Approfondimento su CoreConverse: il bot di posta elettronica interno di Max Life Insurance
Max Life ha sviluppato una soluzione AI sfruttando un motore NLP integrato che comprende automaticamente la query del cliente.
Max Life Insurance ha una base attiva di 4 milioni di clienti con ~ 8 lakh di nuove polizze vendute ogni anno e la base di clienti sta crescendo a un tasso elevato di ~ 20% su base annua. Un’ampia base di nostri clienti attivi ci scrive sotto forma di e-mail su questioni che vanno da richieste relative alla politica, chiarimenti sulla politica, stato di emissione della politica, stato di spedizione, aggiornamento delle informazioni sulla politica e nuove richieste di servizio. In media, Max Life riceve circa 60K e-mail al mese, alle quali risponde un team di risposta e-mail dedicato (email desk) che fa parte del servizio clienti.
A causa dell’elevato numero di volumi di e-mail, l’attuale team di risposta alle e-mail richiede un team di 50-75 persone dedicate per esaminare, mettere in coda e rispondere alle e-mail in base alla revisione manuale di ciascuna e-mail. Inoltre, il processo di risposta stesso diventa complesso e richiede l’accodamento, la pianificazione, la convalida delle informazioni e l’elaborazione nei sistemi di flusso di lavoro di back-end per garantire una risposta accurata e tempestiva in base alla complessità della domanda sollevata dal cliente. Questo processo completo con un team di risposta e-mail dedicato comporta costi operativi elevati. Di conseguenza, stiamo riscontrando un aumento dei TAT di risposta con l’aumento dei volumi di posta elettronica, con un impatto negativo sulla soddisfazione del cliente misurata tramite NPS (punteggio del promotore netto).
La soluzione
Per affrontare il problema di cui sopra, abbiamo sviluppato una soluzione AI (Core-Converse) sfruttando un motore NLP integrato che comprende automaticamente la query del cliente leggendo le e-mail, identifica gli intenti e fornisce una risoluzione anticipata alla query del cliente. Questa piattaforma di intelligenza artificiale è un end-to-end integrato ai sistemi core di Max Life come l’applicazione di policy di back-end, il sito Web e altri chatbot rivolti ai clienti. Ciò consente alla piattaforma di identificare automaticamente il cliente, la cronologia delle conversazioni, convalidare le informazioni sui clienti, estrarre le informazioni rilevanti richieste per la query del cliente e inviarle al cliente come risposta via e-mail. Inoltre, oltre a rispondere alle richieste dei clienti,
Attualmente, la piattaforma Core-Converse AI gestisce automaticamente il 50% delle richieste e-mail dei clienti con un tasso di risposta accurato del 90% (il 10% delle risposte va per la revisione manuale)/ Dal punto di vista della copertura, la piattaforma copre l’intero ciclo e-mail per il 70% di diversi tipi di richieste dei clienti per le quali i clienti ci scrivono. Per il restante 25% di query, di natura piuttosto complessa, come quelle relative alla rinuncia alla polizza o alla combinazione di più query che un cliente ha sollevato in un’unica email, la piattaforma crea una risposta che è attualmente in fase di revisione manuale e quindi inviato al cliente. Con i continui miglioramenti, miriamo a rendere il motore NLP più nitido per gestire automaticamente più del 90% delle richieste dei clienti attraverso la piattaforma.
Questo ci ha permesso di ridurre il costo dell’e-mail desk di quasi il 30%, una riduzione del TAT medio del 90% e un miglioramento dell’NPS dei nostri clienti di circa l’1%
Come funziona
Il diagramma seguente rappresenta la panoramica del processo gestito dalla piattaforma Core-converse.
Il processo inizia con la ricezione dell’e-mail inviata dal cliente. Una volta ricevuta l’e-mail, il programma del motore di convalida identifica e abbina l’ID e-mail del cliente cercandolo nelle informazioni sul cliente registrato. Se l’ID e-mail viene riconosciuto come uno dei clienti esistenti, l’e-mail passa attraverso il motore NLP principale, che identifica l’intento dell’e-mail. (quali informazioni sta cercando il cliente).
