Как эффективно использовать NLP в обслуживании клиентов

Prof-Post Инновационный менеджмент

Число домов, приютивших у себя Алису или Apple Siri неизменно растёт. Но 69,9 миллиона человек, владеющих системами умного дома, используют их не только для воспроизведения любимых песен или прогнозов погоды.

Значительная часть наших взаимодействий с технологиями сегодня включает в себя "разговоры" с умными машинами или системами разговорного ИИ, и многие люди используют эту технологию машинного обучения для улучшения качества обслуживания клиентов.

Фактически, исследования показывают, что чат-боты могут обрабатывать 80 % обращений клиентов.

Причина, по которой это так хорошо работает, заключается в том, что чатботы используют обработку естественного языка (NLP от англ. natural language processing). NLP повышает качество обслуживания клиентов, обеспечивая быстрые, круглосуточные ответы и персонализированное взаимодействие, что снижает затраты и позволяет агентам решать более сложные вопросы.

В этой статье мы рассмотрим несколько способов использования NLP в обслуживании клиентов для повышения эффективности работы контакт-центра.

Что такое NLP?

Обработка естественного языка – это направление искусственного интеллекта, которое позволяет компьютерам и людям общаться на естественном языке - то есть так, чтобы не казалось, что вы разговариваете с роботом из 80-х.

NLP – важнейший компонент разговорного ИИ, который очеловечивает взаимодействие ИИ с клиентами и решает их вопросы без участия человека. Считайте, что это интеллектуальный виртуальный агент. Ваши клиенты могут использовать чат-боты с NLP для получения быстрых ответов, не разговаривая с человеком на другом конце провода.

В контексте колл-центров NLP легко выполняет такие задачи, как анализ текста и настроения, перевод языка, распознавание речи и сегментация тем. Он понимает слова, предложения и контекст речи – или, в данном случае, ваших запросов в службу поддержки – и предоставляет быстрый и точный ответ, причём без участия человека.

Преимущества NLP в обслуживании клиентов

В наши дни большинство людей предъявляют высокие требования к обслуживанию клиентов. Они требуют быстрых, точных и персонализированных ответов, а также взаимодействуют с компаниями по различным каналам (социальные сети, чат, электронная почта, телефон), так что даже самому лучшему сотруднику сложно справиться с этой задачей. В результате компании вынуждены искать лучшие способы удовлетворить эти растущие требования без ущерба для качества и эффективности.

Чат-боты с NLP играют огромную роль в обслуживании клиентов, поскольку позволяют автоматизированным системам понимать и отвечать на запросы клиентов, а также брать на себя рутинные задачи, такие как ответы на часто задаваемые вопросы или направление звонков клиентов в нужный отдел.

NLP позволяет чатботам:

Понимать пользовательский ввод: Он анализирует и понимает текст или голосовые сообщения пользователей, в том числе определяет намерение, стоящее за сообщением.
Обрабатывать человеческий язык: Он обрабатывает различные языковые конструкции, такие как грамматика, синтаксис и семантика, чтобы понять смысл вводимых данных.
Генерировать ответы: Формулирует подходящие и контекстуально релевантные ответы на запросы пользователей.
Обрабатывать многоязычные коммуникации: Поддерживает взаимодействие на нескольких языках, что открывает доступ для разнообразных пользователей.
Учиться и совершенствоваться: Система непрерывно учится на основе взаимодействия, чтобы со временем повысить точность и эффективность.

Таким образом, автоматизируя основные или повторяющиеся задачи и предоставляя мгновенные ответы, NLP может помочь бизнесу:

Обрабатывать больший объём взаимодействий с клиентами без увеличения численности персонала.
Анализировать большие объёмы данных для выявления закономерностей и повышения качества обслуживания.
Обеспечить более естественное и человекоподобное взаимодействие между клиентами и автоматизированными системами, чтобы эти разговоры не вызывали у клиентов раздражения.
Совершенствовать рабочие процессы, извлекая ценные сведения и закономерности из неструктурированных источников данных, таких как социальные сети и отзывы, и проводя анализ обратной связи с клиентами.

