Компания оказывает телекоммуникационные услуги многочисленным клиентам как в секторе B2C, так и в секторе B2B. Абонентам доступна круглосуточная поддержка, в том числе в выходные и праздничные дни. Клиентская база постоянно растет, а вслед за ней увеличивается число запросов в сервис, для обработки которых необходим многочисленный штат операторов и специалистов службы поддержки.

 

Проблема:

​

Рост числа потребителей телекоммуникационных услуг ведет к увеличению нагрузки на службу поддержки пользователей. Ранее проблема решалась наймом новых сотрудников, но этот способ увеличивал затраты и был признан менеджментом компании неэффективным.

 

Задачи:

​

• Обеспечить готовность сервиса к дальнейшему росту клиентской базы без найма дополнительного персонала.

• Оптимизировать издержки, связанные с работой службы поддержки.

• Увеличить среднюю скорость обработки заявки.

• Автоматизировать часть выполняемых сотрудниками операций.

​

Решение поставленных задач:

​

Свыше 50% запросов пользователей в службу поддержки поддавались типизации. Внедрение SmartSel позволило автоматизировать обработку многократно повторяющихся запросов и генерировать на часть из них готовый ответ. Для остальных обращений были реализованы автоматическое определение темы (класса) и маршрутизация запроса ответственному сотруднику.

​

С помощью SmartSel автоматизирована нулевая линия поддержки и сокращены средние сроки обработки заявки.

В результате внедрения обеспечена эффективная работа сервиса и его адаптивность к постоянно увеличивающемуся числу клиентов и их обращений без привлечения дополнительного персонала.

​

​

В промышленной компании работает более 50 000 сотрудников. Внутренняя служба поддержки обрабатывает все запросы, поступающие как от специалистов бэк-офиса, так и от сотрудников производства. В день обрабатывается несколько тысяч подобных обращений, которые тематически можно распределить на 2000+ классов – по теме, исполнителю, заявителю и т.д.

 

Проблема:

​

Операторы при классификации обращений руководствовались субъективными представлениями и часто принимали ошибочные решения о переадресации. Это приводило к несвоевременному реагированию на проблемные ситуации, простою оборудования, прямым и косвенным издержкам. 

 

Задачи:

​

• Повысить точность классификации поступающих обращений. 

• Увеличить среднюю скорость обработки заявки.

• Обеспечить классификацию заявок по теме (содержанию) и таким критериям, как важность и срочность.

 

Решение поставленных задач:

​

Благодаря технологиям NLP SmartSel определяет тему обращения в службу поддержки, относит его к одному из 2 000+ классов и дополнительно ранжирует по степени срочности/важности. По итогам классификации система принимает решение о маршрутизации заявки ответственному лицу. 

​

Переадресация обращения происходит в случае достижения системой определенного порога уверенности. Если уверенность системы ниже установленного значения, то запрос направляется специалисту для уточнения. Такая организация процесса позволила обеспечить требуемый уровень защиты от рисков ошибочной маршрутизации. 

​

В результате внедрения SmartSel точность классификации и средняя скорость обработки заявки существенно увеличились, качество работы сервиса и удовлетворенность пользователей выросли.

​

​