Banque
❯
Conseiller financier
❯Service client de niveau supérieur : automatisation des e-mails avec traitement du langage naturel
Assistante bancaire virtuelle
But:
Utilisation de chatbots avancés et de systèmes de dialogue pour automatiser une partie des activités du centre d'appels.
Objectif:
Amélioration de l'efficacité des employés, amélioration de l'expérience client
Service client de niveau supérieur : automatisation des e-mails avec traitement du langage naturel
Pour:
Département d'assistance à la clientèle
Objectif:
Amélioration de l'efficacité des employés
Main-d'œuvre du siècle prochain : associer les humains et les robots pour stimuler l'efficacité et la croissance
Pour:
Conseillers financiers Employés de banque
Objectif:
Amélioration de l'efficacité des employés
Service client de niveau supérieur : automatisation des e-mails avec traitement du langage naturel
Pour:
Département d'assistance à la clientèleObjectif:
Amélioration de l'efficacité des employésProblème adressé
Dans le service d'assistance à la clientèle, l'équipe lisait tous les e-mails entrants pour décider à quel service envoyer les tickets tout en devant ajouter manuellement le texte dans un système de ticket. Cela est devenu un processus coûteux car il nécessitait une grande équipe de personnes. Malgré cette grande équipe, cela a entraîné une mauvaise expérience client avec des clients attendant au moins 2 jours pour une réponse à leurs demandes.
Description
Pour résoudre ce problème, Kortical a développé un modèle d'apprentissage automatique utilisant le traitement du langage naturel qui pourrait lire les e-mails entrants pour classer automatiquement l'intention des clients. Cela a utilisé un temps et un coût initiaux minimaux en combinant RPA pour les envoyer au système de billetterie sans nécessiter d'intervention humaine dans la majorité des cas. En conséquence, cette solution ML a permis à l'entreprise d'économiser plus de 750 000 £ par an. En outre, un temps de réponse plus rapide aux clients a été obtenu et le modèle d'IA a pu traiter 57 % des e-mails avec un taux de précision de 95 % qui ne fait que s'améliorer avec le temps. .
Apprentissage automatique
IA: Comprendre
Automatiser - Automatiser Traiter
Répondre - Agents conversationnels
IA: Agir