دراسة حالة
العميل
TechCorp Solutions
التقنية
OpenAI, Python, Django
الجدول الزمني
16 أسبوعًا
نظرة عامة على المشروع
بنت ArrayMatic مساعد دعم مبنيًا على GPT-4 لـ TechCorp أتمت 80% من استفسارات المستوى الأول، موفّرة 500 ألف دولار سنويًا مع تحسين CSAT من 72% إلى 95%.
التحدي
كان فريق الدعم في TechCorp يغرق في الاستفسارات المتكررة — إعادة تعيين كلمات المرور، وحالة الطلبات، والأسئلة الشائعة حول الفوترة. ارتفع متوسط وقت الانتظار إلى 14 دقيقة، وكان الوكلاء يعانون من الإرهاق، وانخفض مؤشر رضا العملاء (CSAT) إلى 72%. لم يكن توظيف المزيد من الوكلاء خياراً قابلاً للتطبيق؛ إذ كانت التكاليف بالفعل تبلغ ضعفي الميزانية.
نهجنا
قمنا بضبط نموذج GPT-4 على قاعدة معرفة TechCorp ودمجناه مع نظام Zendesk الخاص بهم عبر طبقة وسيطة مخصصة. يتولى المساعد معالجة استفسارات المستوى الأول من البداية إلى النهاية ويُحيلها إلى وكيل بشري — مع السياق الكامل — عندما ينخفض مستوى الثقة عن الحد المطلوب. تُعيد حلقة التغذية الراجعة تدريب النموذج أسبوعياً على نصوص الإحالات التصعيدية.
النتائج والأثر
خلال 90 يوماً من الإطلاق، تم حل 80% من الاستفسارات الواردة دون تدخل بشري. انخفض متوسط وقت الاستجابة من 14 دقيقة إلى أقل من 45 ثانية. ارتفع مؤشر رضا العملاء (CSAT) من 72% إلى 95%، وانخفضت تكاليف الدعم السنوية بمقدار $500K.
ما قدّمناه
نموذج GPT-4 مُعدَّل
مُدرَّب خصيصاً على 18 شهراً من نصوص الدعم وقاعدة المعرفة الكاملة للمنتج.
طبقة التكامل مع Zendesk
طبقة وسيطة تقوم بالتوجيه والتصعيد وإدخال سياق المحادثة الكامل في مساحة عمل الوكيل.
خط إعادة التدريب الأسبوعي
خط عمليات تعلم آلي مؤتمت يستوعب بيانات التصعيد ويُعيد تدريب النموذج كل يوم أحد.
لوحة التحليلات
مؤشر رضا العملاء الفوري، ومعدل التحويل، وخريطة حرارية للتصعيد لقيادة فريق الدعم.
“
لم تقم ArrayMatic ببناء روبوت محادثة فحسب — بل أعادت بناء طريقة عمل مؤسسة الدعم لدينا. حلقة إعادة التدريب الأسبوعية تعني أن النظام يزداد ذكاءً باستمرار دون أن نحرك ساكناً.
Sarah Chen
نائب الرئيس لتجربة العملاء · TechCorp Solutions
أعمال ذات صلة
