© unsplash/@machec
Klassifizierung von Support-Anfragen
Hintergrund
Die Kundenzufriedenheit hängt stark von einer schnellen Bearbeitung von Kundensupportanfragen ab. Da die Kundenanfragen in eine Vielzahl von Bereichen fallen können, müssen sie klassifiziert und in kurzer Zeit dem richtigen Kundenbetreuer oder Team zugeordnet werden.
Herausforderungen
Die Klassifizierung von Kunden-Support-Anfragen kann automatisiert werden, indem ein machine learning (ML)-Modell verwendet wird, das die relevanten Informationen wie Bestellnummer, das beanspruchte Produkt und seine Beschreibung der Anfragen, die oft Freitext ist, extrahiert. Dazu müssen Textpassagen aus den Anfragen abstrahiert und in Kundenservice-Kategorien oder Tickets klassifiziert werden.
Dazu muss das Modell semantisch ähnliche Wörter erkennen, um den zugehörigen Kundendienst für die von der Kundenanfrage gelieferten Informationen zu finden. Die größte Herausforderung ist die Analyse des Freitextes, da die Kunden erwarten, dass der Agent über die bisherige Kommunikation und den aktuellen Bearbeitungsstand informiert ist.
Lösungsansatz
Die Extraktion relevanter Informationen aus Textdaten erfolgt mit Hilfe von Natural Language Processing (NLP)-Techniken wie naiven Bayes-Klassifikatoren, TF-IDF-Algorithmen oder LSTM-Netzwerken, die in der Lage sind, die Beziehungen zwischen Wörtern und ihrem jeweiligen Kontext zu erkennen. Grundlage für das Training ist ein großer Datensatz, in dem die für die Klassifikation relevanten Textpassagen gelabelt sind, sodass das Modell in der Lage ist, anhand der extrahierten Informationen Klassifikationen vorzunehmen.
Zusätzlich sollte der aktuelle Arbeitsablauf bei der Bearbeitung von Kundenanfragen so gut wie möglich modelliert und abgebildet werden, um bereits etablierte Arbeitsabläufe im Unternehmen nicht zu verändern.