Одним словом, использование разговорного ИИ на базе NLP позволяет чат-боту вашего колл-центра интерпретировать пользовательский ввод, управлять контекстными запросами и предоставлять точные ответы, что в конечном итоге повышает пользовательский опыт и операционную эффективность обслуживания клиентов.

Примеры использования NLP в обслуживании клиентов

Вы, вероятно, уже знаете, что такие компании, как Ozon, Яндекс и ВК используют эту технологию, но многие банки также используют чат-боты с NLP для помощи клиентам с вопросами и поддержкой.

Например, банковский чат-бот может решать различные задачи по обслуживанию клиентов, такие как:

Ответы на часто задаваемые вопросы (например, "Со скольки до скольки вы работаете?").
Предоставление информации о счёте (например, "Каков мой текущий баланс?").
Помощь в проведении операций (например, "Переведите 10 000 рублей на мой сберегательный счёт").
Решение общих проблем (например, "Я потерял свою кредитную карту, что мне делать?").

Эти чат-боты понимают и обрабатывают естественный язык клиента, а затем дают быстрые и точные ответы, что удобно для клиента и освобождает человеческие ресурсы для более сложных запросов.

9 лучших примеров использования NLP в обслуживании клиентов

1) Точная маршрутизация звонков с помощью систем IVR

Приходилось ли вам звонить в службу поддержки клиентов и говорить "Вопрос о финансовом счёте", чтобы связаться с финансовым отделом? Если да, то вы разговаривали с интерактивной системой голосового ответа IVR (от англ. Interactive Voice Response). IVR – это основополагающая технология, которая преобразует фразы ("обновите мою кредитную карту" или "совершите платёж") в переадресацию вас в соответствующий отдел.

Как работает IVR

Клиенты, скорее всего, будут использовать эту систему для связи с вашей командой. Когда в основе системы лежит разговорный ИИ, вы можете точно переадресовать их звонок на наиболее подходящую линию, и IVR превращается в интеллектуального виртуального помощника IVA (от англ. interactive voice assistant).

Почему? Потому что NLP понимает запрос звонящего и поэтому может помочь ему лучше. Другими словами, вам не нужно просить клиентов "прослушать следующие варианты", чтобы направить их в нужное русло.

Просто попросив клиентов описать свои потребности своими словами, IVA могут быстро проанализировать и направить звонок в соответствующий отдел или агенту поддержки. Это не только упрощает процесс, но и значительно повышает качество обслуживания клиентов, сокращая время ожидания и избавляя их от необходимости ориентироваться в сложных системах меню.

Сбербанк увидела значительные результаты от использования NLP в своей службе поддержки клиентов. Переработав систему IVR, они:

на 5% увеличили количество принятых звонков;
сэкономили авиакомпании миллионы долларов в год;
улучшили общее качество обслуживания клиентов.

2) Быстрая маршрутизация тикетов поддержки клиентов

Когда клиенты пытаются связаться с вашей службой поддержки, вы выдаете им билет поддержки. Затем это взаимодействие проходит через очередь вашей службы поддержки. NLP может помочь оптимизировать этот процесс. Поскольку разговорный ИИ способен понять тему обращения, он может перенаправлять обращения в службу поддержки наиболее релевантным специалистам, помогая быстрее решать проблемы.

Рассмотрим сценарий, в котором клиент подает заявку со словами: "Мне нужна помощь в изменении моих платежных реквизитов". В системах, не обладающих возможностями NLP, этот билет, скорее всего, попадет в общую очередь поддержки и потребует ручного вмешательства, чтобы определить и перенаправить его в финансовый отдел.

С другой стороны, платформа поддержки, оснащенная NLP, может сразу же распознать финансовый характер запроса по ключевым словам и фразам, содержащимся в заявке. Затем она может автономно направить тикет в соответствующую команду – в данном случае в финансовый отдел.

