Технологии машинного обучения помогают повышать качество поддержки и сокращать затраты
Сложные системы и продукты, высокая скорость их изменений, слабый уровень технической подготовки пользователей – вот основные причины большого количества обращений в ИТ-поддержку. Чем чаще пользователи вынуждены обращаться за поддержкой, тем больше нагрузки на ИТ-специалистов и ниже удовлетворённость бизнеса. Как разорвать этот порочный круг?
Одно из слагаемых успеха – развитие систем самообслуживания, позволяющей пользователю в типовых ситуациях самостоятельно находить и применять решения. На предприятиях с высокой текучкой кадров, характерной, например, для банковских и розничных сетей, это может дать существенный эффект. Однако, для того, чтобы этот подход сработал, требуется создать действительно умную и удобную в использовании базу знаний.
Решение Cleverics
Мы разработали и помогаем заказчикам применять решение, которое помогает пользователям получать советы, не прибегая к отдельному шагу поиска по базе знаний, который крайне редко приветствуется бизнес-сотрудниками и используется ими на практике.
Пользователи могут получить рекомендацию по решению как при регистрации запроса на сервисном портале, так и при обращении за поддержкой по электронной почте.
При регистрации запроса на портале сразу после ввода описания текущей ситуации пользователь получает статьи базы знаний, которые помогли в аналогичных ситуациях ранее.
При обращении по электронной почте в письме с уведомлением о регистрации обращения пользователю приходит перечень статей базы знаний, если статья помогла, то пользователь может отменить поданное ранее обращение.
Решение не является простым поиском по ключевым словам. В основе решения алгоритмы машинного обучения, использующие опыт применения решений из базы знаний.
Возможно использование данного решения вместе с автоматической классификацией обращений. В таком случае накопления опыта использования статей базы знаний не требуется, достаточно привязывать статьи к элементам классификатора.
При обращении по электронной почте в письме с уведомлением о регистрации обращения пользователю приходит перечень статей базы знаний, если статья помогла, то пользователь может отменить поданное ранее обращение.
Решение не является простым поиском по ключевым словам. В основе решения алгоритмы машинного обучения, использующие опыт применения решений из базы знаний.
Возможно использование данного решения вместе с автоматической классификацией обращений. В таком случае накопления опыта использования статей базы знаний не требуется, достаточно привязывать статьи к элементам классификатора.
В результате внедрения заказчик получает:
Оценку текущей базы знаний и данных об опыте применении решений
Техническое решение для извлечения и очистки данных и обучения модели
Web-сервис для автоматического поиска статей по запросам пользователей, который может быть использован с любой системой автоматизации ИТ-поддержки
Для компаний, которые используют OMNITRACKER, мы также предоставляем готовое решение по интеграции web-сервиса в бизнес-логику обработки почтовых сообщений и интерфейс портала поддержки пользователей
Применение машинного обучения для самообслуживания
позволяет получить следующие бизнес-результаты:
Повышение продуктивности персонала за счёт скорейшей помощи при возникновении затруднений
Высвобождение ИТ-ресурсов за счёт снижения количества поступающих запросов
Повышение качества поддержки за счёт сокращения среднего времени решения
По этой теме
Изображение на обложке: Lysander Yuen / Unsplash