NLU Zaion: comprender los motivos de tus clientes

Un motor de comprensión de intenciones y entidades entrenado con un banco de datos específico del sector de los centros de contacto.

Ejemplo de esquema de clasificación: Seguro de automóvil

Objetivo principal: Notificación de siniestro

• Motivo secundario: Accidente con responsabilidad
• Motivo secundario: Accidente sin responsabilidad
• Motivo secundario: Rotura de cristales
• Motivo secundario: Robo

Objetivo principal: Modificación del contrato

• Motivo secundario: Cambio de vehículo
• Motivo secundario: Incorporación de un conductor
• Motivo secundario: Cambio de dirección

Base de datos sectorial y plan de clasificación

El motor de NLU Zaion se basa en una base de datos compuesta por millones de transcripciones reales recopiladas en centros de contacto del sector BFSI. Estos datos se agrupan, se anotan y se estructuran para crear un esquema de clasificación de intenciones por sector de actividad.

Recopilación de citas textuales

Recopilación de millones de conversaciones reales procedentes de centros de atención al cliente de bancos, aseguradoras y servicios financieros en francés.

Agrupación y anotación

Agrupación automática de entradas similares y anotación manual por parte de expertos en la materia para garantizar la calidad del plan de clasificación.

Plano de clasificación vertical

Creación de una taxonomía de intenciones estructurada por sectores (banca, seguros de automóvil, seguros de hogar, etc.) con submotivos y entidades de negocio.

Ventajas del NLU Zaion

Menos errores de enrutamiento

Gracias a un profundo conocimiento de las necesidades del negocio, las consultas de los clientes se dirigen desde el primer momento al agente de IA especializado o al asesor adecuado, lo que reduce las transferencias innecesarias y mejora la satisfacción.

Seguimiento de los submotivos y la estacionalidad

El motor de NLU permite realizar un seguimiento de la evolución de los motivos secundarios de contacto a lo largo del tiempo, identificar los picos estacionales (reclamaciones en invierno, contrataciones antes de las vacaciones) y adaptar los recursos en consecuencia.

La mejor base para dar prioridad a la automatización

El análisis de los volúmenes y la complejidad por intención permite identificar los casos de uso con un alto retorno de la inversión para la automatización (alto volumen, baja complejidad) y determinar qué contenidos y recorridos deben crearse con prioridad.

Descubre todos nuestros modelos de IA

Explora cada componente de IA y su rendimiento.