Как машинное обучение меняет контакт-центры

Научно-популярное, контакт-центр, контроль качества, машинное обучение, автоматизация.

Прочитав эту статью, Вы узнаете о причинах возникновения сферы машинного обучения, познакомитесь с его базовыми принципами, а также с ключевыми проблемами, которые могут быть решены с помощью машинного обучения в контакт-центрах.

Возможно, Вы уже задавались вопросом: что такое машинное обучение, и чем оно может быть полезно руководителю контакт-центра… Постараемся объяснить доступными словами, опираясь на собственный опыт и знания. Как правило, работа контакт-центра сопряжена с обработкой большого количества телефонных звонков и сообщений - этот поток информации содержит в себе много важной информации и нуждается в детальном исследовании, результаты которого помогают руководству принять эффективные управленческие решения.

Например, руководитель контакт-центра хотел бы достоверно знать, кто из его сотрудников наиболее эффективен в общении с клиентами, а кто менее, насколько точно соблюдаются корпоративные стандарты компании, и какие из них вызывают наибольшие трудности в выполнении, насколько велики риски ухода клиентов и т.д. Все эти вопросы в той или иной степени связаны с очень важным явлением, которое называется неопределенностью. Все мы ежедневно боремся с ней во всех сферах нашей жизни: хотим знать, какая будет погода, как изменятся курсы валют, что происходит с нашим здоровьем.

Одним из наиболее эффективных инструментов в этой борьбе является набор алгоритмов и методов обработки данных, которые в своей совокупности и составляют сферу машинного обучения. Проще говоря, машинное обучение – это инструмент, с помощью которого повышаются шансы ответить на вопросы, содержащие неопределенность. На всякий случай приведем пример. Если бы руководитель контакт-центра знал, что вероятность ухода клиента определяется как длительность звонка, возведенная в квадрат, то никакое машинное обучение было бы не нужно, так как всегда было бы понятно: чем дольше длится разговор, тем выше вероятность того, что клиент перестанет пользоваться услугами контакт-центра.

На самом же деле, принятие решения об уходе зависит от большого количества факторов. Но это не повод отчаиваться, так как именно с помощью машинного обучения реально приблизиться к осознанию того, как эти факторы связаны друг с другом, и как они влияют на интересующий нас параметр. Таким образом, используя алгоритмы и методы машинного обучения, можно точнее понять, что происходит на каждом этапе и уровне работы контакт-центра, что вероятнее всего будет происходить и как оптимизировать работу так, чтобы важные показатели улучшились.

Теперь давайте более подробно рассмотрим конкретные проблемы и задачи, возникающие в контакт-центре, которые могут решаться с помощью инструментов машинного обучения. Чтобы Вам было удобнее, мы приведем ключевые задачи в виде списка:

Решение этих задач создает фундамент для решения следующих проблем:

Отдельно стоит сказать о проблеме влияния человеческого фактора на работу контакт-центра. В теории эта проблема может быть устранена путем решения задачи роботизированной обработки звонков и текстовых сообщений. Вместе с тем, современные голосовые роботы и чат-боты не всегда обладают требуемым уровнем адекватности и гибкости, на который рассчитывают клиенты контакт-центра. В этой ситуации свою актуальность сохраняют программные решения, которые упрощают работу контакт-центра, но не заменяют всех его сотрудников.

Чтобы попытаться решить приведенные выше проблемы и задачи, можно выбрать подходящие инструменты машинного обучения. Само машинное обучение включает в себя искусственные нейронные сети (neural networks), сети глубокого обучения (deep learning), кластерный анализ, различные метрические алгоритмы и является составной частью более обширной области знания, которая называется искусственным интеллектом.

Машинное обучение относится к междисциплинарным направлениям научной мысли и оно базируется на достижениях математической статистики, теории оптимизации и классической математики. Но также важно то, что под машинным обучением понимают не только теоретическую науку, но и прикладную, используемую на практике технологию. Словом “обучение” чаще всего определяют процесс выявления общих закономерностей в структуре данных, что соответствует индуктивному обучению. Индуктивное обучение связано с решением ряда задач, среди которых стоит отметить, например, регрессию (обучение с учителем), кластеризацию (обучение без учителя). В случае концепции “с учителем” формируется зависимость между ответом алгоритма и описанием объекта. При обучении “без учителя” ответы не определяются, то есть алгоритм моделирует зависимость между самими объектами. Существуют и другие подходы к обучению. При использовании методов машинного обучения первостепенное значение имеют структура исходных данных и их свойства. Существуют специальные процедуры и средства предварительной обработки, нацеленные на подготовку имеющейся информации к ее последующему компьютерному исследованию - более подробно об этом Вы сможете почитать в планируемой нами статье “Вкусные данные - сытый бизнес”. Актуальные инструменты машинного обучения способны самостоятельно определять скрытые закономерности в различных процессах и системах, в том числе, в работе контакт-центра. Данная сфера обладает огромным потенциалом и демонстрирует наиболее интенсивный рост по сравнению с другими областями информационных технологий. Для руководителей контакт-центра это означает, что машинное обучение в 20-ых годах XXI века – это ключ к возможному снижению затрат и повышению вероятности роста прибыли.

#контактцентр #машинноеобучение #автоматизация