Студенты НИТУ «МИСиС» предложили решение для call-центров бизнес-компаний — алгоритм «предсказывающий» поведение клиента во время продажи. Суть разработки в использовании нейронных сетей для анализа информации о прошлых звонках и выявления наиболее эффективных стратегий ведения диалога, приводящих к увеличению конверсии. Решение было предложено на хакатоне CRM Hack, что позволило студенческой команде занять первое место и получить предложение от компании «Т1 Консалтинг» продолжить работу над проектом, чтобы доработать продукт и интегрировать его в CRM организации.
Решение, предложенное студентами НИТУ «МИСиС» представляет собой принципиально новый алгоритм, позволяющий не переписывать стратегию общения с клиентами с нуля, а оптимизировать ее с помощью нейронных сетей. Они должны анализировать звуковые и семантические параметры речи для построения эмпирического графа взаимодействий между клиентом и оператором. Эмпирический граф — это ключевой объект CRM-систем, позволяющий находить лучшие пути коммерциализации продукта, учитывая вероятности перехода от одного этапа диалога к другому.
«Предсказание наиболее выгодных стратегий взаимодействия операторов с клиентами — амбициозная и сложная задача. Во-первых, для её решения необходимы большие объемы данных, во-вторых, не существует универсальных подходов, так как оптимальных стратегий может быть много. То, что ребята в столь сжатые сроки смогли придумать и создать прототип решения, привело к победе в конкурсе», — отметил Эмин Тагиев, преподаватель Кафедры инженерной кибернетики НИТУ «МИСиС», наставник команды.
В перспективе, при наличии необходимых ресурсов, предложенный алгоритм может решить актуальную задачу бизнеса по автоматизации разработки и модификации стратегий ведения диалогов операторов и клиентов. Сегодня это делают сотрудники компаний, новый алгоритм позволит сделать этот бизнес-процесс более быстрым и точным.
«На данный момент, большая часть CRM-систем позволяет производить автоматический подсчет метрик качества обслуживания операторами, в том числе с помощью нейронных сетей. Проведя переговоры с CRM-разработчиками и руководителями call-центров, мы выявили проблему — отсутствие автоматизации поиска стратегии ведения диалога, то есть улучшения скрипта оператора на основании информации об оценке звонков. Для решения этой задачи мы использовали несколько моделей машинного обучения, а также разработали алгоритм, строящий эмпирический граф взаимодействия между клиентом и оператором, впоследствии используемый для разработки новой, приводящей к увеличению продаж, стратегии», — прокомментировал один из авторов разработки, выпускник НИТУ «МИСиС», Data Scientist в Центре исследования данных Сбера, Вадим Порватов.