Per risolvere la richiesta del cliente, il motore estrae le informazioni rilevanti dal testo dell’e-mail, come il numero della polizza, il numero del cliente e altre informazioni richieste, ad esempio se un cliente sta cercando una ricevuta di pagamento per il rinnovo della polizza come intento. Questi input vengono quindi forniti alle applicazioni principali di Max Life per ottenere le informazioni necessarie per risolvere la query del cliente tramite varie chiamate API integrate. Una volta ricevute le informazioni di risposta, la piattaforma le integra in un modello di email di risposta personalizzato e le invia al cliente. La piattaforma principale converse esegue automaticamente questi passaggi gestendo il processo di ricezione e risposta delle e-mail end-to-end.
La piattaforma completa viene distribuita sul cloud sfruttando sia l’intelligenza artificiale che lo stack di strumenti di distribuzione di AWS e componenti cloud di Google. La figura seguente mostra l’architettura tecnica della soluzione.
Architettonicamente, l’intera piattaforma è divisa in due parti principali: il sistema Email Workflow e il motore Core AI.
Sistema di flusso di lavoro e-mail —
Lo scopo principale del sistema del flusso di lavoro di posta elettronica è identificare e convalidare il mittente recuperando informazioni da vari sistemi di origine. Utilizzando gli input del motore AI principale, automatizza l’intero processo di posta elettronica. Una volta che l’e-mail arriva, il motore NLP di base estrae informazioni come l’id dell’e-mail, il nome di dominio, il numero della politica e l’intento dell’e-mail.
Il sistema del flusso di lavoro è collegato ai sistemi di origine MLI tramite API per convalidare l’identità e recuperare tutti i dati relativi all’adempimento. Con l’input dal motore NLP principale, ha convalidato l’identificazione del cliente tramite il numero di polizza e l’ID e-mail registrato, oltre a recuperare le informazioni/dati del cliente richiesti e le forniture al motore NLP principale per la creazione della risposta.
Durante il processo di convalida, il componente del flusso di lavoro identifica anche se il cliente ha inviato e-mail ripetute per lo stesso problema, se l’e-mail è contrassegnata con altri ID e-mail specifici che indicano un’escalation e se il mittente richiede informazioni generiche, come indirizzo dell’ufficio, ufficio numero di contatto, ecc. Tali informazioni complesse consentono una pianificazione e una prioritizzazione appropriate della risposta nell’accodamento delle risposte e-mail.
Motore Core AI (PNL) —
Il componente principale della piattaforma è il motore AI basato sulla PNL. Questo serve principalmente a comprendere il contenuto dell’e-mail tramite NLU ed estrarre le intenzioni del cliente e altre informazioni pertinenti. Il motore sfrutta Dialogflow come motore NLP principale. È racchiuso in un livello personalizzato di motore di pre-elaborazione distribuito su AWS Lambda, che funziona come un’unità unita per comprendere gli intenti del cliente dal corpo dell’e-mail e risponde al flusso di lavoro CoreConverse con gli intenti identificati. Per superare i limiti del numero di caratteri che possono essere elaborati dal flusso di dialogo, esiste un modello addestrato personalizzato per suddividere le e-mail di grandi dimensioni in estratti più piccoli in modo che tutte le e-mail possano essere elaborate. Prima dell’identificazione degli intenti da parte del motore principale, questo modello personalizzato suddivide l’e-mail in estratti contestuali e invia ciascuno di questi estratti al motore Core NLP, che risponde con gli intenti del cliente, che vengono nuovamente consolidati e ripuliti per identificare eventuali intenti multipli e rimuovere qualsiasi intento ripetitivo. Durante questo processo di estrazione, il modello esegue la modellazione dell’argomento identificando la parte del discorso, la lemmatizzazione, la correzione ortografica, la somiglianza delle parole e l’analisi della frequenza.
La piattaforma utilizza uno stack tecnologico completo. Insieme al motore NLP del flusso di dialogo di Google, il modello personalizzato è integrato in Python. Il front-end della piattaforma è stato sviluppato su ReactJS e per la distribuzione sul cloud AWS è stata utilizzata una gamma di gestori, servizi di reportistica, servizi di workflow-task-decir, pooling e forwarding. Inoltre, la persistenza di Netflix è stata utilizzata per mantenere la posta in gioco del flusso di lavoro.
