Asiakasviestien automaattisen luokittelun tuomat tehokkuushyödyt finanssialan yrityksen asiakaspalvelussa
Hurme, Klaus (2017)
2017
Tietojohtamisen koulutusohjelma
Talouden ja rakentamisen tiedekunta - Faculty of Business and Built Environment
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2017-02-08
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201701101034
https://urn.fi/URN:NBN:fi:tty-201701101034
Tiivistelmä
Työn tavoitteena oli selvittää kohdeyritykselle, mitä tehokkuushyötyjä voidaan saavuttaa asiakasviestien automaattisella luokittelemisella heidän asiakaspalvelussaan. Samalla työ pohjustaa, kuinka asiakasviestejä voidaan automaattisesti luokitella. Kohdeyritys on yksi finanssialan toimijoista. Finanssialalle on tulossa useampia muutoksia lähitulevaisuudessa, mitkä pakottavat alan toimijoita hallitsemaan dataansa paremmin ja ketterämmin.
Luokitteleminen sinällään ei tuo vielä mitään hyötyjä. Hyödyt tulevat vasta, kun luokitellun datan kautta saadaan tehtyä parempia päätöksiä joko manuaalisesti tai automaattisesti. Tämän johdosta teoriaosuus ei pureudu suoraan luokittelemiseen, vaan lähtee liikkeelle siitä, kuinka datasta voidaan luoda kilpailukykyä. Toisekseen syvennytään tutkimaan minkälaisia asiakaspalveluun saapuvat viestit ovat ja kuinka niitä voidaan käsitellä automaattisesti. Lopulta päädytään koneoppimisen ja hahmontunnistuksen teorioihin, joilla automaattista luokittelua voidaan tehdä.
Työssä kerättiin tietoa kohdeyrityksestä työpajan avulla. Kerätystä tiedosta selvisi, että nykyinen asiakasviestien luokitustarkkuus ei mahdollista tunnistettuja tehokkuushyötyjä asiakaspalvelulle. Vasta tarkemman luokituksen jälkeen asiakaspalvelun tietotarpeet voidaan tyydyttää. Tietotarpeet liittyvät ratkaisukykyyn ja asiakasviestien sisällöllisiin asioihin. Tunnistettujen tietojen jalostus hyödyiksi onnistuu myös perinteisimmillä tiedonhaun menetelmillä, eikä automaattista luokittelemista välttämättä tarvita.
Automaattisen luokittelemisen hyödyt tulevat järjestelmän reaaliaikaisuudesta. Asiakkaat lähettäisivät vähemmän viestejä ja asiakaspalvelijat kykenisivät vastaamaan nopeammin, jos heillä olisi viestin lähetys- ja saapumishetkellä tarkempaa tietoa asiakasviestille tyypillisistä ominaisuuksista. Pohdinnassa päädyttiin tulokseen, että asiakaspalvelun tehokkuutta voidaan parhaiten nostaa tarjoamalla tarkasti määriteltyyn luokkaan sopiva mallivastaus automaattisesti. Tällöin virtuaaliagentit voivat hoitaa asiakaspalvelua.
Luokitteleminen sinällään ei tuo vielä mitään hyötyjä. Hyödyt tulevat vasta, kun luokitellun datan kautta saadaan tehtyä parempia päätöksiä joko manuaalisesti tai automaattisesti. Tämän johdosta teoriaosuus ei pureudu suoraan luokittelemiseen, vaan lähtee liikkeelle siitä, kuinka datasta voidaan luoda kilpailukykyä. Toisekseen syvennytään tutkimaan minkälaisia asiakaspalveluun saapuvat viestit ovat ja kuinka niitä voidaan käsitellä automaattisesti. Lopulta päädytään koneoppimisen ja hahmontunnistuksen teorioihin, joilla automaattista luokittelua voidaan tehdä.
Työssä kerättiin tietoa kohdeyrityksestä työpajan avulla. Kerätystä tiedosta selvisi, että nykyinen asiakasviestien luokitustarkkuus ei mahdollista tunnistettuja tehokkuushyötyjä asiakaspalvelulle. Vasta tarkemman luokituksen jälkeen asiakaspalvelun tietotarpeet voidaan tyydyttää. Tietotarpeet liittyvät ratkaisukykyyn ja asiakasviestien sisällöllisiin asioihin. Tunnistettujen tietojen jalostus hyödyiksi onnistuu myös perinteisimmillä tiedonhaun menetelmillä, eikä automaattista luokittelemista välttämättä tarvita.
Automaattisen luokittelemisen hyödyt tulevat järjestelmän reaaliaikaisuudesta. Asiakkaat lähettäisivät vähemmän viestejä ja asiakaspalvelijat kykenisivät vastaamaan nopeammin, jos heillä olisi viestin lähetys- ja saapumishetkellä tarkempaa tietoa asiakasviestille tyypillisistä ominaisuuksista. Pohdinnassa päädyttiin tulokseen, että asiakaspalvelun tehokkuutta voidaan parhaiten nostaa tarjoamalla tarkasti määriteltyyn luokkaan sopiva mallivastaus automaattisesti. Tällöin virtuaaliagentit voivat hoitaa asiakaspalvelua.