2.75M
Category: softwaresoftware

Решение с использованием машинного обучения для процессов клиентской поддержки и удержания пользователей

1.

Руководитель:
Ибатулин М. Ю.
Выполнили студенты 4 курса
группы ИДБ-19-11:
Зиганшин Р. И.
Ильченко В. Д.
Лихинин А. Е.
Матисон А. В.
Преображенская А. Р.
Проянников И. И.

2.

Предметная область:
В рамках выполнения курсового
проекта будет рассмотрен
Интернет-магазин, в котором
покупатель может выбирать
товары в каталоге, добавлять в
корзину и удалять из нее,
оформлять заказ и выбирать
способы доставки.
У компании, владеющей интернетмагазином, уже есть CRMсистема для взаимодействия с
клиентами, но она не использует
возможностей машинного
обучения.

3.

Актуальность проблемы:
Сейчас, особенно в последнее время, активно
идет развитие технологий искусственного
интеллекта, в частности машинного обучения,
которые во многом облегчают жизнь людей в
самых разных областях.
А уж организация взаимоотношений с клиентами
и их удержание всегда являлось одной из
главных задач любой компании. Поэтому
хорошо было бы совместить современные
технологии и повседневную работу с
клиентами, так как это:
удобство, комфорт, экономия денег и
времени.

4.

Объект исследования:
система взаимодействия сотрудников
компании с клиентами их интернетмагазина.
Предмет исследования: возможности
машинного обучения для клиентской
поддержки и удержания пользователей.

5.

Цели, достигаемые в рамках
курсового проекта:
1. Знакомство с профстандартами основных
специальностей в области информационных
технологий.
2. Рассмотрение возможностей
машинного обучения для процессов
взаимодействия с клиентами.
3. Разработка решения для процессов
клиентской поддержки и удержания
пользователей с использованием
возможностей машинного обучения.

6.

Задачи курсового проекта:
1. Изучение предметной области.
2. Формулировка требований к
разрабатываемому программному
решению.
3. Выполнение проектирования
программного решения.
4. Разработка документации.

7.

Роли в проекте:
1) Зиганшин Р. И. - Системный аналитик
2) Ильченко В. Д. - Программист
3) Лихинин А. Е. - Руководитель проектов
4) Матисон А. В. - Специалист по большим
данным
5) Преображенская А. Р. - Технический
писатель
6) Проянников И. И. - Графический дизайнер

8.

Стадии и этапы
проектирования:
Стадия 1. Формирование требований к ИС.
изучение предметной области
формирование требований к ИС клиентской
поддержки и удержания пользователей
Стадия 2. Разработка концепции ИС.
разработка концептуальной модели данных
согласно требованиям к ИС клиентской
поддержки и удержания пользователей
утверждение концептуальной модели данных

9.

Стадия 3. Техническое задание.
разработка и утверждение технического
задания на создание ИС клиентской
поддержки и удержания пользователей
Стадия 4. Эскизный проект.
общее описание функциональной и
технической архитектур
разработка логической модели данных
разработка эскизов компонентов ИС
клиентской поддержки и удержания
пользователей

10.

Стадия 5. Технический проект
определение функциональной и технической
архитектур
разработка физической модели данных
разработка проектных решений по системе и
ее частям
разработка документации на ИС и ее части
Стадия 6. Рабочая документация.
разработка рабочей документации на ИС
клиентской поддержки и удержания
пользователей
разработка и адаптация программ.

11.

Стадия 7. Ввод в действие.
подготовка объекта автоматизации
обучение персонала
пусконаладочные работы
проведение испытаний ИС
Стадия 8. Сопровождение ИС.
техническая поддержка внедренного
решения клиентской поддержки и
удержания пользователей

12.

Характеристика и анализ существующей
организации обработки информации по
задаче на объекте управления:
За основу взят интернет-магазин, в
котором покупатель может выбирать
товары в каталоге, добавлять в корзину
и удалять из нее, оформлять заказ и
выбирать способы доставки.

13.

У компании, владеющей интернетмагазином, уже есть CRMсистема для взаимодействия с
клиентами, но она не использует
возможностей машинного
обучения. Менеджеры поддержки
вручную обрабатывают
обращения клиентов с помощью
звонков или писем, заполняют
информацию о них,
самостоятельно ищут ответы на
вопросы клиентов. Это занимает
очень много времени и требует
большого числа сотрудников
отдела работы с клиентами.

14.

Еще одной проблемой является
получение клиентом
бракованного товара: с
нарушенной упаковкой или
испорченного. В таком случае
менеджер просит
предоставить фото товара,
чек на его покупку, дату
заказа и другие сведения для
анализа возникшей ситуации.
Нередко на оценку товара,
подтверждение брака и
возврат денег уходит
слишком много времени.

15.

При этом некоторые обращения в силу
долгого ожидания клиента так и
остаются необработанными, из-за
чего клиенты недовольны и
отказываются от дальнейших услуг
магазина.

16.

Также при нынешнем положении дел система
удержания пользователей очень плохая, так
как проведение акций и скидок носит
эпизодичный характер,
в то время как у конкурентов действуют
целые программы лояльности,
направленные на привлечение клиентов.
По этой причине отношение клиентов к
интернет-магазину хуже, чем к конкурентам.

