The use of blm to robotize a contact center for housing and communal services management companies when registering incoming requests from residents
Year: 2025
Type: dissertation
Abstract: Гипотеза исследования: Применение специализированной нейросетевой модели, основанной на методах BLM для роботизации первичной обработки входящих обращений в контакт-центрах управляющих компаний в сфере ЖКХ, позволит достичь точности и скорости классификации, сравнимых с работой живого оператора, что в свою очередь приведет к значительному снижению операционных затрат и повышению качества обслуживания клиентов. Объект исследования: Процессы работы оператора контакт-центра для управляющих компаний в сфере ЖКХ по регистрации входящих обращений жителей. Предмет исследования: Возможность применения BLM для роботизации контакт-центра в сфере ЖКХ с целью распознавания причин обращений жителей, их классификации и регистрации. Цель работы: Проектирование и анализ обучения нейросети, способной распознавать и классифицировать причины обращений с точностью, сравнимой с показателями живого оператора. Методы исследования: - Методы системного анализа позволяют структурировать и формализовать исследуемую систему, выявлять её компоненты и взаимосвязи, а также моделировать динамику процессов. - Методы анализа данных и алгоритмы машинного обучения применяются для обработки больших объемов данных, выявления закономерностей и построения предсказательных моделей на основе исторических обращений. - Методы обработки естественного языка (NLP) обеспечивают автоматический анализ текстовых данных, включая токенизацию, морфологический и синтаксический анализ, а также семантическое моделирование. - Модели нейросетевого анализа для автоматической классификации и обработки запросов основаны на архитектурах глубокого обучения, что позволяет с высокой точностью извлекать ключевые признаки из текста. - Теория принятия решений и экспертных систем используется для разработки логики маршрутизации обращений и определения приоритетов их обработки, что повышает общую эффективность системы. Научная новизна: Впервые предлагается модель автоматизированного оператора контакт-центра ЖКХ, способного анализировать обращения клиентов, распознавать причину обращения. Исследование направлено на адаптацию существующих NLP- и ML-методов для полного замещения операторов в операционных задачах клиентского сервиса и технической поддержки. Практическая значимость: Разработанная система позволит снизить нагрузку на контакт-центр, автоматизировать процесс обработки обращений жителей и снизить издержки на оплату труда сотрудников контакт-центра, при увеличении количества клиентов (масштабировании).
Authors: Селезнев, Д. А., Seleznev, D. A.
Language: Russian
Topic: AI in Service Interactions
Subfield: Marketing
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7116218378