квіт 2026 – серп 2026
Аналітика підтримки за допомогою LLM
13,5 місяця клієнтських чатів і 1 130 розшифровок дзвінків, прочитані LLM, щоб показати, чого потребують клієнти
- ШІ
- Аналіз даних
- Тривалість
- 4 місяці
- Компанія
- Boxette Group
- Роль
- Інженер даних і аналітик
Огляд
Уся історія чатів Boxette з клієнтами, завантажена в Postgres, де кожен нещодавно активний контакт класифіковано за допомогою LLM. Результати разом з оціненими AI розшифровками дзвінків лягли в основу звітів і презентації з рекомендаціями для керівництва.
Інструменти
- Node.js
- PostgreSQL
- Gemini
- Claude
- Python
Про що насправді питають клієнти
Керівництво не знало, про що насправді пишуть і телефонують клієнти, які запитання могли б узяти на себе бот чи FAQ, де в базі знань прогалини і як швидко відповідають оператори. Дані лежали в Respond.io, де немає масового експорту тексту повідомлень, і в базі даних оцінювання дзвінків.
Від API до Postgres
Екстрактори на Node.js витягують через API всі повідомлення Respond.io для кожного контакту, з курсорною пагінацією та інкрементними оновленнями на основі watermark, в окрему схему Postgres. Кроки SQL пов’язують повідомлення з розмовами, ділять їх на епізоди звернень і обчислюють рівні сервісу. Потім контакти експортували для моделей компактними пакетами транскриптів.
Відкалібровані моделі, діапазони там, де вони розходяться
Кожен контакт класифіковано за темами, можливістю самообслуговування, невирішеними питаннями, тональністю та збоями бота, переважно за допомогою Gemini Flash, а Claude використовували для еталонних наборів. Кожну модель відкалібровано за еталонним набором, а метрики, щодо яких моделі розходяться, подано як діапазони. Окремий п’ятикроковий конвеєр (Gemini 3.1 Pro з кешуванням контексту, потім підсумок від Claude Opus) порівняв оцінені AI розшифровки дзвінків із базою знань агента підтримки, щоб знайти відсутні теми. Результати склалися у звіт грузинською мовою, файл Excel, список для опрацювання з 1 180 невирішених контактів із негативною тональністю та 19-сторінкову презентацію з рекомендаціями, частину з яких створили агенти Claude під моєю координацією.
Результат
Завантажено 622 079 повідомлень, 148 129 розмов і 23 064 контакти за 13,5 місяця й проаналізовано всі 10 392 контакти, активні за останні шість місяців, 8 524 з них — через Gemini за $96,02; помилок — 0. Відстеження згадувалося в 40% контактів, митні декларації — у 27%, тарифи — у 24%, а за обережною оцінкою щонайменше 56% порушували питання, які міг би вирішити хороший FAQ чи бот. У 1 130 дзвінках лише 28,4% з 1 910 згадок тем були повністю покриті базою знань, а 33,1% — зовсім не покриті.