Об интеллектуальной роботизации процессов клиентского обслуживания

40
Александр Дмитриев бизнес-консультант Клиентского центра, IBM Россия и СНГ

На волне четвертой промышленной революции появляется множество новых лозунгов, понятий и терминов. Зачастую при внимательном рассмотрении оказывается, что новое – это продолжение уже давно известных явлений и процессов. 

 

RPA расшифровывается как «роботизация и автоматизация процессов». Собственно термин «робот» придумал умнейший писатель начала XX века Карел Чапек в своей знаменитой пьесе R.U.R. Там же он указал основную причину, по которой эта самая роботизация необходима. Приведем диалог из пьесы: 

 

– Зачем делают роботов?

 

– Для работы, мисс. Один робот заменяет двух с половиной рабочих. Человеческий механизм чрезвычайно несовершенен… Рано или поздно его нужно было заменить.

 

Этот ответ на самом деле не такой простой. Первый момент заключается в том, что робот может работать быстрее, лучше и дешевле человека. То есть системы роботизации по затратам на их внедрение должны быть дешевле, чем люди, нанятые для выполнения той же работы. Второй момент: робот нужен там, где человек не справляется в принципе. 

 

А именно так часто и бывает сегодня. Вот для примера несколько профессиональных задач, которые человек или выполняет с большим количеством ошибок, или просто не может выполнить:

 

• круглосуточное слежение за событиями на мониторе или дешборде

 

• занесение большого количества численных данных в различные таблицы

 

• отслеживание специфических событий в потоке разнообразных событий (например, отслеживание режимов оборудования, выходящих за рамки установленных норм)

 

• одновременное отслеживание большого количества параметров

 

• фиксация событий по сложным формальным признакам и процедурам

 

Более того, есть ряд физиологических ограничений человеческих возможностей. Человек не может:

 

• передвигаться со скоростью больше 60 км/ч (мировой рекорд – Кристиан Коулман, 60 м за 6,34 с, что составляет 56,8 км/ч)

 

• человек не может печатать быстрее 800 знаков в минуту (Барбара Блэкбэрн, 750 знаков в минуту, мировой рекорд 2005 года)

 

• человек не может стучать быстрее 1500 раз в минуту (Том Гроссет смог ударить по барабану 1208 раз за одну минуту, что соответствует частоте 20 Гц, рекорд 2005 года) 

 

Слишком высокие или низкие температуры, отвлекающие моменты, монотонность и сотни других ограничителей, в том числе скорость реакции человека, определяют диапазон скоростей выполнения задач. Роботы же могут существенно раздвинуть границы возможного.

 

Если учесть, что произошло кардинальное удешевление оборудования в ИТ-индустрии и переход к мобильным устройствам с широкими пропускными возможностями каналов, получается, что человек в большинстве случаев не способен осмыслить и адекватно оценить весь поток информации в виде эсэмэсок, ватсап-сообщений, фотографий, звонков, видеочатов, событий из социальных сетей и так далее.

 

Этот поток перемешивается с рабочим потоком данных, ведь большинство современных работников постоянно находятся на связи, и уже никого не удивляет ночная эсэмэска или сообщение в общий чат рабочей группы от коллеги или начальника. 

 

Мало того, происходят изменения в поведении человека – новые поколения (так называемые поколения миллениалов, которые родились в период 1984–1993 годов) и поколение Z (родились после 1994 года) существенно отличаются по восприятию информации как друг от друга, так и от предыдущих поколений (скажем, так называемые беби-бумеры, кто родился до 1968 года, или поколение X, с 1969 по 1983 год). 

 

Рис. 1. Основные отличия поколений миллениалов и Z с точки зрения восприятия реальности. По материалам научных публикаций

 

Вот какие изменения характеризуют новые поколения:

 

• сдвиг для молодых поколений в сторону визуального и аудиовосприятия;

 

• восприятие реальности через гаджеты;

 

• новые схемы распространения социально важной информации;

 

• доверие к принципиально другим источникам/другие авторитеты;

 

• не воспринимают длинные сообщения.

 

Для бизнеса это имеет огромное практическое значение. Возьмем простейший пример: использование мобильной платформы Snapchat обмена сообщениями с прикрепленными фото и видео представителями разных поколений. 

 

Мы видим, что лишь 16% представителей поколений старше 46 лет пользуются этим приложением. Между тем с точки зрения рекламных возможностей это приложение в настоящее время является одним из самых привлекательных в развитых странах. Скажем, В США объявление Snapcaht увидят в среднем 40–60% пользователей. Более того, рекламодатели учитывают специфику восприятия новых поколений и применяют максимально визуальные эффекты, компрессию информации и увлекательные формы подачи. Ведь более четверти молодых пользователей для отыскания нужной им темы, бренда, вещи, сервиса будут использовать «снапкоды», и лишь менее 10% будут переходить по привычным старшим поколениям интернет-ссылкам. 

