案例分析：Ocado使用机器学习来帮助客户服务与电子邮件过载交易

Ocado透露了机器学习技术的部署如何通过帮助他们避免电子邮件过载来提高其客户服务团队的响应性的详细信息。

没有砖和砂浆商店谈论，奥卡多的客户服务团队是第一个有人在线杂货服务中提出投诉或堆赞成的人的呼吁，通过电子邮件或社交媒体通过电话。 。

“如果客户没有得到他们想要的顺序，他们将去商店或在线竞争对手，因此我们的差异化者是服务的质量，”奥纳多斯的数据负责人丹尼尔索说。“这基本上专注于客户服务中心的表现。”

英国周围大约500,000人依靠Ocado来提供每周的商店，并确保团队保持其能力，以便快速，适当地对客户查询进行响应，因为其用户群体的增长是一个最优先级。

这尤其重要，当时可能会发生突然和意外的电子邮件涌入其客户联络中心，例如怪物天气事件。

每条消息客户服务团队接收到手动筛选，以评估每个查询的紧急性和性质，以便可以相应地优先顺序并将其传递给适当的员工成员。

此过程可能导致在高峰时段发生的瓶颈，并占据应该专注于解决客户问题而不是三封电子邮件收件箱的人。

为了防止，ocado中的数据科学家在ocado的1,000强大的技术POTION中，可以使用机器学习，自然语言处理和云计算来寻找自动化此任务的方法。

自2014年初以来，ocado一直在使用Google Cloud Platform（GCP）进行大数据分析项目，最初考虑使用该项目的互联网巨头的云自然语言应用程序编程接口（API）。

开发人员使用API​​来执行情绪分析，并根据其占据互联网的知识来实现​​关于数据集的特定事物的细节。

“这是一个很棒的API，但它围绕互联网数据训练而不是特定于我们业务问题的数据，”纳尔逊说。“所以，虽然它带来了一个公平的方式，但它无法解决一切。”

这提示该公司开始使用开源机器学习工具流，为其铺平了自己的方式，以构建自己的Bespokemachine学习模式。

“球队走开了，看着不同的定理，允许他们解决自然语言问题并基本上复制，但以大规模的自动化规模，分类和客户电子邮件标记，”他说。

ocado机器学习模式是通过在谷歌公共云中托管的300万真正的客户电子邮件中喂养它的“培训”。

“这是我们一个真正珍贵的数据集，并允许我们使我们的模型非常准确到客户的基调和背景下，”纳尔逊说。

“我们不知道是否会乘坐一台虚拟机来犁通过三百万封电子邮件或一百万台机器，并使用谷歌的云，我们拿走了我们对我们有足够的硬件能力进行的任何担忧吗？ 。“

该模型现在部署在联系人系统中，在那里它用于评估传入电子邮件的音调是积极的，负面还是中性，并标记它们，使客户服务团队知道他们的优先级程度有多高。

“它受过培训，现在它处于学习状态，我们确保它以满量程和衡量其成功率的工作，”他说。

有两个ocado用于评估其性能。第一个是“模型的行为方式与人类会同样行事？”，就它是如何优先考虑并解释电子邮件的内容而言，以及有助于加快解决时间。

“真正的考验将是今年冬天的不可预测的英国天气，圣诞节，这是任何零售商的重要时间，也是一个情绪上市的时间，”纳尔逊说。

“再次，优先事项是尽可能快速地竞争的客户处理客户。这将是模型如何处理高峰时间需求的真实测试。“

Nelson表示，如果它设法持有自己，尼尔森表示，该公司可以自由地使用该技术来组织通过社交媒体进入的客户通信，或者在其业务其他领域开展未检测到的问题。

“如果我们开始查看电子邮件中提到的产品，我们可能会在我们仓库中的某个地方发出问题，因此我们可能会陷入错误的避免，”他说。

“社交媒体是另一个地方可以很好地工作，但模型需要再培训，因为所用语言在那里略有不同。”

该公司还搬家将机器学习纳入其仓库运营，在那里它用于决定最好地将经常购买的物品放在一起，以便打开将它们包装并将其运送给客户所需的时间。

“客户在一周中的不同日子和一年中的不同时代购买不同的速度，因此，为了避免瓶颈，系统根据我们认为客户购买的是，每天优化仓库。所以它不断寻求重新平衡所有这些产品应该是，“纳尔逊说。

“我为自己用机器学习做了什么，因为它不仅仅是为了它而实施的聪明科学。这是业务和技术团队之间的合作，在一起解决用例，我们在几个月内从概念到生产。“