Такая автоматизация ускоряет процесс решения проблемы, снижает нагрузку на агентов службы поддержки и гарантирует, что клиенты получат своевременную и необходимую помощь, что в конечном итоге повышает общий уровень обслуживания клиентов.

3) Понимание отзывов клиентов

Отзывы клиентов – это ценные данные для бизнеса. Они помогут вам устранить недостатки вашего продукта и определить, какие аспекты нравятся людям, что является отличной основой для ваших маркетинговых и рекламных кампаний.

Более того, активный поиск и оценка отзывов клиентов могут значительно улучшить репутацию бренда – 83% покупателей лояльны к брендам, которые обращаются к ним за помощью и реагируют на их жалобы.

И вам не нужно тратить часы на ручное прочёсывание таких качественных данных о клиентах.

NLP помогает выявить слова или фразы, часто используемые в отзывах, например "современный", "интуитивно понятный" и "дорогой". NLP также может найти темы, о которых говорится в формах отзывов, например "простое вхождение в систему" или "доступные тарифные планы".

Вы можете объединить NLP с анализом настроений (подробнее об этом – в пункте 7 ниже) и получить обзор мнений клиентов на высшем уровне, что делает этот способ анализа поведения клиентов через отзывы эффективным с точки зрения затрат времени.

4) NLP и чатботы/живой чат для обслуживания клиентов

Чат-бот с искусственным интеллектом позволяет общаться с клиентами так, как они предпочитают, и обеспечивает поддержку в режиме реального времени без необходимости ждать ответа.

Зачем использовать чат на вашем сайте? Потому что это тот канал связи, который предпочитают клиенты для общения с компанией: 46% предпочитают обращаться в чат, 29% – по электронной почте и 16% – через социальные сети.

Не забывайте, что хотя и чат, и чат-боты используются для обслуживания клиентов, это не совсем одно и то же. Чат-боты используют искусственный интеллект, включая NLP, для обработки первичных запросов, а живые чаты (агенты-люди) решают более сложные вопросы.

Многие компании используют их вместе, чтобы обеспечить комплексную поддержку клиентов:

Чат в службе поддержки клиентов: Чат обеспечивает общение между клиентами и агентами службы поддержки в режиме реального времени. Такое прямое взаимодействие идеально подходит для обработки сложных и тонких запросов, которые требуют индивидуального подхода или просто не могут быть найдены на страницах типа FAQ. Клиенты ценят мгновенные ответы и возможность пообщаться со знающим человеком, который сможет решить их конкретные проблемы.

Чат-боты на основе NLP в обслуживании клиентов: Чат-боты, с другой стороны, позволяют компаниям оказывать поддержку в режиме реального времени без вмешательства человека. Благодаря использованию NLP чат-боты могут разумно отвечать на запросы клиентов (в большинстве случаев!). Эта технология позволяет чат-ботам интерпретировать сообщения клиентов, даже если они содержат грамматические ошибки или неполные предложения, чтобы они могли получить помощь в любое время дня и ночи.

Одним из ключевых преимуществ использования как живого чата, так и чат-ботов является возможность эффективно обрабатывать большое количество запросов клиентов. Когда ваша служба поддержки перегружена и не может ответить на все запросы в режиме реального времени, на помощь может прийти чат-бот, работающий на основе NLP. Чатбот может обрабатывать обычные вопросы, а затем передавать клиентов агентам для решения более сложных проблем.

5) NLP для поддержки агентов

Знаете ли вы, что средний агент по поддержке клиентов может обработать только 21 билет в день? Легко понять, как агентам трудно справляться с запросами клиентов! Кстати, вы можете рассчитать среднее количество взаимодействий с одним тикетом, чтобы узнать, сколько времени эти взаимодействия вам стоят.

Всё большее число агентов прибегают к помощи программного обеспечения машинного обучения, чтобы справиться с этим высоким спросом. Отчет Salesforce "Состояние обслуживания" показал, что 69% высокоэффективных сервисных агентов активно ищут ситуации для использования искусственного интеллекта.

