ML/AI-решения для службы поддержки: как их внедрять
Давайте рассмотрим задачу: вам необходимо принять решение о том, стоит ли автоматизировать поддержку пользователей с помощью ML/AI-технологий — и если да, то каким образом.
У вас есть следующие вводные:
- Продуктом пользуются более восьмидесяти миллионов пользователей в месяц.
- Есть исторические данные о нескольких десятках миллионов обращений в поддержку и ответов на них.
- Ключевые метрики службы поддержки: скорость до первого ответа пользователю и скорость решения проблемы пользователя.
Цель проекта — существенно улучшить ключевые метрики качества службы поддержки, с помощью внедрения ML-технологий и без увеличения штата агентов.
Какой подход из предложенных ниже стоит выбрать для достижения этой цели?
Через пару дней мы поделимся второй частью материала с подробным разбором этого кейса, который базируется на реальном опыте. А пока предлагаем вам выбрать верный, на ваш взгляд, вариант ответа:
Давайте рассмотрим задачу: вам необходимо принять решение о том, стоит ли автоматизировать поддержку пользователей с помощью ML/AI-технологий — и если да, то каким образом.
У вас есть следующие вводные:
- Продуктом пользуются более восьмидесяти миллионов пользователей в месяц.
- Есть исторические данные о нескольких десятках миллионов обращений в поддержку и ответов на них.
- Ключевые метрики службы поддержки: скорость до первого ответа пользователю и скорость решения проблемы пользователя.
Цель проекта — существенно улучшить ключевые метрики качества службы поддержки, с помощью внедрения ML-технологий и без увеличения штата агентов.
Какой подход из предложенных ниже стоит выбрать для достижения этой цели?
Через пару дней мы поделимся второй частью материала с подробным разбором этого кейса, который базируется на реальном опыте. А пока предлагаем вам выбрать верный, на ваш взгляд, вариант ответа: