В рамках поддержки продукта мы постоянно обслуживаем обращения от пользователей. Это — стандартный процесс. И как любой процесс, его нужно регулярно критически оценивать и улучшать.
Мы знаем о некоторых систематически проблемах, которые хорошо-бы решить и, по возможности, без привлечения дополнительных ресурсов:
- ошибки в диспетчеризации заявок: мы получаем что-то «чужое», другие команды иногда получают что-то «наше».
- сложно оценить «сложность» заявки. Если заявка сложная — ее можно передать сильному аналитику, а с простой — и начинающий справится.
Решение любой из указанных задач будет положительно влиять на скорость обработки заявок.
Применение машинного обучения, в приложении к анализу содержания заявки, выглядит как реальная возможность улучшить процесс диспетчеризации.
В нашем случае задачу можно сформулировать следующими задачами классификации:
- Убедиться, что запрос корректно отнесен к:
- конфигурационной единице (одна из 5 в рамках приложения или «другие»)
- категории обслуживания (инцидент, запрос информации, сервисный запрос)
- Оценить ожидаемое время на закрытия запроса (как высокоуровневый индикатор «сложности»).
Читать дальше →
Анализ заявок на обслуживание с помощью машинного обучения
Source: habrahabr