Modelo para mejorar la tasa de resolución de agentes virtuales en una empresa del sector de BPO
Öffnen
Datum
2021Autoren
Ballén Martínez, Jhon HenryLlorente Castiblanco, Paula Alejandra
Cely Vásquez, Julián Felipe
Herausgeber
Pontificia Universidad Javeriana
Fakultät
Facultad de Ingeniería
Facultad de Ciencias Económicas y Administrativas
Programm
Maestría en Analítica para la Inteligencia de Negocios
Erhaltener Titel
Magíster en Analítica para la Inteligencia de Negocios
Typ
Tesis/Trabajo de grado - Monografía - Maestría
COAR
Tesis de maestríaTeile diesen Datensatz
Citación
Metadata
Zur Langanzeige
PDF-Dokumente
Englischer Titel
Model to improve the resolution rate of virtual agents in a BPO companyZusammenfassung
Las empresas del sector BPO son intensivas en mano de obra, por lo tanto aquellas que implementan tecnologías de inteligencia artificial tienen una ventaja competitiva, al reducir sus costos y mejorar los niveles de satisfacción de los clientes. La compañía analizada, se encarga de la ejecución de procesos tercerizados, principalmente relacionados con atención al cliente en canales presencial, telefónico y chat, para distintos sectores como financiero y servicios públicos. Para aumentar la eficiencia, la compañía ha implementado agentes virtuales, que se basan en inteligencia artificial para dar respuesta a las comunicaciones entrantes de los clientes. No obstante, se evidenció la necesidad de aumentar la tasa de resolución de solicitudes por parte de dichos agentes virtuales. En este documento se expone un proyecto de analítica, desarrollado con metodología CRISP-DM, cuyo resultado serviría para modificar el diseño de los agentes virtuales. La solución final propuesta se basa en la predicción de la intención del usuario, mediante algoritmos de random forest y redes neuronales profundas, analizando datos estructurados relacionados con el cliente y el negocio. La propuesta consiste en implementar dicha predicción de forma previa a la atención del agente virtual. De implementarse, representaría una mejora de 42,6% en la tasa de resolución de los agentes virtuales (al pasar de 7,88% a 11,24%), lo cual implicaría un aumento de 0,67% en el índice de rentabilidad de la compañía, equivalente a más de COP $430 millones al año.
Abstrakt
Companies in the BPO sector are labor intensive, therefore those that implement artificial intelligence technologies have a competitive advantage by reducing their costs and improving customer satisfaction levels. The analyzed company is responsible for the execution of outsourced processes, mainly related to customer service in face-to-face, telephone and chat channels, for different sectors such as financial and public services. To increase efficiency, the company has implemented virtual agents, which are based on artificial intelligence to respond to incoming customer communications. However, it became evident that there was a need to increase the rate of request resolution by these virtual agents. This paper presents an analytics project, developed with CRISP-DM methodology, the result would modify the design of the virtual agent.The final proposed solution is based on the prediction of the user's intention, using random forest and deep neural networks algorithms, analyzing structured data related to the customer and the business. The proposal consists of implementing such prediction prior to the virtual agent's attention. If implemented, it would represent an improvement of 42.6% in the resolution rate of virtual agents (from 7.88% to 11.24%), which would imply an increase of 0.67% in the company's profitability index, equivalent to more than COP $430 million per year.
Schlüsselwörter
Agente virtualRedes neuronales
Bosques aleatorios
Inteligencia artificial
Tercerización
Centro de atención telefónica
Keywords
Virtual agentNeural networks
Random forest
Artificial intelligence
Outsourcing
Call center
Themen
Maestría en analítica para la inteligencia de negocios - Tesis y disertaciones académicasRedes neuronales (Computadores)
Inteligencia artificial
Subcontratación
Centros de atención telefónica
Google Analytics Statistics