Разговорный ИИ может обрабатывать запросы, не требующие особого внимания. Это даёт агентам больше времени для обработки сложных запросов, требующих человеческого подхода. Ваш разговорный ИИ может решать такие вопросы, как:

Техническая поддержка: "Где находится вход HDMI на моем телевизоре Samsung?".
Статус заказа: "Каков статус моего заказа?".
Настройка аккаунта: "Как подключить аккаунт Яндекс.Дзен?".

Эти заявки на поддержку будут составлять значительную часть заявок. Но если они уже обработаны, ваши агенты смогут ответить на более сложные или эмоциональные вопросы, например:

Проблемы с аккаунтом: "Мой аккаунт закрыли, и мне нужна помощь как можно скорее".
Проблемы с выставлением счетов: "Мне выставили неверный счёт, и я хочу получить возмещение".
Жалобы на товар: "Мой товар пришел поврежденным, что я могу сделать?".

Другие способы, с помощью которых NLP может помочь агентам повысить эффективность работы, включают:

Предложенные ответы: Предоставление агентам предлагаемых ответов на основе запроса клиента, чтобы они могли быстро, но точно ответить на него.
Интеграция с базой знаний: Быстрый поиск в базе знаний для предоставления агенту необходимой информации, что позволяет быстрее решать проблемы клиентов.
Транскрипция звонков: Преобразование устных разговоров в текст для ведения записей, обучения и контроля качества.
Резюме разговора: Автоматическое подведение итогов любого длительного взаимодействия с клиентом, помогающее агентам понять контекст без чтения всего журнала разговора.
Многоязычная поддержка: Перевод сообщений в режиме реального времени, что позволяет агентам общаться с клиентами на их родном языке без необходимости свободно владеть несколькими языками.

6) Анализ бизнес-данных

Ранее я упоминал, что NLP позволяет компаниям анализировать качественные данные из отзывов клиентов. Оно также может добывать информацию из других источников и выявлять общие тенденции для вашей команды.

Рассмотрим сценарий, в котором ваш бизнес получает многочисленные жалобы по электронной почте или анкету "Почему вы ушли от нас?", включенную в форму отмены бронирования. Допустим, у вас есть 150 жалоб. Ваша форма отказа от услуг просит людей отметить один из следующих пунктов:

Сложный процесс регистрации.
Слишком дорого.
У меня нет времени.

Люди могут поставить галочку не там, где нужно, что приведёт к неправильной интерпретации проблем. Например, вы можете подумать, что основная проблема заключается в стоимости, поскольку многие люди выбрали вариант "слишком дорого". Однако на самом деле проблема может быть глубже – в процессе выставления счетов, который клиенты неправильно классифицировали.

В результате вы можете подумать о понижении цен на основе отзывов, решив, что это приемлемый шаг. Но на самом деле основная проблема заключается в чём-то другом, например, в путанице с процессом выставления счетов. NLP помогает точно классифицировать и анализировать отзывы клиентов, чтобы вы решали реальные проблемы, а не неправильно интерпретировали данные.

Другой пример – внезапный всплеск вопросов о новой функции продукта или недавнем обновлении. NLP может предупредить вашу команду о необходимости дальнейшего расследования. Понимание этих тенденций позволит вашему бизнесу оперативно реагировать на потенциальные проблемы, прогнозировать будущие потребности в поддержке и соответствующим образом корректировать ресурсы.

7) Анализ настроений и удовлетворенность клиентов

Вы наверняка получаете отзывы клиентов, которые доходят до вашей службы поддержки. Но как узнать, довольны ли люди вашим продуктом или услугой в целом? Скорее всего, у вас нет времени на самостоятельное изучение всех этих данных.

Анализ настроения использует NLP для определения эмоций, лежащих в основе сообщения. Например, если вы получаете такие ответы из форм обратной связи:

"Агент, с которым я разговаривал, был великолепен".
"Мой заказ прибыл быстрее, чем я ожидал".
"Легко синхронизировать мои данные. Спасибо, что подготовили документацию по введению в должность!".

