Top.Mail.Ru

Чат-бот на поддержке
пользователей

Готовое решение

Постоянно меняющиеся законодательные условия, высокая скорость принятия решений, многозадачность в работе и необходимость снижения рисков, требуют современных подходов к организации взаимодействия с нашими клиентами.

Системы активно развиваются, внедряются новые решения, соответственно, нагрузка на клиентскую поддержку стремительно растет и без автоматизированного решения начинает страдать качество обслуживания.

В настоящее время для решения подобных задач стали очень популярны средства обработки запросов в виде чат-бота с использованием алгоритмов и методов машинного обучения и искусственного интеллекта (ИИ).

Мы также стремимся улучшать качество обслуживания наших клиентов и обеспечивать информационную поддержку в режиме реального времени.

В этой связи, мы разработали необходимый инструмент, который позволяет автоматизировать обработку входящих пользовательских обращений и дает возможность сотрудникам первой линии поддержки получить необходимый ответ по запросу, дополнительно расширив их знания в конкретных областях, а пользователю – готовое решение без дополнительной консультации.

Разработка решения была выполнена в рамках программы «Социум-ЦТ» при поддержке Фонда содействия инновациям.

Искусственный интеллект
и машинное обучение

Обратимся немного к терминологии: Искусственный интеллект – это комплекс методик, объединяющих вычислительные технологии с надежными наборами данных для решения разнообразных задач и проблем.

Вместе с понятием ИИ, часто упоминают и его подраздел: машинное обучение МО, которое представляет собой совокупность алгоритмов ИИ, направленных на создание экспертных систем, способных делать прогнозы и составлять классификации на основе входных данных. Искусственный интеллект используется также при создании рекомендательных систем, например чат-ботов и различных помощников. Успешные проекты его применения в бизнесе, не обошли и нас стороной.

Для решения массовых и трудоемких задач, методом выявления скрытых закономерностей в данных, нам также удалось получить эффект от использования ИИ.

Мы применили отдельный класс методов Машинного обучения, которые нацелены на решение не одной задачи, а обучение в процессе решения множества сходных.

Категории задач могут быть следующими:

  • Когда выявляются закономерности в числовых данных
  • По классификации, когда есть некоторый набор признаков и нужно отнести к определенному классу
  • Кластеризации, когда есть набор данных с заранее неизвестными классами и необходимо по некоторым признакам разделить его на конечное количество классов

Для решения каждой из перечисленных категорий задач используются различные методы и алгоритмы машинного обучения.

В разработке подобных алгоритмов – мы использовали язык Python, который в свою очередь является мощным интерпретируемым объектно-ориентированным языком программирования. На нем создано огромное количество библиотек, содержащих новые алгоритмы для решения самых различных прикладных задач.

Для обработки естественного языка при анализе запросов пользователей сотрудниками первой линии поддержки была применена наглядная и популярная концепция «мешок слов», которая предполагает выполнение ряда методов

Методы обработки естественного языка при анализе запросов пользователей


Стемминг и токенизация

Слова обучающего корпуса приводятся к единым корням и разделяются на униграммы/биграммы (токены)


Частотный скоринг по TF-IDF

Отношение частоты употребления слова в отдельном тексте, к частоте употребления слова во всех документах


Отбор признаков

Kbest, повышение точности, сокращение времени на переобучение


Многоклассовая классификация с использованием машинного обучения

В зависимости от настроек применяются алгоритмы искусственной нейронной сети или логистическая регрессия


Таким образом, модель обучается классификации текста на данных информационной базы, что позволяет повышать качество и точность получаемых результатов. В модели содержатся встроенные механизмы по нормализации и балансировке данных перед обучением.

Чат-бот и база знаний

Для взаимодействия модели с пользователем, мы интегрировали в модуль решение, разработанное ООО «1С», - чат – бот «Ася (бот в помощь)» (рис.1), использующее механизмы платформы «1С:Диалог»

Рис. 1 Окно с чат-ботом «Ася (бот в помощь)»

Предварительно в системе созданы сценарии беседы чат-бота и устанавлено его состояние для различных ситуаций при общении с пользователем.

