MAIF Topic Modelling zur Reduzierung von Engpässen in Kontaktzentren.

MAIF ist eine der größten französischen Haus- und Kfz-Versicherungsgesellschaften mit mehr als 3 Millionen Mitglieder.

Eine der Herausforderungen für das Kundendienstteam war die Bewältigung des Anrufvolumens, das im Callcenter einging - im Durchschnitt wurden etwa 8 Millionen pro Jahr.

Da es keine Möglichkeit gab, Anrufe zu prüfen, bevor sie einen Operator erreichten, verschwendete das Team wertvolle Zeit mit der Beantwortung von Fragen, auf die die Kunden auf der MAIF-Website leicht eine Antwort finden konnten. Website.

An die Effizienz verbessern, mussten wir unnötige Anrufe herausfiltern und mehr Zeit zu gewinnen für die Kundendienstteams von MAIF, um kompliziertere Anfragen zu bearbeiten.

Um zu verstehen, warum Kunden das Callcenter von MAIF anrufen, haben wir ein Verarbeitung natürlicher Sprache (NLP) Algorithmen, um die Transkripte von mehr als 4 Millionen Anrufen zu analysieren.

Wir haben dann die Themenmodellierung verwendet um jeden Anruf zu kategorisieren in eine von 35 verschiedenen Anfragearten.

Wir arbeiteten mit den Geschäftsbereichen von MAIF zusammen, um herauszufinden, welche Fragen online gelöst werden konnten und welche eine menschliche Antwort erforderten oder eine Verkaufschance darstellten.

In den Fällen, in denen Anrufe keine Möglichkeit darstellten, gaben wir Hinweise, wie Sie diese Fragen online beantworten können.

Unsere Analyse hat gezeigt, dass 32% der eingehenden Anrufe waren ‘Anfragen mit geringem Mehrwert’ - Fragen, die leicht online beantwortet werden konnten.

Daraufhin erstellten wir eine Roadmap, in der wir MAIF rieten, diese Fragen online zu lösen und die Leute auf diese Inhalte zu verweisen, um Anrufe zu vermeiden.

Durch die Digitalisierung dieser Anfragen konnte das MAIF-Kundendienstteam Fälle priorisieren die eine menschliche Note erfordern, die Effizienz und den Rund-um-die-Uhr-Service verbessern.