 

Таким образом, более двух третей потенциальных потребителей уже пользуются информационными каналами, о которых представители старшего поколения просто не знают. 

 

Что это значит в контексте роботизации? Кардинальные изменения в бизнесе, требующие роботизации сегодня, связаны не только и не столько с обычно приводимыми факторами (огромное количество данных, цифровизация и т.д.), но в первую очередь с изменением самой потребительской аудитории.

 

Все крупные консалтинговые компании в один голос говорят, что одной из важнейших задач при цифровой трансформации предприятия стоит «воспитание цифрового работника» и «внедрение цифровой культуры». Что касается работников как потребителей, такого рода воспитание происходит само собой и идет стремительными темпами. И это один из главных факторов, определяющих необходимость изменения моделей бизнеса и роботизации. 

 

Действительно, что следует из изменения поведения и восприятия информации на уровне потребителя?

 

Рис. 2. Возрастное распределение пользователей приложения Snapchat (по Demo Data ComCore)

 

Сдвиг восприятия в сторону визуализации определяет существенно более плотные потоки, ведь картинка при передаче требует больше пропускной способности коммуникационных каналов. 

 

Восприятие информации через гаджеты требует определенной деперсонализации при обслуживании. С одной стороны, бизнес должен понимать, к кому он обращается с предложением, но с другой стороны, стоит задача доставки информации для осмысления вне зависимости от того, кто находится на принимающей стороне. 

 

Быстро возникающие и изменяющиеся схемы распространения социально важной информации требуют весьма гибкой и чуткой ИТ-системы, которая понимает требования пользователя и может перестраиваться с учетом возникновения новых ситуаций. С точки зрения роботизации это означает, что система должна автоматически определять изменения в существующей ситуации, новые источники и каналы данных, а также вносить соответствующие изменения в свою работу. 

 

Поскольку доверие к источникам информации и их перечень постоянно меняется, необходимы новые подходы к обоснованию продаж и методы подачи информации. Скажем, дать ссылку на продукт при показе рекламы уже не так эффективно, а вот динамическое ретаргетирование, то есть повторный целевой показ рекламы в зависимости от реакции на первый показ, набирает обороты.

 

Неспособность восприятия длинных сообщений требует новых методов компрессии информации, и здесь уже речь не о техническом сжатии, а о новых маркетинговых подходах упаковки сообщения в короткие визуальные образы и смыслы.

Этот список можно продолжать, но главное – кардинальные изменения в работе с потребителями, будь то банковская сфера, ритейл, телеком или другие индустрии. 

 

Поговорим более конкретно о роботизации. В первую очередь сегодня роботизируются процессы, требующие монотонной и сложной работы с информационными потоками. Например, это колл-центры, центры по обслуживанию заявок клиентов. Роботизация с применением чат-ботов может снизить нагрузку на 40%, а временные затраты оператора на обслуживание одного клиента при этом снижаются на четверть.

 

Важнейшей особенностью интеллектуального чат-бота является возможность извлечения информации из текстовых данных компании, которые накапливаются при работе с клиентами. Анализ этих данных позволяет построить оптимальное дерево решений при ответах на вопросы и минимизировать время обслуживания. Кому не знакома ситуация, когда приходится слушать длинные сообщения на телефоне, говорящие: «Если вы хотите “A”, нажмите кнопку “2”, если вы хотите “Б”, нажмите кнопку “4”». Время идет, и в конце вы не находите нужного ответа и переключаетесь на голосового оператора.

 

Построение же чат-ботов на основе интеллектуальной аналитики IBM Watson Assistant позволяет избежать этих ошибок. Вот какие шаги надо предпринять: 

 

• сформулировать задачу;

 

• выявить классы обращений клиентов на основании имеющихся диалогов;

 

• разобрать языковые конструкции клиентов по каждому из классов обращений;

 

• построить дерево диалога;

 

• наполнить и обучить систему;

 

• протестировать чат-бот.

 

Для создания робота, автоматизирующего рутинные процессы, надо воспользоваться накопленной информацией от самих клиентов, а также операторов. Ведь они уже много раз наталкивались на основные узлы, в том числе проблемные, при так называемом путешествии по дереву признаков. Что такое «дерево признаков» и зачем роботы (чат-боты) по ним «путешествуют»?

