3761

Автоматизированный анализ разговоров с клиентами

Ноябрь, 2019 год.

Технология выявления нарушений в диалогах сотрудников с клиентами для контроля уровня сервиса CarTaxi.

alt

Какую проблему решали

Сервис CarTaxi выполняет около 200 заказов в день. Телефонный разговор клиента с исполнителем для уточнения деталей заказа длится в среднем 4 минуты.
Структура диалога между исполнителем и клиентом строго регламентирована. Для выявления в коммуникации операторы прослушивают 800 минут записей разговоров в день.
С развитием сервиса увеличивалось количество заказов и росли трудозатраты на анализ разговоров.
Решение проблемы
Компания разработала решение для автоматического анализа записей телефонных разговоров сотрудников, клиентов и исполнителей.
Решение распознает аудиозапись разговора, преобразует ее в текст, выявляет в диалоге возможные нарушения и проставляет специальные маркеры в случае высокой вероятности отклонения от принятых в компании правил.
Диспетчер проверяет разговоры, помеченные маркерами, подтверждая или отклоняя предположения о наличии нарушения.
Применяемые технологии

Разговоры между клиентами и водителями записываются в 2х-канальном режиме для того, чтобы можно было определить, кто в данный момент говорит — клиент или исполнитель. Для преобразования аудиозаписи в текст используется сервис AI SpeechKit от Яндекс.Облака.

Разработанный в компании сервис для автоматизированного анализа диалога на базе предварительно обученной рекуррентной нейронной сети выявляет нарушения в коммуникации. Полученные данные используются для дообучения модели.

Бизнес-процесс

До проекта:

  • Диспетчеры прослушивают все разговоры исполнителей с клиентами.
  • 13,3 чел/час в день тратится на прослушивание записей.
  • 150 тыс. рублей в месяц — затраты на контроль уровня сервиса.
  • Человеческий фактор снижает долю выявляемых нарушений.
  • 30% — коэффициент возврата клиентов.

После проекта:

  • Записи разговоров анализируются автоматически.
  • 25 тыс. рублей в месяц — затраты на контроль уровня сервиса.
  • Повысилась точность выявления нарушений.
  • Улучшилась дисциплина исполнителей.
  • 45% — коэффициент возврата клиентов.

Результаты

Команда пpoекта

Алексей Таянчин
Тимлид
Андрей Хохлов
CIO

Похожие кейсы

AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.