Utilisation of open intent recognition models for customer support intent detection

要約

より多くの製品やサービスがデジタルで相互接続されるようになるにつれて、企業はサポートを提供し、顧客満足度を向上させるための新しいソリューションを模索しています。
企業が競争力を維持するには、迅速かつ効率的で知識豊富なサポートを提供またはアウトソーシングすることが本質的に必要です。
サポート ソリューションも、ソーシャル メディア、人工知能 (AI)、機械学習 (ML)、リモート デバイス接続などのテクノロジーを活用して進歩し、顧客をより適切にサポートしています。
カスタマー サポート オペレーターは、これらのテクノロジーを活用して、遠隔地のクライアントにより優れた顧客対応とサポートを提供できるように訓練を受けています。
製品とサポート システムの相互接続により、企業は潜在的な海外顧客に対して製品市場とビジネス規模を拡大できます。
このペーパーでは、バーミンガム市立大学と、さまざまなビジネス分野にわたってカスタマー サポートをアウトソーシングする企業向けのカスタマー サービス システムを扱う会社との間の知識移転パートナーシップ (KTP) プログラムと連携して行われた、カスタマー サポートにおける AI アプリケーションの可能性について報告します。
この調査では、ラベル付きテキスト データとラベルなしテキスト データの両方を使用して顧客の意図を正確に予測するためのいくつかのアプローチを検討しました。
一部のアプローチは特定のデータセットで有望であることが示されましたが、普遍的に適用できる単一のアプローチの探索は続いています。
インテントの検出とディスカバリのための個別のパイプラインの開発により、既知のインテントの検出精度が向上しましたが、未知のインテントのインテント検出の精度を向上させるにはさらなる作業が必要です。

要約(オリジナル)

Businesses have sought out new solutions to provide support and improve customer satisfaction as more products and services have become interconnected digitally. There is an inherent need for businesses to provide or outsource fast, efficient and knowledgeable support to remain competitive. Support solutions are also advancing with technologies, including use of social media, Artificial Intelligence (AI), Machine Learning (ML) and remote device connectivity to better support customers. Customer support operators are trained to utilise these technologies to provide better customer outreach and support for clients in remote areas. Interconnectivity of products and support systems provide businesses with potential international clients to expand their product market and business scale. This paper reports the possible AI applications in customer support, done in collaboration with the Knowledge Transfer Partnership (KTP) program between Birmingham City University and a company that handles customer service systems for businesses outsourcing customer support across a wide variety of business sectors. This study explored several approaches to accurately predict customers’ intent using both labelled and unlabelled textual data. While some approaches showed promise in specific datasets, the search for a single, universally applicable approach continues. The development of separate pipelines for intent detection and discovery has led to improved accuracy rates in detecting known intents, while further work is required to improve the accuracy of intent discovery for unknown intents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google