Предиктивная маршрутизация обращений
Использование предиктивной маршрутизации в разделе [Обращения] позволяет сэкономить время операторов на первичной обработке обращений и их распределении на профильные команды. При регистрации обращения по email-сообщению в фоновом режиме выполняется прогнозирование значений полей [Сервис] и [Группа ответственных].
На заметку
Вы также можете включить прогнозирование приоритета обращений. Для этого нужно активировать соответствующую модель в разделе [Модели машинного обучения].
Чтобы просмотреть прогноз, откройте страницу обращения и нажмите кнопку справа от нужного поля, например, [Группа ответственных] (Рис. 1).
На заметку
Прогнозное значение сохраняется в поле только после сохранения страницы обращения.
Рис. 1 — Просмотр уверенного прогноза на странице обращения
Как обучается модель прогнозирования группы ответственных
По умолчанию модель машинного обучения, отвечающая за прогнозирование группы ответственных, активна, но не обучена. Обучение модели будет запущено автоматически. При достижении нижнего порога допустимого качества 50%, экземпляр модели будет сохранен в системе и начнет работу. Если точность прогноза после обучения модели будет ниже 50%, то экземпляр модели будет направлен на переобучение.
При этом прогнозирование группы ответственных выполняться не будет. В базовой конфигурации системы период переобучения модели прогнозирования группы ответственных составляет 30 дней. Вы можете настроить другой период переобучения в разделе [Модели машинного обучения].
Как выполняется прогнозирование группы ответственных
Сервис прогнозирования проверяет письмо, по которому зарегистрировано обращение, с целью выявления в тексте часто повторяющихся слов и словосочетаний. Для каждого обученного экземпляра модели формируется коллекция комбинаций слов и словосочетаний, характерных для обращений, которые решаются каждой из групп ответственных. В данной коллекции не сохраняется конфиденциальная информация: email-адреса, тексты писем, данные контактов и контрагентов, история разрешения обращений и т. д. При сравнении данных, полученных в результате анализа нового обращения, с этой коллекцией, составляется прогноз данных поля [Группа ответственных] с учетом вероятностей. При получении уверенного прогноза поле будет заполнено автоматически.
Точность прогноза зависит от количества исторических данных, на которых обучена модель. Использование постоянно обновляющихся и пополняющихся исторических данных при обучении моделей позволяет достигнуть точности прогнозов, превышающей 90%.
На заметку
Сервис предиктивного анализа позволяет обучать модели на выборках, содержащих до 75 тысяч исторических записей. Если выборка содержит более 75 тысяч записей, сервис выберет из нее в произвольном порядке 75 тысяч записей, на которых будет проведено обучение.
Для достижения нижнего порога допустимого качества 50% рекомендуется использовать для обучения модели прогнозирования группы ответственных не менее 20 тысяч исторических записей.
