Похожие презентации:
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 рамкахкурсового 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 этапыпроектирования:
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 проектопределение 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 существующейорганизации 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 склиентами, 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 являетсяполучение 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 силудолгого ожидания клиента так и
остаются необработанными, из-за
чего клиенты недовольны и
отказываются от дальнейших услуг
магазина.
16.
Также при нынешнем положении дел системаудержания 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 решениепроблемы:
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 ирегистрирующий 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 можетраспознать 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 отдельнойкатегории 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 будетвключать 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 исоставления 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 умногоценообразования,
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 ипрограммных 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 изфункций 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 помощьюглубинного 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 аналогии 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 просмотраразных отчетов).