Telekomunikacja · Obsługa call center
Notatki z rozmów pisze system, nie konsultant
Konsultanci call center arvato spędzali znaczną część dnia na pisaniu podsumowania po każdej rozmowie z klientem. W ramach MVP zbudowaliśmy rozwiązanie, które zamienia nagranie na tekst, streszcza je i dla każdej rozmowy automatycznie tworzy ustandaryzowaną notatkę po polsku, więc konsultant nie musi pisać jej ręcznie.
Kluczowe rezultaty
Klient: arvato
Część grupy Bertelsmann, wiodący międzynarodowy dostawca usług, który prowadzi call center na kilku rynkach.
- Branża
- Telekomunikacja
- Zastosowanie
- Automatyczne podsumowania rozmów
- Podejście AI
- NLP z własnymi modelami ML
- Systemy
- Nagrywanie rozmów i CRM
- Język
- Polski
- Współpraca
- Minimum viable product (MVP)
W skrócie
Setki godzin rozmów i nic, z czego dałoby się skorzystać
- Po każdej rozmowie konsultant ręcznie pisał podsumowanie: problem klienta, co omówiono, co dzieje się dalej.
- Trwało to długo, a jakość zależała od konsultanta, co utrudniało śledzenie trendów, przekazywanie kontekstu między zespołami i jakiekolwiek wykorzystanie tych danych.
- Potok transkrybuje rozmowę i pisze podsumowanie we własnym formacie notatek arvato: intencja klienta, kategoria problemu, podjęte działania, kolejne kroki.
- Najtrudniejszy jest mówiony polski. Gotowe narzędzia obsługują go słabiej niż angielski czy niemiecki, więc transkrypcja wymagała własnego przetwarzania końcowego, żeby dawała wiarygodne wyniki.
Punkt wyjścia
Wyzwanie
Konsultanci poświęcali znaczną część czasu na notatki, czyli pracę administracyjną, zamiast na obsługę kolejnego klienta, a gotowe podsumowania były tak niespójne, że w dalszych procesach miały ograniczoną wartość.
Call center arvato obsługuje codziennie dużą liczbę kontaktów z klientami. Po każdym z nich konsultant musiał napisać podsumowanie, ujmując problem, przebieg rozmowy i ewentualne dalsze działania. Było to powolne i niejednolite, a do tego tworzyło wąskie gardło w przepływie informacji.
Każdego dnia powstawały setki godzin nagrań rozmów, a wydobywanie z nich uporządkowanych, przydatnych informacji odbywało się całkowicie ręcznie.
Ponieważ jakość zależała od konsultanta, trudno było śledzić trendy, przekazywać kontekst między zespołami czy w ogóle wykorzystać dane z rozmów do usprawniania pracy.
Budowa
Co zbudowaliśmy
Opracowaliśmy kompletny potok, który z surowego nagrania rozmowy tworzy uporządkowane, ustandaryzowane podsumowanie, bez żadnego udziału konsultanta.
Z mówionego polskiego na tekst
Pierwszy etap zamienia dźwięk na tekst, a mówiony polski ma swoje trudności: zmienną jakość nagrania, wchodzenie sobie w słowo, język potoczny oraz słabsze niż w przypadku angielskiego czy niemieckiego wsparcie w gotowych narzędziach. Zbudowaliśmy własne przetwarzanie końcowe, które podnosi dokładność transkrypcji i niezawodnie radzi sobie z takimi przypadkami brzegowymi.
Podsumowanie w formacie arvato
Po transkrypcji system pisze zwięzłe podsumowanie zgodne z wewnętrznymi procedurami i formatem notatek arvato. Własne modele wyodrębniają intencję klienta, kategorię problemu, podjęte działania i kolejne kroki i przedstawiają je w tej samej strukturze, niezależnie od tego, kto odebrał telefon.
Gotowy na godziny szczytu
Potok działa w infrastrukturze chmurowej, więc skaluje się wraz z obciążeniem i w najbardziej obciążonych godzinach przetwarza więcej rozmów bez spowolnienia.
Co się zmieniło
Rezultaty
Przed
Konsultanci pisali podsumowanie ręcznie po każdej rozmowie. Jakość zależała od osoby, a dane z rozmów prawie nie służyły do analiz ani usprawniania procesów.
Po
Podsumowania powstają automatycznie w jednym standardowym formacie. Konsultanci od razu przechodzą do kolejnej rozmowy, a dane z rozmów stały się uporządkowanym zasobem, który można przeszukiwać.
MVP pokazuje, że ręczną notatkę można zastąpić: każda rozmowa kończy się spójną, uporządkowaną notatką, niezależnie od konsultanta, stopnia złożoności rozmowy czy pory dnia.
Dzięki temu konsultanci mogą się zająć rozmowami z klientami zamiast administracją, czyli tą częścią pracy, którą może wykonać tylko człowiek.
Poza zaoszczędzonym czasem ustandaryzowane podsumowania umożliwiły analizy, które wcześniej nie były możliwe: rozpoznawanie powtarzających się problemów, śledzenie sposobów ich rozwiązywania i usprawnianie procesów na podstawie rzeczywistych danych z rozmów, a nie rozproszonych ręcznych notatek.
Pytania o ten projekt
Automatyczne podsumowania rozmów. Konsultanci poświęcali znaczną część czasu na notatki, czyli pracę administracyjną, zamiast na obsługę kolejnego klienta, a gotowe podsumowania były tak niespójne, że w dalszych procesach miały ograniczoną wartość.
Podsumowania rozmów tworzone automatycznie, zbudowane i przetestowane jako MVP: MVP. Własne modele wytrenowane do przetwarzania języka polskiego: Polski. Skalowalna infrastruktura na duże wolumeny rozmów: Chmura. Wspólny wzór notatek dla wszystkich konsultantów i zespołów: Jeden format.
NLP z własnymi modelami ML. Wykorzystana technologia: Natural Language Processing, Uczenie maszynowe, Speech-to-text, Własne modele dla języka polskiego, Cloud computing, Potoki przetwarzania końcowego.
Wykorzystana technologia
Porozmawiaj z zespołem, który to zbudował
Odpowiadamy w ciągu jednego dnia roboczego.
Więcej projektów
Wydarzenia · Analityka social media
Wiedzieć, co myśli sala, zanim wydarzenie się skończy
Czytaj więcej
Logistyka · Działalność globalna
Każdy e-mail logistyczny wygląda inaczej, a reguły za tym nie nadążały
Czytaj więcej
Farmacja · Farmakowigilancja i analiza rynku