Case Study

Klassifikation E-Mails im Customer Support

Damit unser Kunde Anfragen im Kundenservice effizienter bearbeiten kann, haben wir mithilfe von Deep Learning und NLP ein System entwickelt, das E-Mails automatisch den richtigen Abteilungen zuordnet.

  • Branche Industry
  • Thema Customer Analytics
  • Tools Python, PyTorch, Azure
  • Projektdauer 5 Monate

Herausforderung

Die zeitnahe und zufriedenstellende Bearbeitung von Kundenanfragen und -beschwerden ist für Unternehmen stets eine große Herausforderung. Für unseren Kunden bestand zusätzlich die Problematik, dass ihn E-Mails über verschiedene Postfächer erreichen. Diese Nachrichten sind initial oft nicht an die richtige Ansprechperson adressiert und müssen daher häufig von einem Postfach manuell an die zuständige Abteilung weitergeleitet werden. Durch diesen manuellen Prozess verzögert sich die Antwortzeit teils erheblich. Daher hat sich unser Kunde für eine automatische Zuordnung und Verteilung der E-Mail mittels KI entschieden, um Kund:innen weiterhin die Möglichkeit zu geben, an die gewohnten Postfächer Nachrichten zu senden, auch wenn diese ggf. nicht zuständig sind.

Ansatz

In enger Zusammenarbeit mit dem Kunden wurden die bestehenden E-Mail-Postfächer analysiert. In einem Schritt haben wir die KPIs der einzelnen Abteilungen detailliert untersucht. Dabei wurde z.B. der Weg einer E-Mail innerhalb der Kundeninfrastruktur – vom Eingang bis zur Antwort – ausgewertet. Die automatische Weiterleitung von E-Mails wurde mithilfe von Deep Learning Modellen aus dem Bereich NLP erstellt. Dabei wurde auf bestehende, frei verfügbare Modelle zurückgegriffen, die auf die kundenspezifische Fachsprache angepasst wurden. Dadurch konnten exzellenten Ergebnissen bei gleichzeitig moderatem Ressourceneinsatz erzielt werden. Die richtige Ansprechperson der Nachrichten wurde automatisch aus dem Nachrichtenverlauf extrahiert und somit konnte das Deep Learning Modell auf einer sehr großen Datenbasis mit einem minimalen manuellen Aufwand auf Kundenseite trainiert werden.

Ergebnis

Unser Kunde kann nun mit einer sehr hohen Genauigkeit automatisch die richtige Abteilung zu einer E-Mail ermitteln. Dies verhindert manuelles weiterleiten, setzt Ressourcen von Kundendienstmitarbeitenden frei und führt schlussendlich zu einer schnelleren Reaktionszeit. Weiterhin haben wir damit den Grundstein gelegt, um zukünftig eine umfassendere, automatisierte Behandlung eingehender Nachrichten über verschiedene Kanäle hinweg zu ermöglichen. Das entwickelte Modell wird nun in weiteren Arbeitsschritten in den produktiven Betrieb überführt.

Experte

Erfahre mehr!

Als eines der führenden Unternehmen im Bereich Data Science, Machine Learning und KI begleiten wir Sie in die datengetriebene Zukunft. Erfahren Sie mehr über statworx und darüber, was uns antreibt.