8010
Автоматическая верификация категории продавцов
2021 год.Проверка типов торговых точек с помощью автоматизированного парсинга их сайтов
Какую проблему решали
Каждый клиент сервиса эквайринга Сбера предварительно подает заявку с указанием вида своей деятельности. Эта информация содержится в коде типа торговой точки, MCC, состоящем из четырех цифр. Каждый MCC проверялся менеджером вручную, что увеличивало срок рассмотрения каждой заявки. Для верификации кода требовалось посетить сайт потенциального партнера сервиса и удостовериться, что MCC присвоен правильно.
Торговые точки, решившие присоединиться к сервису эквайринга Сбера, теряли время, а, значит, и прибыль в ожидании результатов рассмотрения заявки, на обработку которой уходило до 10 дней.
Решение проблемы
Для автоматизации проверки и исправления неверных MCC Сбер разработал набор моделей и алгоритмов машинного обучения.
Внедренное решение точно и быстро определяет код типа торговой точки, используя многофункциональный парсер сайтов магазинов и классификацию на основе искусственного интеллекта.
Это позволило снизить расходы на персонал, ускорить рассмотрение заявок от партнеров, увеличить точность определения MCC и увеличить прибыль.
Применяемые технологии
Ядро системы верификации кода типа торговой точки – технологии NLP (Natural Language Processing) по работе с текстом. Информация с сайта заявителя парсится и обрабатывается в несколько этапов. Слитный текст разделяется, служебные символы верстки удаляются, как и стоп-слова, текст переводится в нижний регистр, после чего подвергается лемматизации, то есть переводу слов в их словарную форму.
Обработанный текст переводится в векторное представление, и это позволяет классифицировать его в разрезе группы кодов и на финальном этапе – самого кода MCC.
Обработанный текст переводится в векторное представление, и это позволяет классифицировать его в разрезе группы кодов и на финальном этапе – самого кода MCC.
Бизнес-процесс
До проекта:
- Партнер отправляет в сервис эквайринга Сбера заявку на подключение
- В заявке содержится код типа торговой точки (MCC)
- Каждую заявку вручную обрабатывает менеджер Сбера, проверяя, в том числе, верность заполнения поля MCC
- После верификации данных принимается решение по заявке
После проекта:
- Код MCC в заявке проверяется системой Сбера в автоматическом режиме
- Сайты компаний-заявителей анализируются с помощью технологий NLP
- Решение от Сбера автоматически определяет Код MCC с точностью до 81%
Результаты
Команда Сбер (MCC)
Александра Залипаева
Владелец продукта
Егор Морозов
Data scientist
Похожие кейсы
AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.
