即使《全能布鲁斯》中的吉姆·凯瑞有一队天使来处理那些急匆匆的祈祷，他也需要比上帝更多的力量来分类、分类和分配那些"门票"。现在，神可以选择无视这些祷告，却保持他的羊群完好无损。对于像客户支持服务台这样不那么崇高的实体来说，这是不可能的。在任何一家公司的核心，你都会发现一个服务台在努力解决用户的投诉和请求，或者行业所称的罚单。但有时你会发现服务台效率低下。他们可以使用自动化来处理一些关键但重复的任务，但结果可能并不完美。可能是因为他们的自动化还很初级，并没有我们在本博客中详细阐述的智能票务领域的建议那么先进。这一独特的人工智能功能大大减少了Freshdesk的客户分配和解决问题的时间，Freshdesk是我们的旗舰客户参与服务。它也有助于提高我们客户支持代理的生产力，使他们能够专注于更复杂的需要他们专业关注的任务。 视频Playerhtps://blog-assets.freshworks.com/freshworks/wp-content/uploads/2020/01/13072134/TFS-Bruce-Almighty.mp400：0000:0000:04使用向上/向下箭头键增加或减小音量。基于规则的自动化：一个不完美的中间环节客户支持的低效率很大程度上源于处理帮助台的代理的挫折感。根据业务规模和/或业务性质，支持团队每天收到数百张或数千张罚单。这些信息来自于电话、电子邮件、Twitter帖子或公司网站。投诉和要求是多种多样的，而且语言往往含糊不清。所有这些使得对门票的分类都是一个巨大的挑战。自动化显然是解决这个问题的办法。通常，系统会根据票证的性质为系统设置规则，对票证进行分类、优先排序并将其路由到专业代理。只要票证满足自动化规则中的条件，这种方法就可以很好地工作。但是如果他们没有呢？这时，扩展自动化规则变得具有挑战性。自动化规则已经被证明是顽固的、难以扩展的，而且这些规则太强，无法有机地发展。随着时间的推移，店铺淘客怎么做，帮助热线收集了大量涉及非常具体情况的规则。这使得修改、更新或删除规则变得困难，因为这可能会导致不可预知的后果。我们看到过有一千多条规则的账户对每张票据都有操作。诚然，物联网系统，虽然基于规则的自动化对于路由和分类票证很重要，但它并不能完全解决问题。尽管有更新某些票证属性的自动化规则，代理仍然必须手动更新其余票证字段。如果我们在这里应用帕累托原则，80%的经纪人在处理票证时遇到的挫折是因为手册更新了20%的工作。通过智能、可扩展的系统实现最高效率这就是为什么我们建立了罚单区提示器。聪明地处理这20%的工作，节省代理商的时间专注于他们最擅长取悦客户的事情。我们开发的人工智能功能通过简化操作使用、确保数据隐私和安全以及实现个性化，代表了传统基于规则的调度系统的重大进步。在设计票证字段建议器时，我们扩展了基于人工智能的票证分类、优先级和路由的自动化。使用历史票证数据，我们现在能够自动识别所提出问题的性质，它应该得到什么优先级，以及应该分配给哪个团队。我们选择使用自然语言处理方法，因为我们的数据主要以客户发送的非结构化电子邮件的形式存在。语言中固有的是关于问题性质及其严重性的强烈信号，对于票证的分类和优先次序至关重要。我们把它用于Freshdesk。我们面临的一个关键挑战是规模。我们发现有将近12000名Freshdesk客户，我们可以为他们建立预测模型，自动填充路由、优先顺序和分类机票所需的字段。总的来说，我们现在管理着近3.5万个型号，让它们时刻保持更新和新鲜。这种方法既有效又快速。为了自动化模型构建，我们使用了亚马逊的云机器学习平台SageMaker，它将构建时间从24小时缩短到1小时。传统系统有什么问题为了部分自动化票证分配过程，帮助台配置规则，以确定应如何对票证进行分类，应为其分配什么优先级，大数据提供，以及应由哪个代理（或代理组）处理该票证。这些规则主要基于从票证文本中检测到的关键字和关键字短语。例如，如果票证的主题和主体包含单词"return"，则该票证将被分配给计费团队。这需要对帮助台所处的垂直或行业有很强的领域知识，以便能够识别上千个票据的总体模式，以便规则能够广泛地捕捉票据的多样性。虽然这在某些情况下可能是正确的，但不太可能是普遍的。这种方法存在的问题：基于特定关键字的规则可能无法识别具有相同意图的同义词或拼写错误的票证。例如，如果客户要求"退款"而不是寻求"退款"，则规则将不会将该票据发送给帐单代理。规则一旦创建，就会被冻结。它们是从经验中派生出来的，但在创建之后不够灵活以适应不断变化的模式。这些规则可以很好地处理过去的模式，但无法适应新的模式。随着时间的推移，由不同的管理员和代理添加的规则将积累到一个复杂、不透明的系统中，由于担心不可预测的后果，淘客返利软件，很难修改、更新或删除这些规则。例如，删除某个规则可能会导致客户的紧急票据数周未得到答复，从而导致体验不佳和用户流失。TFS解决方案最后，让我们了解票证字段建议器如何通过启用灵活的路由来克服这些问题，因为它从票证中观察到的历史模式中学习到了这一点。人工智能模型反映了支持问题和票证的基本分布，而不是管理员的假设。量词使用自然语言处理，可以容纳同义词、拼写错误、俚语、俗语和行话，而这些规则很难做到。分类器会定期重建，以反映票务模式的变化，确保它们保持最新状态，不会僵化。通过消除管理员创建规则的责任，规则不会随着时间的推移而累积，并导致一个复杂的系统，从而阻止了更改。此外，分类器是基于每个客户构建的，没有客户之间的交互或数据共享，因此实现了三个关键优势：客户数据和最终用户数据保持私有和安全。模型特定于客户所在行业或垂直行业中使用的词汇。例如，"银行"一词在金融和环境旅游中有着截然不同的含义。该系统不受语言限制，不要求客户使用预先指定的语言（如英语），甚至不需要向系统指定他们正在使用的语言。视频Playerhtps://blog-assets.freshworks.com/freshworks/wp-content/uploads/2020/01/13075107/TFSfinal-1.mp400：0000:0000:07使用向上/向下箭头键增加或减小音量。 优化未来通过使用我们的人工智能技术来建议票务区，Freshdesk客户的票务分配时间大大缩短。他们能更快地拿到带有现场预报的门票给特工。我们认为还有许多工作要做。我们希望为更多的票和更多的客户提供预测，不仅帮助票证分配，而且使管理员能够以优化的方式将票路由到代理。 合著者：Akkshaya Gururajan撰稿人：Feroze Jamal相关岗位传递快乐并以毫秒追踪EKS星团地形形成

，靠谱云服务器