовсе не имеют привычного интерфейса, так и уже вполне рабочие чат боты:

  1. јлиса - умный помощник от яндекс. Ёто мозги, которые живут почти во многих приложени€х яндекса и в хардварных устройствах.  стати, по данным яндекса, в приложении поиска дол€ голосовых запросов на окт€брь 2018 года была 20%.
јлиса - умный помощник яндекса

ѕомимо пользовательских сценариев, јлиса сможет решать конкретные бизнес задачи по клиентскому обслуживанию клиентов вашего контакт центра, как автоматизированном режиме, так и в режиме диалога с оператором. Ёто реализуетс€ с помощью платформы яндекс.ƒиалоги - легкий способ св€зать жител€ экосистемы яндекса с вашим бизнесом, так сказать, не отход€ от кассы.  стати, количество активных пользователей алисы в мес€ц (MAU) 35 млн. - подумайте, сколько из них ваших потенциальных или текущих клиентов.

  1. ѕро Amazon и их разработки. ¬ы наверное слышали про виртуальный ассистент Alexa. ¬нутри алексы используютс€ алгоритмы Amazon Lex

ј так как Amazon научилс€ монетизировать свои технологии как никто другой, то они продают Amazon Lex в видео фреймворка (интерфейса) дл€ создани€ приложений - как голосовых так и текстовых, в которых используютс€ алгоритмы понимани€ естественных €зыков (NLU), и распознавани€ речи ASR. ќ первых € расскажу подробнее в конце статьи.

‘реймворк, как за€вл€ют реб€та с јмазона, в контексте контакт центров классно подходит дл€ рутинных операций - смена парол€, баланс, встреча с представителем компании и некоторые другие.

  1. Ѕот помощник ќлег от банка “инькоф. Ѕот помогает управл€ть кредиткой или дебетовой картой или заказать финансовые документы, снижа€ нагрузку на живых операторов и помогает закрыть пользовательские сценарии, купить билеты в кино и забронировать столик в ресторане.

“ут можно отметить 2 самых очевидных пункта, которые дает бот:

  1. –етеншн (вовлеченность) пользователей. Ёкосистема с элементами фана повышает вовлеченность к бренду и вт€гивает пользователей в экосистему. Ѕилеты в кино, скидки, столики, переводы, а еще и голосом с ботом, который может ответить что то смешное или даже грубое, что насмешит друзей и спровоцирует цепочку рассылки диалога друзь€м. »з этого вытекает следующий пункт:
  2. ¬иральность - распростран€емость контента. Ќа старте бот “инькоф отвечал пользовател€м весьма неоднозначно. Ќапример, на старте, попросив "сотку" у банка вы рисковали получить неплохую ответочку:
Ѕот помощник ќлег от банка “инькоф

Ётот ответ массово распространилс€ по социальным сет€м. Ёто и есть та сама€ виральность.

¬ообще много мнений и обсуждений, касаемо чат ботов: начина€ от того, что рынок еще не готов и сама технологи€ бесполезна, заканчива€ тем, что люди не люб€т общатьс€ с чат ботами. ≈сли два первых барьера мы с вами обсудили, то про второй € хочу поговорить немного подробнее.

Ѕлок про поколение Z - почему он в соц. сет€х и не любит голос

¬первые в истории, в 2011 в UK заметили, что объем телефонных звонков упал на 10%. ѕри более детальном анализе было обнаружено, что максимально вли€юща€ на падение показател€ когорта пользователей - это люди 16 - 24 лет, которые предпочитают текстовую коммуникацию.

  обеспокоенности провайдеров, масла в огонь подлил государственный медиарегул€тор Ofcom (управление по коммуникаци€м), отчитавшись - 96% британцев в возрасте 16 - 24 используют текстовые сообщени€ каждый день.

»так, кто эта группа - 16 -24? ”словно говор€, это люди рожденные после 1995 по 2012 года, и поздние Z - рожденные после 2000.

ѕоколение Z - кто это?

„астично, тенденции к цифровизации и ухода в онлайн начали про€вл€тьс€ и у ћиллениалов или, как прин€то их называть ѕоколение Y. Ёто люди рожденные с 1981 и до 1996 года.

Ќесколько факторов, которые характеризуют поколение Z:

  1. ѕоколение Z очень целеустремленны. как пишут в исследовани€х, это, "most success oriented". ¬зросление в процессе рецессии, войны, террористических атак, трудные времена на территории –‘. «ачастую, им приходилось наблюдать за борьбой родителей в трудные времена. ћасла в огонь подливали миллениалы, полностью зацикленные на карьере.

Ќастроение на успех на выходе дает следующий пункт, пусть и сомнительный - многозадачность.

