L’add-on ML & NLP per l’ottimizzazione dell’incident management

L’obiettivo di un sistema di ticketing e del servizio Help Desk è quello di fornire supporto e rispondere, nel minor tempo possibile, alle domande dei clienti, risolvendo eventuali problemi. La maggior parte delle volte ci si aspetta una risposta in real-time e la percezione che alla fine un Cliente ha della qualità del servizio è strettamente legata al tipo di esperienza sperimentata durante il processo di risoluzione del problema.

Come si evince l’incident management è un’attività importante per la corporate reputation e le imprese decidono di destinarvi frequentemente una quantità importante delle loro risorse. Diventa perciò necessaria una strategia adeguata che assicuri un ritorno di questo investimento.

Anche nella situazione ottimale in cui un’azienda abbia già formato un valido team per il servizio Help Desk e deployato un sistema di ticketing adatto, c’è sempre spazio per migliorare le performance. Aggiungere moduli intelligenti che diano una mano, sia al sistema nella gestione e classificazione, che agli incaricati di amministrare la coda e risolvere le richieste, può migliorare significativamente le prestazioni e la soddisfazione del Cliente.

L’add-on STick-In

STick-In è l’add-on del Gruppo RES per i sistemi di ticketing, basato su tecniche di ML (Machine Learning) e di NLP (Natural Language Processing). È stato pensato per ottimizzare i grossi carichi di lavoro back-office delle grandi realtà (ad es. banche e assicurazioni), che devono confrontarsi e risolvere, nel minore tempo possibile, un alto numero di richieste di assistenza.

Grazie all’implementazione di modelli di Machine Learning e alle bontà dell’NLP, STick-In è in grado di minimizzare tempi e costi richiesti dalla taggatura, dall’instradamento e dalla prioritizzazione di ogni ticket. STick-In è progettato con un insieme di tecnologie che lo rendono in grado di: classificare i ticket tramite un triage dotato di AI, ottimizzare la gestione di duplicati e proporre soluzioni precise all’Help Desk in base all’analisi storica delle risoluzioni.

STick-In consente alle organizzazioni di focalizzarsi su attività di maggior valore, spendendo minor tempo e migliorando significativamente l’efficienza del proprio Help Desk. È uno strumento che modifica il funzionamento di base del proprio sistema e alleggerisce il carico di lavoro manuale per i responsabili del processo.

La progettazione di STick-In comprende le seguenti fasi separate:

  • Sviluppo dei modelli ML/NLP per l’interpretazione testuale dei ticket storici e nuovi
  • Classificazione ed estrazione di informazioni da testi
  • Retrain dei modelli per il miglioramento continuo delle performance
  • Deployment di STick-In all’interno del sistema

Funzionalità di STick-In

Sia per il sistema di ticketing proprietario, che per i principali sistemi di incident management quali OTRS, Service Now, Zendesk o Freshservice, è possibile aderire a STick-In per portare avanti uno smistamento automatico delle richieste di assistenza e un miglioramento nella gestione del workflow.

La sua funzionalità viene descritta dal seguente grafico:

Diagramma che mostra l'nfrastruttura generale di un sistema di ticketing + STick-In

Diagramma che mostra l’nfrastruttura generale di un sistema di ticketing + STick-In

STick-In funziona come un modulo contenente algoritmi allenati di Machine Learning e processori NLP. Una volta collegato al sistema è in grado di:

  • Analizzare e capire i dati testuali
  • Interagire con il database
  • Proporre soluzioni specifiche

L’attività di classificazione ed estrazione di informazioni da testi viene fatta attraverso tecniche di ML su linguaggio naturale, per cui è necessario: creare dei dataset annotati e scegliere, allenare e validare i modelli in grado di capire e interpretare correttamente quello che chiede l’utente.

Una possibile impostazione per la classificazione può essere basata su:

  • Il canale di comunicazione scelto (telefono, email, interfaccia web, ecc.)
  • L’urgenza/priorità (stabilendo un set di caratteristiche specifiche per ogni livello)
  • Il riconoscimento nel CRM del cliente (impatto individuale sul business)
  • L’esistenza di SLAs (Service Level Agreements)
  • Il tipo di prodotto/servizio a cui si fa riferimento
  • Area di expertise richiesta per risolvere il ticket
  • La lingua in cui è stato scritto il ticket
  • Keyword (taggatura automatica delle informazioni rilevanti)
  • La mancanza di elementi necessari per la risoluzione del ticket

Quali i vantaggi dell’integrare STick-In al sistema di ticketing prediletto?

  • Alta scalabilità in funzione del grado di automazione desiderato
  • Risoluzione dei ticket in maniera spedita
  • Massimizzazione della produttività tramite una pre classificazione efficiente
  • Scarico di attività ripetitiva e di basso valore aggiunto
  • Diminuzione dei tempi di attesa per il cliente
  • Aumento del ROI del proprio sistema
  • Aumento della soddisfazione del cliente
  • Miglioramento della reputazione aziendale
  • Rilevamento di tendenze sui problemi più ricorrenti e le rispettive risoluzioni
  • Analisi del sistema di ticketing come touchpoint di comunicazione col cliente

Per concludere possiamo dire che STick-In consente di massimizzare le risorse aziendali, ma al contempo di migliorare la qualità dell’esperienza del Cliente.

Sei interessato a STick-In? Contattaci