16079

Голосовой робот Олег для общения с клиентами

Февраль, 2020 год.

Автоматизация колл-центра Тинькофф с помощью технологий глубокого обучения.

alt

Какую проблему решали

К началу 2020 года экосистема Тинькофф насчитывала почти 10 млн клиентов – физических и юридических лиц. Количество клиентов увеличивалось в среднем на 250 тыс. ежемесячно.

В колл-центр компании за день поступало 50-60 тыс. звонков, которые принимали и обрабатывали операторы – 10 тыс. специалистов из разных городов России. На их обучение и информирование уходило большое количество ресурсов.
С ростом клиентской базы увеличивалось количество обращений, и клиенту приходилось ждать, пока свободный оператор возьмет трубку. Альтернативой увеличению штата сотрудников стала автоматизация колл-центра.
Решение проблемы
Команда Тинькофф разработала голосового робота Олега, который принимает более 80% входящих звонков вместо операторов колл-центра. 
Робот моментально переводит запрос клиента в текст и анализирует его, определяя тематику обращения. В случае необходимости задает уточняющие вопросы.
Олег самостоятельно обрабатывает порядка 80 сценариев запросов, закрывая 10% обращений без участия операторов. Если робот не может сам ответить на вопрос, он моментально подбирает подходящего оператора и переводит звонок на него.
Применяемые технологии

В решении использованы собственные речевые технологии Тинькофф VoiceKit, в основе которых — глубокие нейросетевые модели для синтеза и распознавания речи. С их помощью во время звонка клиента робот переводит аудио в текст, а ответы из скрипта на выходе синтезируются из текста в аудио. 

Использованы алгоритмы:
  • LSTM — в задачах классификации и выделения сущностей;
  • LDA и K-means — для кластеризации и выделения новых тематик;
  • Logistic regression — для простых задач классификации;
  • ELMO, BERT — алгоритмы для векторизации текстов.

Тематику обращения робот определяет при помощи NLP-движка. Робот обрабатывает 80 сценариев запросов, с которыми клиенты обращаются чаще всего.


 

Бизнес-процесс

До проекта:

  • 100% обращений операторы обрабатывают вручную.
  • Система маршрутизации запросов не всегда срабатывает точно.
  • Длительный процесс обучения и информирования операторов.
  • 5-6 минут – среднее время для решения вопроса клиента, из-за этого очередь на линии.

После проекта:

  • 80% звонков от клиентов принимает робот.
  • 10% звонков робот закрывает самостоятельно, отсеивает еще 7% «неразборчивых» звонков.
  • Более 5 тыс. человек могут обслуживаться роботом одновременно.
  • Точная маршрутизация звонка на нужного оператора, если робот не может помочь самостоятельно.

Результаты

Команда проекта

Павел Калайдин
Директор по технологиям искусственного интеллекта Тинькофф
Константин Маркелов
Вице-президент по бизнес-технологиям Тинькофф
AI команда Тинькофф

Похожие кейсы

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