  1. ћногозадачность. ѕоколение Z чувствует себ€ спокойнее, выполн€€ несколько задач одновременно. «апостить фотографию в инстаграм, написать друзь€м, почитать новости на медузе, сделать фильтра в снэпчате, погон€ть слова в скаенге. ћы не говорим об эффективности подобных активностей (котора€ по моему мнению, околонулева€), мы говорим про сам посыл.

“ут и возникает важный нюанс - в контексте решени€ многозадачности, Z, реша€ свои вопросы с компанией, у которой они берут услугу, предпочтут отправить сообщение в бот в телеграмме или в приложении и ждать ответа, чем висеть на телефоне, холде, ждать ответа оператора и просто говорить голосом.

Ќо это не главна€ причина. ¬ажнейшей €вл€етс€ то, что поколение Z нативно вросло в digital.

  1. Ќативно в digital. Z наход€тс€ в цифровом пространстве полностью. ћессаджинг (текстинг), мемы, фотографии, лайки, обсуждени€, снэпчаты - среда, в которой они существуют. » в ней, телефонному звонку, да и голосовой коммуникации в целом остаетс€ все меньше и меньше места.

—оответственно, Z ожидают, что диджитал будет окружать их везде - решить проблемы с банком, заказать услугу, купить товар или еду, путешестви€ и прочее. Ќе дава€ им возможности обратитьс€ в диджитал, мы рискуем потер€ть эту аудиторию.

—уществует множество других характеристик, которые пр€мо или косвенно вли€ют на стремление Z к цифре:

  1.  онфиденциальность - Z очень цен€т свою конфиденциальность. ѕредставьте Z, который едет в полном автобусе, звонит в контакт центр, где его прос€т назвать кодовое слово?  ажетс€, он будет слегка сконфужен
  2. Z легко принимают новое

¬от такие они, эти реб€та в гучи, суприм и кроссовках на высокой платформе. ƒавайте закрепим и посмотрим, что об этом думают большие компании.

ѕруфы того, что это важно

¬ феврале 2018 года в “окио консалтингова€ компани€ √артнер отчиталась - к 2020 году 25% всех клиентских итераций будут происходить через VCA (virtual customer assistant), если переводить дословно - виртуальных клиентских помощников, или чат ботов, в контексте моего доклада и контакт - центра.

ƒжин јльварез, вице - президент в √артнер отчиталс€, что более чем половина крупного энтерпрайза уже начали инвестировать и исследовать виртуальных помощников, в разрезе решени€ стандартных вопросов с последующей эскалацией сложных на агента. ¬от цитата ƒжина (Gene Alvarez):

ƒжин јльварез, вице - президент в √артнер
"As more customers engage on digital channels, VCAs are being implemented for handling customer requests on websites, mobile apps, consumer messaging apps and social networks"

ѕеревод:

— погружением клиентов в цифровые каналы коммуникации, все больше VCA (виртуальные клиентские помощники) внедр€ютс€ дл€ обработки клиентских запросов на сайтах, мобильных приложени€х, мессенджерах и соц. сет€х"

Ёто важно, так как мы обсудили ранее, дл€ подрастающего платежеспособного поколени€ Z - цифровые каналы это нативные вещи.

ѕомимо прочего, важна€ цифра: организации, использующие VCA, в среднем, смогли сократить количество звонков, операторских чатов и писем на 70% и срезали косты на телефонию в среднем на 33%. ¬ отчете так же было отмечено увеличение общего уровн€ удовлетворенности клиентов. я не стану добавл€ть это в статью, так как √артнер поленилс€ рассказать, какие метрики дл€ этого они посчитали и как измерили.

ƒальше. –еб€та из Juniper Research еще в 2017 году говорили, что чат - боты - гейм чейнджер дл€ банков и здравоохранени€.

ƒжунипер прогнозирует, что количество клиентских взаимодействий с чат-ботами в здравоохранении увеличитс€ с 12% до 75% к 2022 году, а в банковском секторе достигнет 90% к этому времени.

јвтор исследовани€ Ћоурен ‘ои (Lauren Foye) объ€сн€ет:

јвтор исследовани€ Ћоурен ‘ои (Lauren Foye) - Juniper Research
"We believe that healthcare and banking providers using bots can expect average time savings of just over 4 minutes per enquiry, equating to average cost savings in the range of $0.50-$0.70 per interaction. As Artificial Intelligence advances, reducing reliance on human representatives undoubtedly spells job losses."

ѕеревод:

ћы считаем, что банки и компании в области здравоохранени€, использу€ чат- боты могут сэкономить более 4 минут на один клиентский запрос. Ёто примерно 50 - 70 центов за одну итерацию.