Добавлены ключевые слова, по которым чат-бот будет искать это состояние, и фразу для ответа. По такому принципу организованы, например, состояния «Поздороваться» и «Попрощаться» (рис.2).

Рис. 2. Состояние чат-бота «Поздороваться»

В системе предусмотрена опция хранения бесед. При дальнейшем анализе это позволяет совершенствовать взаимодействие пользователя и чат-бота.

Зачастую, люди хотят быстрее получить ответ, а не следовать инструкции бота, поэтому мы обучили модель распознавать произвольные фразы и по ключевым словам, определять намерения пользователя, и даже если он допустит несколько ошибок в слове или сформулирует запрос иначе, чат-бот с высокой долей вероятности поймет и ответит правильно, поскольку обладает способностями к обобщению.

Использование чат-бота позволяет обратиться непосредственно к модели и получить результат обработки запроса, но для этого она должна быть предварительно обучена. Для достижения данной цели, а также дальнейшей обработки и совершенствования обучающей выборки был реализован объект модуля, позволяющий хранить последнюю в виде отдельных элементов системы, которые можно дополнять, изменять, а затем с их помощью выполнять переобучение.

Система позволяет управлять накопленными знаниями на предприятии в рамках области данных прикладной информационной базы.

Рис. 3. Справочник «Статьи базы знаний»

Использование чат-бота позволяет обратиться непосредственно к модели и получить результат обработки запроса, но для этого она должна быть предварительно обучена. Для достижения данной цели, а также дальнейшей обработки и совершенствования обучающей выборки был реализован объект модуля, позволяющий хранить последнюю в виде отдельных элементов системы, которые можно дополнять, изменять, а затем с их помощью выполнять переобучение.

В соответствии с категорией данных, администратор может создавать новые статьи базы знаний (рис.4), пользователь через форму диалога с чат-ботом.

Рис. 4. Добавление новой статьи в базу знаний

Подготовленный набор статей администратор может выгрузить и на их основе переобучить используемую модель.

Практическое применение

Пользователь обращается к чат-боту по интересующему вопросу и обученная модель подбирает наиболее подходящие варианты решения.

После обработки она отправляет на платформу «1С:Предприятие» наиболее подходящий ответ (ответы), и чат бот выводит результат, указывая его точность (рис. 5).

Рис. 5. Ответ и его точность (уверенность), выведенные чат-ботом.

В конце текста статьи, сервис предлагает оценить точность ответа на соответствие полученного результата, а также может предложить дополнительный материал по вопросу.

При отсутствии подходящего ответа, пользователь может добавить свой вопрос в «Базу знаний» для последующего ответа специалиста по знаниям (рис.6).

Рис. 6. Предложение других статей и оценка качества выбранной

Какие результаты от внедрения
бота мы получили

Преимущества решения


Удобство

  • Повышение качества обработки клиентских обращений на первой линии поддержки
  • Доступность: под рукой у клиента ежедневно, работает в режиме 24/7, пользователь получает мгновенную реакцию на его запрос
  • Облегчает поиск и доступ к базе знаний по различным сферам деятельности компании
  • Позволяет пользователю получить необходимый ответ в режиме реального времени и продолжить работу без привлечения дополнительных сотрудников или поиска информации в других источниках.

Функциональность

  • Автоматизирует обработку запросов
  • Осуществляет поиск и сбор информации
  • Альтернативный интерфейс доступа к базе знаний

Развитие

  • Мы продолжаем развитие нашего чат-бота. В ближайших планах добавление функции голосового помощника и усовершенствование интерфейсной части решения

По вопросам сотрудничества вы можете связаться с нами:


Мы используем файлы cookie. Продолжив работу с сайтом, вы соглашаетесь с Политикой обработки персональных данных.