Автоматическое распределение
обращений
Предиктивная маршрутизация обращений относится к методам автоматической обработки обращений на основе анализа данных. Использование инструментов искусственного интеллекта может значительно сэкономить время и повысить эффективность работы службы поддержки при первичной обработке обращений. Одним из таких инструментов является прогнозирование значений полей при регистрации обращений, таких как «Сервис» и «Группа ответственных».
Прогнозирование полей выполняется с помощью моделей машинного обучения «Прогнозирование: Сервис обращения» и «Прогнозирование: Группа ответственных обращения». Для работы модели должны быть обучены на бизнес-данных и активны. Подробнее: Модели машинного обучения
При регистрации обращения на основании входящего письма сервис прогнозирования анализирует данные нового обращения для выявления часто повторяющихся слов и словосочетаний. Для каждой обученной модели создается коллекция слов и словосочетаний, связанных с полем «Группа ответственных». При сравнении нового обращения с этой коллекцией происходит сопоставление информации. В зависимости от вероятности прогноза поле заполняется автоматически или предлагается список значений для выбора. Подробнее о типах прогнозирования смотрите в статье Прогнозирование справочных полей.
Для просмотра прогноза:
- Перейдите на страницу обращения.
- Нажмите на кнопку
справа от нужного поля, например, «Сервис».
Рисунок 1 — Результат прогнозирования сервиса обращения
BPMSoft отобразит возможные варианты значений поля с их вероятностями. Выберите значение из списка.
Если один из вариантов наиболее вероятен, чем остальные, то поле будет заполнено автоматически. Рядом с полем будет отображаться кнопка 
. При необходимости вы можете выбрать другое значение.
Рисунок 2 — Результат прогнозирования группы ответственных обращения
- Сохраните изменения на странице обращения.
Качество прогноза зависит от количества доступных исторических данных, используемых для обучения модели. Регулярное обновление и пополнение исторических данных при обучении моделей позволяет достичь высокой точности прогнозирования. Подробнее: Обучение модели
Рекомендуем изучить
Создание обращения
Настройка расчета сроков реакции и разрешения
Прогнозирование группы ответственных обращения