الهدف والهدف
واسمحوا لي أن أذكرك بأنه في
المقالة الأولى ، حصلنا على نموذج بجودة ترضينا وتوصلنا إلى استنتاج أنه لا يستحق بناء شبكات عصبية على الفور ، لن يكون مفيدًا كثيرًا من البيانات غير الصحيحة. لتجنب إهدار الوقت والطاقة ، يكفي تحليل الأخطاء في الطرز "البسيطة".
في هذه المقالة ، سنتحدث عن اشتقاق نموذج العمل بطريقة مثمرة.
اختبارات المصنف الأول. من ميثوديوس لآنا
لذلك ، بعد تحليل الأخطاء ، حصلوا على جودة مقبولة وقرروا جعل النموذج مثمرًا. لقد قمنا بنشر النموذج كخدمة ويب ، وقم بإضافة مكالمة خدمة الاتصال الهاتفي أثناء المكالمة. وإذا كنا قبل ذلك نكافح مع التعقيدات النموذجية للمهام ml (الترميز ، عدم التوازن) ، فإن أساليب التعامل معها معروفة ، ثم بدأت المتعة.
دون التفكير لفترة طويلة ، قررنا أن نبدأ مع روبوت Methodius ، الذي سيلتقي العملاء بصوت آلي.
ميثوديوس خدم الناس من هذا القبيل.
أظهر يوم الاختبار الأول أن الناس غير راضين عن الروبوت.
19٪ من العملاء توقفوا ، 58٪ لم يقلوا شيئًا ولم يجيبوا على Methodius. لسبب ما ، فقط بعد هذه الأرقام ، اعتقدنا أنه قبل بدء الخدمة ، كان علينا أن نفكر فيما سيسأل الروبوت ، بأي صوت ، سواء كان روبوتًا أو "عاملًا" ، بمعنى آخر ، كان علينا التفكير في دمج النموذج في العالم الواقعي المستخدمين. هذا تبين أن الأصعب.
التكامل. تحقق من القائمة
قمنا بتجميع قائمة مرجعية لدمج النظام مع العالم الحقيقي. لذلك ، قبل البدء في هذا النوع من الخدمة في منتج ما ، عليك التفكير في:
- غرض الحوار
- جمل بوت
- حجم النص / الكلام من الروبوت
- تحديد نهاية نسخة العملاء
- سيناريو التفاعل
بعد ذلك ، أشرح كل نقطة من النقاط.
النقطة المهمة الأولى هي فهم ما نريد الحصول عليه من خلال تطبيق الروبوت. أجبنا على الفور: "طلب مصور للحصول على الدعم الفني". لكن كيف تسأل بحيث يفهم المستخدم ما يريدونه منه هي قصة مختلفة. لقد اقتحمنا كل عبارة ، إذا زاد عدد الأشخاص الذين أجابوا عن الروبوت فقط. الاستنتاجات الرئيسية التي توصلنا إليها فيما يتعلق بعبارات الروبوت:
- يجب ألا تحتوي عبارات Bot على صوت خامل
- يجب أن تكون عبارات بوت قصيرة
- في نهاية كل عبارة ، يجب أن يكون واضحًا ما يجب على المستخدم فعله. تحتاج إلى استخدام الأسئلة التوجيهية في كل مرحلة من مراحل الاتصال مع الروبوت. في تجربتنا ، أستطيع أن أقول إن الفرق بين العبارات "أستمع إليك" و "ما هو سؤالك؟" هناك!
- العبارة الأخيرة في التواصل مع الروبوت مهمة ، بحيث يفهم العميل ما يجب أن يتوقعه بعد ذلك. في حالتنا ، في نهاية الاتصال ، قال الروبوت بوضوح: "سوف أقوم بتحويل مكالمتك إلى متخصص في هذه المسألة" ، لذلك فهم العميل قيمة التواصل مع الروبوت.
بعد ذلك ، قررنا تجربة صوت الروبوت ، لذلك حصلنا على فتاة ، ماريا.
أعطت نتيجة الاختبار مع ماريا الأمل.
بالفعل أجاب المزيد من الناس على الروبوت ، كان هناك 27 ٪ من الناس الصامتين بدلا من 58 ٪ ، ولكن لا يزالون يريدون تخفيض عددهم. لقد استمعنا إلى أمثلة من الاختبار التجريبي وكشفنا عن حالات مثيرة للاهتمام عندما لم يكن لدى الناس وقت للانتهاء أو لم يكن لديهم الوقت لبدء الحديث. المثال أعلاه هو حيث قاطعت ماري العميل ، ولم تنتظر نهاية الإجابة.
