Предиктивное определение проблем клиента

2021 год.

Предложение клиентам самых релевантных продуктов и услуг на основе анализа доступных данных

Клиентский сервис Крупный бизнес Финансы

Какую проблему решали

Сотрудники службы поддержки тратили время на то, чтобы выяснить у клиентов, с какой проблемой они обращаются за помощью. Команда интернет-банка ВТБ поставила перед собой задачу разработать и внедрить сервис, основанный на предиктивных технологиях в области искусственного интеллекта, который мог бы определять проблемы клиентов еще до их обращения в поддержку. Для оценки эффективности используют показатель «доля активных клиентов, обратившихся за поддержкой в заданный период».

Сервис помогает и сотрудникам банка – они заранее узнают, с какими проблемами сталкиваются клиенты и какой может быть тема их обращения.

Решение проблемы

Новый сервис решает задачу предугадывания проблемы клиента, опрашивая ряд банковских источников данных о пользователе. На основе полученных сведений действия клиентов классифицируются в связке с событиями и операциями по взаимодействию с банком.
Информация попадает в предиктивную модель, которая передает в сервисы банка данные о предполагаемой проблеме и потенциальном решении, что помогает быстрее разрешить возникшие трудности клиента и предложить ему наиболее релевантные продукты и услуги. Для этого используются интерфейсы сервиса «Помощь», чат, строка глобального поиска, а также виджеты на странице интернет-банка.

Если клиент всё же обращается на линию поддержки, оператор в АРМ видит специальную подсказку по предыдущим запросам клиента, которая сокращает время на выяснение проблемы.

Применяемые технологии

Технологическое решение построено на применении взаимосвязанных сервисов, которые решают три основные задачи:
1. Асинхронный опрос источников данных внутри банка, формализация и препроцессинг данных.
2. Предварительная оценка бизнес-ценности информации
3. Классификация данных с помощью модели, обученной на больших объемах данных о пользователе. Она нужна для определения возможного типа проблемы клиента

Работа с различными типами данных от более чем 1 миллиона клиентов потребовала масштабное использование методов Big Data и анализа данных.

Бизнес-процесс

До проекта:

Клиент обращается с вопросом или проблемой в любой доступный канал связи с банком
Оператор банка фиксирует проблему
При необходимости сотрудник подключает вторую линию поддержки, пока не будет найдено решение

После проекта:

При возникновении у клиента проблемы технического характера система автоматически фиксирует это
Сведения об ошибке передаются в предиктивную модель
Формируется прогноз о предполагаемой проблеме
Клиенту или службе поддержки передаются сведения о возможном решении возникшей проблемы еще до обращения клиента за помощью