4 минуты на обращении что примерно ровн€етс€ $0.5 - $0.7. Ћоурен пугает нас тем, что развитие AI (искусственного интеллекта) так или иначе приведет к потере работы многими людьми. —пасибо Ћоурен, теб€ это тоже коснетс€.

 стати, про искусственный интеллект. ј точнее про одно из его направлений NLP (Natural Language Processing), или говор€ по русски, обработку естественного €зыка.

ѕро natural language processing (NLP). ќбработка естественного €зыка

 ратко пробежимс€ по технологии, котора€ драйвит эту отрасль. NLP - обработка естественного €зыка. Ёто направление породила одна проблема: компьютеры прекрасно справл€ютс€ со структурированными данными, таблицами, приведенными к единообразию датасетами, но мы с вами общаемс€ не методами структурами, а словами. “ут и по€вилась иде€ научить машины понимать живой человеческий €зык.

¬ рамках решени€ этой задачи, как и в любой другой задаче машинного обучени€, прин€то разбивать задачу на последовательность подзадач. Ёто называетс€ пайплайн, он же конвейер процессов, которые необходимо выполнить. ƒавайте попробуем кратко разобратьс€ на примере текста, вз€того из википедии про Ћондон:

London is the capital and most populous city of England and the United Kingdom. Standing on the River Thames in the south east of the island of Great Britain, London has been a major settlement for two millennia. It was founded by the Romans, who named it Londinium.

“ут есть несколько сегментов полезной информации про Ћондон, где он находитс€ и кем основан.

1. ƒробим на предложени€

ѕервый этап пайплайна - дробим текст на предложени€. —амое простое - по знакам препинани€. Ќо современные алгоритмы используют более хитрые способы. ¬от что у нас получилось:

  1. London is the capital and most populous city of England and the United Kingdom.
  2. Standing on the River Thames in the south east of the island of Great Britain, London has been a major settlement for two millennia.
  3. It was founded by the Romans, who named it Londinium.

“ри отдельных смысловых блока. ќтлично.

2. “окенизаци€

ќно же выделение слов. “ак как мы уже разбили текст на предложени€, берем первое и дробим - алгоритм прост - разбиение по пробелам или знакам препинани€

"London", "is", "the", "capital", "and", "most", "populous", "city", "of", "England", "and", "the", "United", "Kingdom", "."

3. „асти речи

“еперь смотрим на каждое слово отдельно и понимаем, что это - существительное, глагол, прилагательное или еще что то. √отовые фреймоврки обучены на на миллионах слов и учитывают слова сто€щие р€дом, дл€ повышени€ точности определени€.

ѕолучаем:

  • London - им€ собственное
  • is - глагол
  • the - артикль
  • capital - существительное
  • and - союз
  • most - наречие
  • populous - прилагательное

4. Ћемматизаци€

Ћемматизаци€ (англ. lemmatization) - приведение словоформы к ее первоначальной словарной форме (лемме). ѕо факту, это отсечение окончаний и использование основой формы.

Ќапример, в русском €зыке словарной формой считаетс€:

  • существительные - именительный падеж, единственное число (руками - рука)
  • глаголы - инфинитивна€ форма (искали - искать)
  • прилагательные - единственное число, именительный падеж, мужской род (телекоммуникационными - телекоммуникационный)

¬ NLP лемматизаци€ обычно выполн€етс€ простым поиском форм в таблице. ¬от что мы получаем:

  • London - им€ собственное (уже начальна€ форма)
  • is - глагол (превращаетс€ в be)
  • the - артикль (уже начальна€ форма)
  • capital - существительное (уже начальна€ форма)
  • and - союз (уже начальна€ форма)
  • most - наречие (уже начальна€ форма)
  • populous - прилагательное (уже начальна€ форма)

5. —топ слова

¬ нашем примере мы рассматриваем англо€зычный фрагмент текста. ѕоэтому, из него нужно убрать слова, которые создают избыточный шум - артикли, например "and", "the", "a". ќбычно, это делаетс€ по готовым таблицам.

—нова смотрим на наше предложение:

  • London - им€ собственное (уже начальна€ форма)

  • is - глагол (превращаетс€ в be)

  • the - артикль (уже начальна€ форма)

  • capital - существительное (уже начальна€ форма)

  • and - союз (уже начальна€ форма)

  • most - наречие (уже начальна€ форма)

  • populous - прилагательное (уже начальна€ форма)

6. ѕарсинг зависимостей

—ледующим шагом нам важно пон€ть взаимосв€зь слов в предложении. Ќужно пон€ть, кто €вл€етс€ родителем дл€ каждого из токенов (слов) и установить тип взаимосв€зи: субъект предложени€, свойство, логическа€ св€зь, определение и так далее.