كان هناك أشخاص يتعمدون الصمت ، وهم يعلمون أن هذا الروبوت وينتظر المشغل. تعاملنا معهم بشكل منفصل. وهناك أشخاص لا يستطيعون الإجابة بسبب قلة الوقت المخصص للرد. لقد فهمنا أنه من غير المنطقي المقاطعة ، حيث يتم تقليل ولاء العملاء.
قررنا إجراء تجارب على اختيار مدة تسجيل استجابة العميل. كان من الضروري اختيار مدة التسجيل المثلى حتى تصبح أكبر عدد ممكن من العبارات غنية بالمعلومات ، أي أنها تحتوي على نص ذي معنى يمكن تصنيفه. يوضح الجدول النسبة المئوية للعبارات الإعلامية لفترات مختلفة من تسجيل استجابة العميل.
أظهرت التجارب أن 10 ثوانٍ كافية لصياغة طلب.
لكن الحد من الوقت هو مجرد وسيلة لإكمال تسجيل استجابة العميل ، وهناك طرق أخرى. يعد اكتشاف الصمت أو تحديد نهاية الإشارات بواسطة تجويد السماعة من الأساليب الأكثر فعالية. تم بالفعل تنفيذ اكتشاف
توهين الكلام في العالم ؛ حيث يسترشد المطورون بالتجويد. ولكن بعد العديد من التجارب التي استغرقت وقتًا محددًا لتسجيل الاستجابة ، قررنا اكتشاف الصمت باستخدام Asteriska ، وكان هذا بالفعل كافياً للحصول على نتائج جيدة.
يبدو أن كل شيء على ما يرام بالفعل ، حيث يستمع الروبوت بقدر الضرورة ، وتلقى صوتًا جديدًا واسم "Anna". ولكن أظهر اختبار آخر لهذه التحسينات انخفاضًا كبيرًا في عدد الأنابيب المهجورة. انخفض عدد الأشخاص الصامتين أيضًا ، ولكني أردت أفضل.
دون التفكير مرتين ، قررنا تعديل البرنامج النصي لتفاعل الروبوت مع العميل. إذا لم يرد العميل (صامتًا) واكتشفنا ذلك في غضون ثلاث ثوانٍ ، فسوف تسأل Anna مرة أخرى. بسبب اكتشاف الصمت المستخدم سابقًا ، اتضح أنه من السهل إدراكه. ويرد المخطط النهائي لسيناريو الحوار أدناه.
تم ذلك لإحياء المحادثة وتكرار سؤال الروبوت عندما لا يكون المستخدم قد سمع العبارة الأولى من Anna.
ونتيجة لذلك ، أصبح هذا التطبيق مثمرًا ، حيث تم إنتاج 4٪ من الأنابيب المهجورة و 6٪ فقط من الأشخاص الصامتين. لقد استمر هذا الأمر لمدة 6 أشهر تقريبًا ، يبدو أن النموذج جاهز ، إنه مصنف جيدًا ، لكن كان من الصعب تنفيذه.
بعد الاستنتاجات
النموذج النهائي هو الشيء الوحيد الذي يمكن القيام به ،
وسوف يتحول إلى إنتاجية عندما تفهم المستخدمين كيف وكيف وما يقولون ، سواء كانوا على استعداد للتواصل مع الروبوت.
بعد ذلك فقط ، لن يكون تنفيذ النموذج أمرًا صعبًا وسترتفع مؤشرات الأعمال.
مقدمة آنا. النتائج
تصنيف المكالمات قلل وقت الاتصال. تم تخفيضه بمقدار 15 ثانية ، وهذا هو 350 مكالمة معالجتها في اليوم الواحد. تم تقليله نظرًا لحقيقة أن المشغلين أجابوا على الفور على السؤال الذي تم نقله إليهم من الروبوت ، ولم يمضوا وقتًا في الاستماع إلى العميل. ولكن هذا ليس هو الشيء الرئيسي.
سمح تصنيف المكالمات للمشغلين بتلقي المكالمات حول مواضيع محددة. ما هو المهم بسبب المشكلات التي كتبت في
الجزء الأول من المقالة : مجموعة متنوعة من الموضوعات لم تسمح للمشغلين بالوصول بسرعة إلى الخط ، أولاً كان من الضروري معرفة الإجابات عن جميع أسئلة العملاء. بعد إدخال النظام ، بدأ تدريب المشغل يستغرق أسبوعًا واحدًا بدلاً من 3 أشهر. بالطبع ، يواصل المشغل دراسته ، لكن يمكنه بالفعل تلقي مكالمات حول موضوع درسه في الأسبوع الأول.
سوف أراكم في المقالة التالية ، حيث سأتحدث عن حالة أخرى تتعلق باستخدام المصنفات الصوتية ، أي كيف خفضت أنا آنا عدد عمليات النقل بين الدعم الفني وقسم المبيعات.