17.

Предлагаемое решение
проблемы:
В рамках разработки нашей ИС с
использованием машинного обучения для
клиентской поддержки
и удержания пользователей
предлагаются следующие
возможные решения
существующих проблем.

18.

1. Умный чат-бот, принимающий и
регистрирующий обращения клиентов.
Чат-бот анализирует вопрос клиента и в
случае необходимости просит уточнить
тематику вопроса. Для решения проблемы
клиента система автоматически подбирает
информацию из базы знаний системы и
выдает ответ клиенту. Затем просит
оценить ответ и степень решенности
вопроса.

19.

В случае необходимости, если чат-бот не может
распознать темы обращения, не нашел ответа в
базе знаний или предоставленный ответ не
устроил клиента, чат-бот перенаправляет клиента
в чат к живому оператору и предоставляет
оператору историю общения с этим клиентом. Это
значительно упростит работу операторов, снизит
их нагрузку и позволит сократить затраты на отдел
работы с клиентами.

20.

2. Умный помощник для обработки отдельной
категории обращений клиентов, связанной с
получением клиентом товаров ненадлежащего
качества.
Клиент выбирает в чат-боте нужную
категорию, затем его перенаправляют к
умному помощнику обработки брака.
Клиент снова выбирает категорию:
нарушена упаковка или брак в товаре.
Далее клиент заполняет соответствующую
форму: ФИО, данные о заказе,
прикладывает чек и фото/видео
нарушенной упаковки/бракованного
товара. Нейросеть в системе с помощью
компьютерного зрения производит
оценку фотографии/видеозаписи и
выносит решение. В случае
подтвержденного наличия брака или
испорченной упаковки умный помощник
автоматически оформит возврат денег.

21.

ИС в целях удержания пользователей будет
включать также следующие технологии
машинного обучения:
1. Рекомендательная система, которая
анализирует историю покупок клиента,
его предпочтения и на основе имеющихся
данных формирует и отправляет на
электронную почту клиента рассылку с
рекомендациями.

22.

2. Инструмент прогнозной аналитики,
оценивающий поведение клиентов в
интернет-магазине и прогнозирующий
его дальнейшие действия. Если,
например, клиент зашел в свой личный
кабинет, побродил по интернет-магазину,
положил какие-то товары в корзину, но
не оформил заказ, система оценит
вероятность совершения им покупки и
отправит на почту письмо с
предложением вернуться и
воспользоваться при оформлении
заказа предоставленным скидочным
промокодом для стимуляции к
оформлению заказа.

23.

3. Инструмент оценки поведения клиентов и
составления их рейтинга,
позволяющий анализировать действия клиентов:
количество заказов, купленные товары, процент
жалоб/положительных отзывов.
На основании имеющихся данных система
предлагает наиболее ценным клиентам статус
"VIP-клиента" с предоставлением фиксированной
высокой скидки на совершение будущих покупок в
интернет-магазине.

24.

4. Инструмент умного
ценообразования,
который автоматически анализирует
спрос на те или иные товары и цены
на них в интернет-магазинах
конкурентов. На основе этой
информации система устанавливает
цену на том уровне, при котором
продажи были бы более
эффективными.

25.

Обзор и анализ проектных разработок и
программных решений реализации
задачи:
Можно отметить следующие наиболее близкие
к рассматриваемой тематике инструменты:
1) SugarCRM в 2021-м запустила SugarPredict технологию ИИ для прогнозирования продаж
и маркетинговых действий. SugarPredict
анализирует информацию из SugarCRM и
других интегрированных сервисов и систем и
на их основе делает прогнозы и
рекомендации.

26.

2. Freshsales разработала Фредди - ИИ, одна из
функций которого - делать прогнозы и давать
рекомендации и идеи по
персонализированному общению с каждым
клиентом на основе данных из CRM. Он же
помогает прогнозировать продажи,
предсказывая, насколько вероятен успех
сделки, и даже может самостоятельно
взаимодействовать с клиентами - нужно
только разместить чат-бот на сайте.

27.

3. Скоринг AI в «Битрикс24» с помощью
глубинного машинного обучения
прогнозирует успех или провал сделки на
основе данных в системе и показывает,
насколько высока вероятность превратить
конкретного потенциального клиента в
клиента реального.

28.

Однако, несмотря на все существующие аналоги
и их широкие возможности, приведенные
системы не решают в полном объеме тех
задач, которые были изложены выше.
В каких-то системах отсутствует возможность
применения чат-ботов, где-то нет функций
формирования рекомендаций, и ни одна из
них не способна обрабатывать обращения,
связанные с товаром ненадлежащего
качества.

29.

Эскизы разрабатываемых компонент:
1. Обращения (можно смотреть историю
обращений клиентов, отдельно
отмечаются обращения, требующие
живого оператора).

30.

2. Клиенты (информация о клиентах,
нажимаешь на карточку клиента и
открывается его регистрационная
форма со сведениями, историей заказов
и т.д.).

31.

3. Аналитика (возможность просмотра
разных отчетов).

32.

Спасибо за внимание!
English     Русский Rules