 

Представьте себе лабиринт, где в разных его местах расположены разные предметы. Где-то лежит кусок сыра, где-то блюдечко с молоком, где-то расческа. Если ученые запустят крысу в лабиринт, то она может выбирать разные маршруты в зависимости от того, что ей сейчас хочется – сыра, молока или расчесать шерстку. Крыса бежит по прямому участку лабиринта и добегает до места, где дорога раздваивается – можно повернуть направо, а можно и налево. Крыса делает выбор (сыр – справа!) и поворачивает направо. Это она прошла одну «ветку» дерева и сделала выбор в узловой точке.

 

Если бы крыса умела говорить, она могла спросить в узловой точке: «Чтобы получить сыр, куда надо повернуть?» Робот-помощник сказал бы ей: «Если хотите сыра, поверните направо». Если лабиринт хорошо известен, все дороги и узлы описаны и на каждом вам предлагают ясный выбор, то вы можете «путешествовать» быстро, делая в каждом из узлов правильный выбор. Однако в реальной жизни проблемы могут возникать в самых разных случаях. 

 

Во-первых, человек (или робот), отвечающий на вопросы «Куда повернуть?» в узловых точках, сам не знает ответа. Такое бывает в очень сложных процессах. Также бывает такое, если человек (робот) обучен, по нашей аналогии, не всему лабиринту, то есть не всем 100% возникающим ситуациям, а только части.

 

Во-вторых, клиент может невнятно излагать желания. Например, в данном узле можно повернуть направо – к сыру и налево – к молоку. А клиент вдруг говорит: «Хочу кофе!»

 

В-третьих, когда клиент называет «предметы», которые он хочет найти, неизвестными нам словами. Например, «cheese», а не «сыр». А оператор (робот) элементарно не знает английского языка!

 

Такого рода ситуации возникают вне среды колл-центров и чат-ботов. Новый сотрудник банка долго не может провести оплату, запутавшись в процедурах. Мы взяли талон на получение бандероли и отстояли очередь на почте, а оказывается, нам надо было взять талон на получение ценной посылки, а это другая очередь. Мы звоним в службу поддержки с вопросом «Как платить телефоном?». И нам долго объясняют бесконтактный способ оплаты в магазине, а мы всего-навсего хотели воспользоваться мобильным банком. 

 

Именно потому, что предсказать все возможные возникающие ситуации очень сложно, равно как и описать весь «лабиринт» возможных ситуаций при обслуживании клиента, большинство существующих на рынке чат-ботов успешно и качественно обслуживают лишь небольшую часть клиентуры. 

 

Роботы с интеллектуальными возможностями на базе IBM Watson строятся по-другому. Сначала анализируются все диалоги, которые возникали при обслуживании. В результате получаем наиболее часто встречающиеся параметры:

 

• ситуации выбора (описания узлов)

 

• употребляющиеся термины при диалогах с клиентом

 

• пути прохода по дереву решений, то есть типовые ситуации обслуживания 

 

Таким образом строится дерево признаков, к которому в диалоге наиболее часто будут ходить наши клиенты. Кроме того, формируется словарь соответствий терминов, которые могут употреблять клиенты, описывая те или иные объекты и решения. Словарь – это большая часть успеха для робота чат-бота!

 

Если клиент скажет «комп», мы будем понимать, что речь идет о компьютере; если клиент скажет «хочу погасить задолженность» или «надоело бегать от приставов», мы будем знать, что клиент хочет оплатить просроченный кредит, «юрик» – юридическое лицо, «физик» – не ученый, а физлицо и т.д.

 

Кроме того, робот будет обучаться, потому что, если он не справляется с задачей в каком-то конкретном случае, клиента переведут на оператора, который решит вопрос. Но затем и сам этот случай, и то, как его решать, будут занесены в систему, а она в итоге станет «умнее» и позволит автоматически обслужить в дальнейшем и тех клиентов, которые попадут в такую же ситуацию. 

 

В первой части статьи говорилось о том, что большая часть потенциальных клиентов сегодня говорят на «другом» языке, использует «другие» каналы и способы передачи информации. Чат-бот сможет понять эти слова, научиться общаться с любым сегментом общества и вобрать в себя все разнообразие коммуникативных форм. Это не будущее, это уже работает, и в этом можно очно убедиться в Клиентском центре IBM в Москве. 

 

Именно возможность самообучения и повышение качества обслуживания при длительной эксплуатации системы, равно как и возможность охвата самых разнообразных сегментов потребителей, является основным преимуществом интеллектуальных чат-ботов в условиях современного рынка. 

ПОДЕЛИСЬ С ДРУЗЬЯМИ: