Недавно мы сообщили, что разрабатываем OneBox Next — CRM-систему с искусственным интеллектом. Но ИИ это очень широкое понятие и для большинства наших клиентов и пользователей совсем не понятно, что означает.
Сегодня я хочу рассказать понятными словами "что это такое” и как это применено в нашем продукте.
Что такое нейронная сеть и машинное обучение
Сейчас очень модно стало говорить про машинное обучение. Оно же machine learning или сокращенно ML. Давайте разберем подробно что это такое.
Представьте, что у вас некие входные данные, и некие выходные данные. Например, входными данными пусть будет фотография, а выходными — пол человека на этой фотографии.
Схематически это можно показать так. Припустим фотография имеет разрешение 320x240.
Значит у нас будет 320x240=76800 входов.
Выходные данные — 4 сигнала: насколько фотография похожа на мужчину (от 0 до 1), на женщину, на ребенка, на “непонятно что”. Каждый выход — это вероятность. Например, на рисунка показано что 0.91 — это вероятно мужчина.
Задача машинного обучения: построить соответствия между входными и выходными данными. Найти закономерность, которую может не увидеть даже человек на глаз.
Какие есть способы и методы?
Есть много алгоритмов машинного обучения, по которым находятся закономерности. Это нейронные сети, метод k-ближайших соседей, метод группового учета аргументов. Это все разные алгоритмы.
Но их суть одна — найти формулу закономерности, так называемую математическую модель.
В самом простом случае формула может быть линейна — это называется аппроксимация.
А может быть и более сложный полином — это называется интерполяция.
На рисунках показаны точки с координатами X, Y. Синяя линия — это найденная закономерность.
Зачем ее искать? Все просто: если вы знаете формулу закономерности, то вы можете сказать какой будет результат на другом наборе данных.
Это очень простые примеры которые ищут закономерность X от Y. Они двухмерные. В реальности машинное обучение позволяет найти не одну, а несколько закономерностей в наборе данных. Мы ищем их в 3D/4D/..10KD.
Какие закономерности можно находить?
Теперь, когда вы знаете теорию, поговорим о том, какие закономерности можно находить. Если предположить, что человек не может увидеть зависимости во всех данных, то можно искать в них любые закономерности, даже если они кажутся безумием.
Например:
- иногда есть закономерности даже там, где вы их не видите. Пример с числами. Успех сделки в зависимости от дня недели;
- прогноз встречных вопросов от клиента в зависимости от прогноза погодыl
- сумма чека в зависимости от времени общения с клиентом;
- периодичность следующего звонка клиента от истории звонков в прошлом
- и так далее.
Нейросети помогают находить такие закономерности внутри CRM. Например, OneBox Next уже сейчас помогает нашей компании таким образом:
- выбор оптимального сотрудника в зависимости от сути задачи;
- оценка времени выполнения задания;
- поиск максимально похожей группы задач;
- предсказание звонка от клиента;
- возможные исходы сделки в зависимости и на кого ее лучше назначить, в зависимости от отрасли клиента, его манеры общения и еще огромного количества данных.
Представьте, что вы будете знать исход сделки еще до того как она завершиться, и будете точно знать на кого ее стоит или не стоит назначать.
Автоматическое формирование ответов в чатах и почте
Есть еще одна сфера применения искусственного интеллекта — это формирование ответов на вопросы клиента. Если у вас есть огромный массив данных в виде чат-переписки или корпоративной почты, то можно найти закономерности “что спрашивают => что отвечают”. И когда будет задан очередной вопрос, то ИИ может найти закономерность и выдать максимально приближенный ответ.
Технически, мы строим огромный граф “какая фраза от какой зависит” и насколько сильно. И затем ищем возможные варианты.
К сожалению, построить модель на основе почтовой переписки очень сложно, потому что сам текст в переписке не стандартизирован. Там много мусора: приветствия, подписи, бесполезные пересылки писем Fwd: Fwd: и так далее. Объективно, внутри OneBox Next эта функция еще достаточно долгое время будет в состоянии разработки и тестирования.
Что уже сейчас умеет OneBox Next
- у нас есть контакты, переписка, заказы, задачи проекты;
- в каждой из этих сущностей box может находить закономерности;
- для определенной группы задач прогнозировать время выполнения;
- для определенной группы задач определять лучшего исполнителя;
- прогнозировать звонки и письма от клиентов заранее;
- прогнозировать исход сделки;
- рекомендовать письмо/звонок клиенту в нужное время, чтобы приблизиться к максимально удачной цепочке событий, которая приведет к сделке;
- и это все вы настраиваете сами.
Когда это будет доступно?
Ожидаемая дата релиза OneBox Next — декабрь 2016 — январь 2017.
