Автоматические ответы на отзывы

Задача

Одни из наиболее важных эмоций человека – это удовлетворенность и понимание, что о нем заботятся и готовы помочь. Как правило, в компаниях, занимающихся выпуском приложений и игр на различных платформах, работает целое подразделение, которое обеспечивает поддержку клиентов. А если приложений несколько сотен? И площадок для публикаций около 10. Нагрузка на подразделение поддержки пользователей существенно возрастает при обработке отзывов и запросов пользователей, которые могут быть недовольны приложением или игрой и оставляют плохие отзывы и оценки.

Быстрая обратная связь с пользователем по проблеме, которую он оставил, позволяет улучшить показатели приложения и повысить удовлетворенность аудитории. Немаловажно, что удовлетворенность пользователей отражается на рейтинге приложений, и тем самым, на количестве новых инсталляций.

Обзор решения

Команда Qudata разработала систему на основе нейронных сетей, которая позволяет быстро и эффективно обрабатывать отзывы пользователей. Реализация системы значительно повышает эффективность работы отдела технической поддержки, отдела продаж, и позволяет поддерживать рейтинг приложений на высоком уровне.

Архитектура решения будет состоять из трех основных этапов:

1. Получение отзывов из Google Play

2. Интерпретация намерения, комплексный анализ полученного отзыва для формирования ответа

3. Мониторинг ответов менеджером

4. Отправка ответа на Google Play

Первым шагом к разработке решение было создание нейронной сети для идентификации отзыва. Для этой цели мы использовали рекуррентную нейронную сеть с механизмом Attention. Обучение сети происходило на большом объеме данных отзывов.

Разработанная нами система проверяет отзывы на Google Play через промежуток времени, задаваемый оператором в зависимости от активности клиентов. Каждый из отзывов обрабатывается в соответствии с его тематикой. В интеллектуальном ядре данного решения имеется более 50 разных смыслов и настроений, которые могут быть отражены в отзыве пользователя.

На текущих отзывах решение показало хорошие результаты, более 90% отзывов успешно обрабатываются без участия оператора. Для нестандартных случаев, в которых требуется участие технического отдела, используется система уведомлений и задачи отправляются прямо в отдел поддержки. Решение интегрировано в общую систему управления проектами, которую использует наш заказчик. Теперь ни один отзыв не будет потерян. После запуска сервиса рейтинг обрабатываемых приложений не опускался ниже 4.2 баллов.

Технологические детали

Проект разрабатывался на Python. В качестве искусственного интеллекта мы использовали платформу RASA с открытым исходным кодом, обученную на нашем наборе данных. Публикация ответов реализована с помощью Google Play Developer API.

Архитектура проекта универсальна и может работать с разными магазинами, сайтами и площадками. Дополнительное обучение нейронной сети позволяет настроить систему для различных сфер бизнеса:

  • магазины и торговые площадки
  • туристические агентства
  • игровые порталы
  • сайт вашего ресторана или кафе
  • образовательные проекты
  • странички ваших приложений на AppStore и GooglePlay
  • любой бизнес, в котором ожидаются отзывы от клиентов.

Система поддерживает английский и русский язык. Модульность позволяет интегрировать проект в разные системы поддержки (Zendesk, JIRA Service Desk, Helprace, Kayako, osTicket, OTRS и многие другие).

Стек технологий

Python

Python

Rasa

RASA

Python

Python

Rasa

RASA