¬ результате мы получаем уже почти готовое дерево св€зей. Ћогическим продолжением этого шага €вл€етс€ группировка токенов по признакам взаимосв€зи.

Ѕыло:

  • London - им€ собственное (уже начальна€ форма)
  • is - глагол (превращаетс€ в be)
  • the - артикль (уже начальна€ форма)
  • capital - существительное (уже начальна€ форма)
  • and - союз (уже начальна€ форма)
  • most - наречие (уже начальна€ форма)
  • populous - прилагательное (уже начальна€ форма)

—тало:

  • London
  • is
  • the capital
  • and
  • most populous city

7. –аспознавание именованных сущностей (Named Entity Recognition, NER)

ƒвига€сь по пайплайну мы подходим к самому интересному, на мой взгл€д, шагу - распознавание смысла слов. ¬ы уже заметили, что в нашем предложении встречаютс€ географические сущности, такие как "London", "England" и "United Kingdom". Ќа этом этапе пайплайна мы пониманием что это географический объект и определ€ем это, наполн€€ наш текст смыслом. NER алгоритмы хорошо работают с такими объектами как:

  • имена людей;
  • названи€ компаний;
  • географические обозначени€ (и физические, и политические);
  • продукты;
  • даты и врем€;
  • денежные суммы;
  • событи€.

“ут важно отметить, что хороша€ NER система это не только словари. ќни так же просматривают контекст предложени€ и окружение каждого конкретного токена. јдекватный NER должен уметь отличить американскую актрису ƒакоту ‘аннинг от штата ƒакота на севере —Ўј

 –аспознавание именованных сущностей (Named Entity Recognition, NER)
NER система и ƒакота ‘аннинг

8. –азрешение кореференции

≈сли быть кратким, то это решение вопроса с местоимени€ми, которые во всем тексте означают тот или иной объект. ¬ернемс€ к нашему изначальному тексту, который мы разбивали на предложени€

London is the capital and most populous city of England and the United Kingdom. Standing on the River Thames in the south east of the island of Great Britain, London has been a major settlement for two millennia. It was founded by the Romans, who named it Londinium.

ќбратите внимание на "It was founded by the Romans, who named it Londinium." Ёто было основано римл€нами. Ёто? „то это?

¬от и задача дл€ дл€ алгоритмов св€зать, что Ёто в данном контексте - это = Ћондон.

–азрешение кореференции

9. »тог. ѕолный пайплайн NLP

»так, подытожим. „тобы получать смыслы из речи человека текст проходит мощную обработку в конвейере NLP. ѕомимо прочего, NLP можно юзать и в голосовых технологи€х, преобразу€ речь в текст в рамках ASR механизмов и снова пропуска€ через пайплайн NLP.

—уммарно, чтобы читать между строк и получать смысла информаци€ перемалываетс€ через эти 9 шагов (где то их может быть меньше, а где то в другом пор€дке, например):

  1. ƒробим на предложени€
  2. “окенизаци€
  3. „асти речи
  4. Ћемматизаци€
  5. —топ слова
  6. ѕарсинг зависимостей
  7. √руппировка токенов (существительных)
  8. –аспознавание именованных сущностей (Named Entity Recognition, NER)
  9. –азрешение кореференции
 то делает?

ѕродуктов много. ≈сть как тривиальные инструменты создани€ блок - схем (статичных алгоритмов обработки запросов), так и интерфейсы с продвинутым NLP, о котором мы поговорили ранее, есть энтерпрайзные решени€, есть и решени€ дл€ SMB. Ќе дела€ рекламы, поговорим про бесплатные решени€. Rasa.com

RASA.com

RASA.com - чат бот бесплатно

–еб€та дают бесплатный фреймворк дл€ быстрого старта. ≈сть энтерпрайз коммерческие тарифы, которые дадут SLA и не комьюнити бэйзд гарантии. ” реб€т 0.5 млн загрузок по миру, 3.5 активных участников комьюнити.

—хематично парни из раса.ком обозначили принципы работы их чат бота как на картинке:

ѕринцип работы чат бота RASA.com

ћожно попробовать абсолютно бесплатно, дав плечо фреймворку в свои данные.

»тоги

— развитием машинного обучени€ цифровое будущее становитс€ все ближе и ближе. Ќа руку прогрессу и развитию роботизации в клиентском сервисе играют поколенческие факторы, общие характеристики нового поколени€, тренды и даже политическа€ обстановка. Ѕудьте первыми, будьте актуальными, будьте технологичными и свежими.


ѕолезна ли ¬ам эта стать€?


Ёти статьи могут быть вам интересны: