«Очень сложно разработать что-то для кого-то, если у вас нет сочувствия»
- Стюарт Баттерфилд, соучредитель Slack
Завоевать клиентов сложно, но сложнее удержать их. Лучшие компании вкладывают средства в надлежащую поддержку клиентов, потому что они знают, что хорошая команда CS - это больше, чем просто команда пожарных: это сокровищница знаний о вашем продукте, ваших пользователях и о том, что они думают.
Клиент обычно связывается с вашей компанией, когда что-то идет не так. Чем серьезнее проблема, тем более эмоциональным будет это сообщение. Часто эти сообщения являются первым признаком того, что в системе существует критическая ошибка, или что мы приняли неверное решение по UX, или что функция вызывает больше проблем, чем решает.
Клиенты также связываются с нами, чтобы выразить положительные эмоции, будь то через App / Play Store, Trustpilot или напрямую по электронной почте. Важно, чтобы мы понимали и могли отсортировать тональность этих сообщений, чтобы мы знали, что у нас хорошо получается. Оба вида обратной связи имеют решающее значение для понимания наших пользователей и создания для них правильного продукта.
Azimo ежегодно перемещает сотни миллионов долларов по всему миру. При таком масштабе нелегко идентифицировать и отсортировать все отзывы наших клиентов, чтобы мы могли эффективно ссылаться на них при исследовании клиентов. Поскольку нет ничего более полезного, чем отзывы людей, мы решили решить эту проблему, интегрировав анализ настроений в наши инструменты поддержки клиентов.
Поток данных
Ядром нашей системы поддержки является платформа Zendesk, на которой мы общаемся с клиентами. Zendesk обрабатывает:
- Электронные письма пользователей и партнеров
- Сообщения, поступающие с веб-сайта и приложений
- Социальные сети, включая Facebook и Twitter
- Просмотрите такие системы, как Trustpilot и AppStore или Play Store.
Каждое новое сообщение анализируется и отправляется нужной команде и агенту для его обработки. Однако, помимо внутренней автоматизации (назначение агентов, автоматические ответы, политики SLA), Zendesk поддерживает плагины внешних служб через веб-перехватчики.
Одна из наших реализаций веб-перехватчиков для Zendesk - это созданный нами сервис под названием Ticket Enrichment. Когда в Zendesk появляется новое сообщение, выполняется вызов службы Ticket Enrichment, которая затем анализирует содержимое и анализирует данные с помощью различных внутренних функций, таких как Обработка естественного языка среди других. Когда все данные готовы, он отправляет обогащенный билет обратно в Zendesk через их API.
Анализ настроения билетов
Одной из функций нашей службы пополнения билетов является анализ текста, который помогает нам классифицировать тональность входящего сообщения. Благодаря обработке естественного языка мы можем определить, было ли сообщение:
- Отрицательное (например, пользователь был зол, разочарован или просто испытал неприятный опыт),
- Положительно (пользователь остался доволен нашим сервисом),
- Смешанный (пользователь может быть доволен некоторыми нашими услугами, но у него возникли проблемы или возникли проблемы с другими),
- Нейтрально (например, пользователь сообщил о менее важной проблеме или оставил нам неэмоциональный отзыв).
Реализация
Мы находимся на первых этапах создания централизованной и автоматизированной службы поддержки клиентов, поэтому очень важно, чтобы мы могли быстро создавать и учиться. Вот почему мы решили создать прототип и создать MVP на платформе Firebase. Firebase предоставляет такие функции, как масштабирование среды, ведение журнала и упрощенное развертывание, что позволяет нам сосредоточиться на создании необходимой нам функциональности. Думайте об этом как о найме общего рабочего места вместо строительства и обслуживания собственного офиса 😉.
Погрузитесь в подробности
Наша служба пополнения билетов построена на основе Облачных функций Firebase и представляет собой функцию триггера HTTP. Каждый раз, когда на платформе Zendesk создается новый билет, он вызывает веб-перехватчик нашей функции. После предварительной обработки данных мы проводим анализ текста, включая анализ синтаксиса и тональности с помощью Google Cloud Natural Language API. Обработка естественного языка дает нам некоторые необработанные числа, представляющие настроения и эмоциональность содержания. Поскольку мнения различаются для разных вариантов использования и клиентов, мы используем наши формулы, построенные на основе исторических данных и опыта.
Что мы изучаем?
Благодаря всем этим функциям мы можем анализировать тысячи билетов каждую неделю. Теперь у нас есть гораздо лучшее представление о том, какие функции нравятся людям, какие вызывают у них проблемы и какие критические ошибки необходимо исправить.
И это только начало. Обработка естественного языка многообещающа, и ее точность постоянно растет. Сегодня мы можем программно определить и понять проблему пользователя еще до того, как агент службы поддержки прочитает сообщение.
Прямо сейчас инженеру все еще нужно отсортировать проблему и развернуть исправление, но мы надеемся, что в будущем мы сможем исправить проблему пользователя или, по крайней мере, автоматически предоставить им точную информацию, пока они ждут. и сразу.
В остальных случаях классификация текста существенно сократит время ответа и позволит нам передать заявку агенту по обслуживанию клиентов, обладающему соответствующими знаниями для решения проблемы клиента. Больше никаких «позвольте мне просто передать вас лучшему человеку, который с этим справится». 😎
Примеры
Поскольку конфиденциальность наших пользователей имеет решающее значение для нас, мы не будем делиться реальными разговорами. Вместо этого, вот несколько написанных нами тестовых примеров, которые показывают, как работает анализ настроений. В приведенных ниже случаях мы смогли бы определить не только настроение, но и природу проблемы / комплимента.
Отрицательные настроения
Пользователь 1:
«Привет, у меня проблема с вашим приложением. На моем устройстве постоянно вылетает. Я не могу войти в систему и не могу совершить транзакцию. Это бесполезно. И я не могу связаться с вами. Конечно, это последний раз, когда я связываюсь с вами ».
Пользователь 2:
«Мне не нравятся ваши услуги! Вы медлите, вы не отвечаете на мои вопросы. Ваше приложение не очень хорошо выглядит на моем телефоне. Я никому тебя не рекомендую ».
Положительный настрой
Пользователь 1:
«Привет, Азимо!
Мне нравится твое приложение! Я ваш клиент уже много лет, и у меня никогда не было проблем с транзакциями. Деньги доставляются вовремя, очень быстро. Спасибо за ваш тяжелый труд, вы лучшая компания! »
Пользователь 2:
«У вас классное приложение. Это позволяет легко и быстро переводить деньги в мою страну. Я не могу просить большего. Мне это нравится ».
Нейтральные настроения
Пользователь 1:
«Дорогой Азимо. Я пытаюсь связаться с вами, у меня есть вопросы по поводу моего перевода. Можете ли вы сказать мне, как лучше всего с вами поговорить? »
Что дальше
Хотя анализ настроений - мощный метод, помогающий понять ваших клиентов, для нас это только начало. Современное состояние обработки естественного языка дает нам инструменты не только для классификации эмоций, скрытых за сообщением, но и для поиска его более глубокого значения. Извлекая ключевые слова, категории и структуры предложений, можно создавать решения, которые автоматически анализируют все каналы связи в режиме реального времени, предлагают тенденции (что людям больше всего нравится или не нравится в нашем продукте) и отслеживают их во времени (имеет последний направление в создании пользовательского интерфейса заставило людей больше любить наше приложение?).
С ростом масштабов чрезвычайно важно понимать своих клиентов. Что может быть лучше, чем прислушиваться к их отзывам? Благодаря обработке естественного языка мы можем слышать всех, кто хочет говорить. Независимо от того, когда и сколько они хотят нам рассказать.
Для нас, людей, это никогда не было бы возможным.
На пути к финансовым услугам, доступным для всех
В рамках всей компании мы работаем над созданием более быстрых, дешевых и доступных финансовых услуг по всему миру, и вот некоторые из методов, которые мы используем. Впереди еще долгий путь, и если вы хотите стать частью этого пути, загляните на нашу страницу карьеры.
