Здравоохранение

Malakoff Humanis повышает качество обслуживания клиентов с помощью программы Dataiku Deep Belief

~ 4 мин

Компания применила два метода NLP – обработку естественного языка для классификации претензий клиентов и речевую аналитику и анализ настроений для улучшения обслуживания в телефонном режиме

Malakoff Humanis and Dataiku Deep Belief

Malakoff Humanis – некоммерческая медицинская страховая компания №1 во Франции. Она предлагает медицинские, социальные и пенсионные контракты компаниям и сотрудникам, самозанятым и индивидуальным плательщикам. Как дополнительное медицинское страхование, паевой инвестиционный фонд покрывает возмещение расходов на здравоохранение в дополнение к французскому социальному страхованию и помогает клиентам при выборе учреждения по уходу. Численность персонала компании составляет 11 тысяч человек. В ее структуре содержится 426 тысяч клиентских предприятий, а численность собственного капитала составляет 6,5 млрд.евро. 

В Malakoff Humanis существует специальный отдел обработки и анализа данных, который возглавляет директор по данным. Отдел данных состоит из четырех основных отделений, каждое из которых отвечает за:

  • науку о данных и аналитику;
  • управление данными; 
  • архитектуру данных и облако;
  • AI и визуализацию данных.

Чтобы справиться с растущими проблемами, связанными с удовлетворением требований клиентов и обеспечением качественного обслуживания клиентов, Malakoff Humanis обратился к программе Dataiku Deep Belief, которая предоставляет консалтинговые услуги для решения амбициозных проектов AI. В рамках этой программы Malakoff Humanis сотрудничал с аналитиками данных Dataiku над двумя проектами расширенной обработки естественного языка (NLP).

Обработка естественного языка для классификации претензий клиентов

Первоначально Malakoff Humanis начал работать с Dataiku над решением на основе искусственного интеллекта, которое помогает понять тему онлайн-претензий с помощью алгоритмов классификации NLP и автоматически отправляет претензию соответствующей группе обслуживания клиентов. 

Разработанная модель послужила основой для создания и реализации другого решения для улучшения телефонной поддержки клиентов через NLP, которое сегодня полностью введено в действие и широко используется в отделе обслуживания клиентов. Первоначальный проект показал преимущества использования централизованной корпоративной платформы искусственного интеллекта и анализа данных для сквозного ИИ, в частности, проектов, связанных с NLP, а также ценность повторного использования и капитализации проектов данных. 

Речевая аналитика и анализ настроений для улучшения обслуживания клиентов по телефону

Целью второго проекта искусственного интеллекта, который Malakoff Humanis разработал с использованием программы Dataiku Deep Belief, был анализ содержания звонков клиентов (темы разговора и тон беседы), чтобы определить направления, в которых необходимо улучшить качество телефонных консультаций. Основными целями проекта были:

  • улучшенное управление телефонными консультациями благодаря более глубокому пониманию мотивации, болевых точек и уровней удовлетворенности звонящих;
  • сокращение времени звонка и меньшее количество повторных звонков;
  • меньшая нагрузка на службу поддержки клиентов;
  • повышение уровня удовлетворенности клиентов. 

Решение состоит из двух модулей, которые отвечают на два вопроса:

  1. Классификация тем: о чем звонки? Цель состоит в том, чтобы выяснить, почему существует избыток звонков по определенным темам, чтобы сформировать более компетентный кадровый состав.
  2. Анализ тональности: каков уровень удовлетворенности от звонков? Цель состоит в том, чтобы построить модель, которая позволяет получать новую информацию о глобальном тоне звонков и знать, какими темами и проблемами клиенты недовольны больше всего, чтобы быстрее на это отреагировать. Кроме того, анализ позволяет оценить уровень удовлетворенности клиентов при консультировании разными командами сотрудников, а также сравнить эффективность внутренних и внешних групп поддержки клиентов. 

Несмотря на то, что объект классификации или входные данные во втором проекте отличался от первого (голосовые записи телефонных разговоров в отличие от письменных заявлений в Интернете), сходство с точки зрения тематических категорий и используемых методов классификации NLP позволило повторное использование и перепрофилирование алгоритма классификации, построенного для первого проекта. В результате значительно сократилось время, необходимое для запуска модели в производство. 

Модель анализа настроений NLP, построенная для оценки тона телефонных звонков, позволяет прогнозировать общий тон, тон отдельных предложений в разговоре, а также тональность в начале и в конце разговора (20% первых и последних слов). В отсутствие меченых транскриптов для тона предсказания были проверены эмпирическим путем. Наконец, была создана динамическая информационная панель для представления результатов прогнозов и принятия решений в режиме реального времени.

Результаты

Проект позволил создать цепочку обработки, которая принимает в качестве входных данных расшифровку телефонных разговоров, анализирует и классифицирует тон, а также тему разговора. Несмотря на относительно небольшое количество помеченных транскрипций, полученная информация позволяет анализировать и контролировать общее содержание и тональность звонков, а также точно классифицировать их по основным категориям. Программа Dataiku Deep Belief позволила идентифицировать и ввести в действие новый расширенный вариант использования NLP для команды Malakoff Humanis AI безопасным и масштабируемым способом. Такой подход позволил выйти за рамки сугубо «алгоритмического» подхода и сосредоточить усилия проекта не только на технических аспектах, но и на конкретных бизнес-целях.

Обращайтесь к нам, чтобы внедрить такое решение в своей компании
Департамент корпоративных решений

    ;