На главную Наши проекты:
Журнал   ·   Discuz!ML   ·   Wiki   ·   DRKB   ·   Помощь проекту
ПРАВИЛА FAQ Помощь Участники Календарь Избранное RSS
msm.ru
! Внимательно прочитайте правила раздела
1. Запрещается публиковать материалы защищенные авторскими правами.
2. Запрещается публиковать новостные материалы без ссылки на источник
Модераторы: ANDLL, B.V.
  
    > «ОТП Банк»: речевая аналитика на базе ML и LLM помогает лучше понять клиентов
      «ОТП Банк»: речевая аналитика на базе ML и LLM помогает лучше понять клиентов

      Начальник центра обучения и контроля качества контакт-центра «ОТП Банка» Ольга Сухарева и начальник отдела развития...

      Начальник центра обучения и контроля качества контакт-центра «ОТП Банка» Ольга Сухарева и начальник отдела развития голосовых роботов и речевой аналитики в Collection Светлана Рабехова представили результаты внедрения ИИ-инструментов речевой аналитики Naumen в коммуникации с клиентами. Об этом CNews сообщили представители «ОТП Банка».

      Эксперты рассказали, что в «ОТП Банке» на платформе речевой аналитики выстроена двухуровневая система анализа диалогов: на базе классических ML-моделей и больших языковых моделей — LLM. ML отвечает за массовые задачи: классификацию тематик, базовый контроль алгоритмов, автоматическую оценку всех звонков и чатов. LLM модель подключается там, где требуется глубокое понимание контекста, эмоций клиента и нюансов переговоров. Такой гибридный подход позволяет банку не только повысить качество сервиса и лучше понимать клиентов, но и получить измеримый экономический эффект.

      Как отметила Светлана Рабехова, речевая аналитика давно перестала быть просто инструментом контроля и сегодня выступает драйвером бизнес-показателей. Автоматическая оценка позволила анализировать 100% диалогов с клиентами, что привело к росту выполненных обещаний по оплате задолженности на 5,5%.

      Важно также отметить, что среднее время анализа одного диалога экспертом уменьшилось в 20 раз — с 7 минут до 20 секунд: можно быстро ознакомиться с сутью разговора без необходимости прослушивать полный диалог.

      Ольга Сухарева поделилась результатами реальных примеров внедрения инструмента в контакт-центре. Автоматическая оценка помогла на 1,7% чаще решать вопросы клиентов с первого обращения. Среднее время обработки звонков сократилось на 5 секунд, а конверсия в продажи выросла на 3,3%.

      Благодаря точному аудиту жалоб доля обращений в ЦБ России снизилась на четверть. Также выросла точность начисления сорри-бонусов с 85% до 97%.

      Адрес новости:
      https://corp.cnews.ru/news/line/2026-03-16_otp_bank_rechevaya_analitika

      1 пользователей читают эту тему (1 гостей и 0 скрытых пользователей)
      0 пользователей:


      Рейтинг@Mail.ru
      [ Script execution time: 0,0115 ]   [ 14 queries used ]   [ Generated: 17.03.26, 09:25 GMT ]