Malakoff Humanis підвищує якість обслуговування клієнтів за допомогою програми Dataiku Deep Belief

Malakoff Humanis – некомерційна медична страхова компанія №1 у Франції. Вона пропонує медичні, соціальні та пенсійні контракти компаніям і співробітникам, самозайнятим і індивідуальним платникам. Як додаткове медичне страхування, пайовий інвестиційний фонд покриває відшкодування витрат на охорону здоров’я на додаток до французького соціального страхування і допомагає клієнтам при виборі установи по догляду. Чисельність персоналу компанії складає 11 тис. осіб. В її структурі міститься 426 тисяч клієнтських підприємств, а чисельність власного капіталу становить 6,5 млрд. євро.

У Malakoff Humanis існує спеціальний відділ обробки і аналізу даних, який очолює директор за даними. Відділ даних складається з чотирьох основних відділень, кожне з яких відповідає за:

• науку про дані і аналітику;
• управління даними;
• архітектуру даних і хмару;
• AI і візуалізацію даних.

Щоб впоратися зі зростаючими проблемами, пов’язаними із задоволенням вимог клієнтів і забезпеченням якісного обслуговування клієнтів, Malakoff Humanis звернувся до програми Dataiku Deep Belief, яка надає консалтингові послуги для вирішення амбітних проектів AI. У рамках цієї програми Malakoff Humanis співпрацював з аналітиками даних Dataiku над двома проектами розширеної обробки природної мови (NLP).

Обробка природної мови для класифікації претензій клієнтів

Спочатку Malakoff Humanis почав працювати з Dataiku над рішенням на основі штучного інтелекту, яке допомагає зрозуміти тему онлайн-претензій з допомогою алгоритмів класифікації NLP і автоматично відправляє претензію відповідній групі обслуговування клієнтів.

Розроблена модель послужила основою для створення і реалізації іншого рішення для поліпшення телефонної підтримки клієнтів через NLP, яке сьогодні повністю введено у дію і широко використовується у відділі обслуговування клієнтів. Початковий проект показав переваги використання централізованої корпоративної платформи штучного інтелекту і аналізу даних для наскрізного ШІ, зокрема, проектів, пов’язаних з NLP, а також цінність повторного використання і капіталізації проектів даних.

Мовна аналітика і аналіз настроїв для поліпшення обслуговування клієнтів по телефону

Метою другого проекту штучного інтелекту, який Malakoff Humanis розробив з використанням програми Dataiku Deep Belief, був аналіз змісту дзвінків клієнтів (теми розмови і тон бесіди), щоб визначити напрямки, в яких необхідно поліпшити якість телефонних консультацій. Основними цілями проекту були:

• поліпшене керування телефонними консультаціями завдяки більш глибокому розумінню мотивації, больових точок і рівнів задоволеності тих, хто телефонує;
• скорочення часу дзвінка і менша кількість повторних дзвінків;
• менше навантаження на службу підтримки клієнтів;
• підвищення рівня задоволеності клієнтів.

Рішення складається з двох модулів, які відповідають на два питання:

1. Класифікація тем: про що дзвінки? Мета полягає у тому, щоб з’ясувати, чому існує надлишок дзвінків з певних тем, щоб сформувати більш компетентний кадровий склад.
2. Аналіз тональності: який рівень задоволеності від дзвінків? Мета полягає у тому, щоб побудувати модель, яка дозволяє отримувати нову інформацію про глобальний тон дзвінків і знати, якими темами і проблемами клієнти не задоволені найбільше, щоб швидше на це відреагувати. Крім того, аналіз дозволяє оцінити рівень задоволеності клієнтів при консультуванні різними командами співробітників, а також порівняти ефективність внутрішніх і зовнішніх груп підтримки клієнтів.

Незважаючи на те, що об’єкт класифікації або вхідні дані у другому проекті відрізнявся від першого (голосові записи телефонних розмов на відміну від письмових заяв в Інтернеті), схожість з точки зору тематичних категорій і використовуваних методів класифікації NLP дозволило повторне використання та перепрофілювання алгоритму класифікації, побудованого для першого проекту. В результаті значно скоротився час, необхідний для запуску моделі у виробництво.

Модель аналізу настроїв NLP, побудована для оцінки тони телефонних дзвінків, дозволяє прогнозувати загальний тон, тон окремих пропозицій в розмові, а також тональність на початку і в кінці розмови (20% перших і останніх слів). За відсутності мічених транскриптов для тону передбачення були перевірені емпіричним шляхом. Нарешті, була створена динамічна інформаційна панель для представлення результатів прогнозів і прийняття рішень в режимі реального часу.

Результати

Проект дозволив створити ланцюжок обробки, яка приймає у якості вхідних даних розшифровку телефонних розмов, аналізує і класифікує тон, а також тему розмови. Незважаючи на відносно невелику кількість помічених транскрипцій, отримана інформація дозволяє аналізувати і контролювати загальний вміст і тональність дзвінків, а також точно класифікувати їх за основними категоріями. Програма Dataiku Deep Belief дозволила ідентифікувати і ввести у дію новий розширений варіант використання NLP для команди Malakoff Humanis AI безпечним і масштабованим способом. Такий підхід дозволив вийти за рамки суто «алгоритмічного» підходу і зосередити зусилля проекту не тільки на технічних аспектах, а й на конкретних бізнес-цілях.