Затем анализ настроения возьмет на себя ответственность и интерпретирует эти слова как эмоции. В приведенном выше случае это могут быть слова "потрясающе", "быстрее" или "легко". Система машинного обучения покажет вам, что подавляющее большинство отзывов положительные. Это позволит вам лучше понять, насколько хорошо вы работаете.

Самое приятное, что вы можете использовать систему искусственного интеллекта для сканирования упоминаний о вашем бренде. Затем вы можете использовать анализ настроений, чтобы определить, так ли хорошо освещается ваша деятельность, как вы надеялись.

Кроме того, NLP может анализировать сообщения клиентов для выявления эмоций и настроений в режиме реального времени, предупреждая агентов о расстроенных или рассерженных клиентах, чтобы они могли расставить приоритеты и отнестись к этим взаимодействиям с особым вниманием.

8) Приложения для преобразования речи в текст

Голосовой поиск находится на подъёме: 50 % людей во всем мире ежедневно осуществляют поиск с помощью голоса.

И отчасти это связано с устройствами преобразования речи в текст. Мы просим наших персональных помощников – Алису, Марусю и Siri – спланировать оптимальный маршрут к дому друга, напомнить нам о важных событиях и встречах, включить любимую музыку или подкасты.

Но что это значит для вашей службы поддержки? Вы можете использовать системы распознавания голоса, чтобы:

Позволять клиентам получать доступ к своему счету с помощью голоса.
Перевести запрос клиента с его родного языка на ваш.
Интегрировать ваше программное обеспечение с голосовым помощником.

Ни одна из этих ситуаций не работает без NLP, которое интерпретирует устную речь. Тогда вы можете использовать речевую аналитику (или голосовую аналитику), одну из менее распространенных аналитических систем, которой должны воспользоваться все больше колл-центров, для анализа и повышения удовлетворенности клиентов.

9) Встроенные строки поиска в базах знаний

Строка поиска на вашем сайте – это, по сути, мини-поисковик. И значительная часть посетителей сайта сразу переходит в строку поиска, когда попадает на сайт, особенно, но не ограничиваясь, сайтами электронной коммерции. Результаты по этим запросам должны отображать релевантную информацию. В противном случае пользователи покинут ваш сайт, что повлияет на такие ключевые показатели, как процент отказов, конверсия и время пребывания на сайте.

Но поисковая строка вашего сайта не покажет релевантную информацию по этим запросам без использования некоторых форм NLP. Программа машинного обучения интерпретирует смысл этих запросов. Она понимает, что ищет пользователь, даже если это не совсем правильный английский, содержащий грамматические ошибки или неправильно написанный текст.

Вот несколько причин, по которым использование NLP в строках поиска вашего сайта может улучшить обслуживание клиентов:

NLP помогает выдавать более точные результаты поиска, понимая контекст и намерения, стоящие за запросами пользователей, благодаря чему пользователи быстро находят то, что ищут.
Пользователи могут набирать запросы на естественном, разговорном языке, а NLP эффективно обрабатывает их, поэтому клиентам не придется использовать специфические ключевые слова или технический жаргон.
Когда пользователи быстро находят нужную информацию, они с меньшей вероятностью сразу же покидают сайт, что снижает процент отказов и удерживает потенциальных клиентов.
Точно отвечая на запросы клиентов, поисковые панели на основе NLP помогают пользователям найти продукты или информацию, которые отвечают их потребностям, что повышает вероятность совершения покупки.
Анализируя эти поисковые запросы, компании могут получить информацию о предпочтениях клиентов, популярных продуктах и распространенных проблемах, что поможет им разработать стратегию и улучшить предложение продукции.
Интеграция NLP в строку поиска означает, что ваш сайт будет гораздо лучше удовлетворять потребности посетителей, а значит, повысит удовлетворенность клиентов.