Автоматическая классификация обращений клиентов по тематике

Вы открываете почту в понедельник утром — 400 обращений, каждый требует ручной сортировки. Операторы тратят в среднем 5 минут на анализ, а ошибки маршрутизации затягивают ответ на часы. Ручная классификация не масштабируется: с ростом бизнеса число обращений удваивается, а штат поддержки — нет. Мы реализовали ML-классификатор, который за секунды определяет тему и направляет обращение нужному специалисту. Типичная ситуация: компания с 50 000 обращений в месяц тратит 4000 часов в год на ручную сортировку. Автоматизация сокращает это на 80%, высвобождая операторов для сложных запросов. Наш подход включает разработку таксономии, обучение модели и мониторинг дрейфа — всё под ключ за 3–10 рабочих дней.

Автоматическая классификация обращений клиентов: таксономия и модель

Первая и самая распространённая ошибка — неправильная иерархия классов. Слишком мало категорий (например, 3) — все нестандартные запросы валятся в «Прочее». Слишком много (500+) — модель не может обучиться, точность падает ниже 70%. Нечёткие границы между классами запутывают и модель, и операторов.

Двухуровневая иерархия доказала свою эффективность: первый уровень — 5–15 широких категорий (технические проблемы, финансовые вопросы, договоры), второй — подкатегории для точной маршрутизации. Например:

Технические проблемы
    ├── Проблема с подключением
    ├── Медленная скорость
    └── Ошибки в личном кабинете
Финансовые вопросы
    ├── Оплата и тарифы
    ├── Возврат средств
    └── Задолженность

По данным исследования Яндекса, двухуровневая таксономия снижает ошибку классификации на 30% по сравнению с плоской структурой. Мы всегда начинаем проект с аудита текущих обращений и согласования таксономии с бизнес-заказчиком.

Почему BERT fine-tuning даёт 95% accuracy, а TF-IDF — только 85%?

TF-IDF подходит для быстрого прототипа: обучается за минуты, интерпретируем. BERT fine-tuning — основной метод: даёт +8–12% accuracy при условии качественной разметки. BERT лучше TF-IDF на 10–15 процентных пунктов, но требует больше данных. LLM используем для новых категорий, где нет исторических данных — без дообучения, только промпт с описанием классов.

Как обрабатывать обращения с несколькими темами?

«У меня не работает подключение, и я хочу сменить тариф» — два класса одновременно. Мы применяем три стратегии:

• Multilabel классификация: sigmoid + порог 0.5 — модель выдаёт все применимые метки.
• Разбивка на предложения: каждое предложение классифицируется отдельно, результат агрегируется.
• Primary + Secondary: выбираем главную тему (например, «проблема с подключением») и дополнительную («смена тарифа»).

В одном из проекте 30% обращений содержали несколько тем. Использовав multilabel с порогом 0.4, мы повысили точность маршрутизации на 22%.

Что делать с дрейфом данных?

Распределение тематик меняется: акции увеличивают долю финансовых вопросов, сезонные инциденты — технических. Например, после запуска масштабной акции доля финансовых вопросов выросла с 20% до 45% за неделю — наш мониторинг зафиксировал дрейф и автоматически запустил дообучение модели.

Мы настраиваем мониторинг с chi-square тестом: сравниваем скользящее распределение за неделю с историческим. При значительном отклонении (p < 0.05) отправляется алерт, и мы переоцениваем модель — добавляем новые классы или дообучаем существующую.

Процесс работы

• Аналитика таксономии: аудит 500+ обращений, формирование иерархии классов.
• Сбор и контроль качества данных: разметка 200–500 примеров на класс, ручная выверка 20%.
• Разработка модели: baseline (TF-IDF), fine-tuning (BERT), опционально LLM для редких тем.
• Тестирование: оценка accuracy, precision, recall, latency p99 на отложенной выборке.
• Деплой: REST API на FastAPI, контейнеризация Docker, мониторинг Prometheus.
• Документация: описание таксономии, маршрутизации, инструкция для операторов.
• Гарантия: поддержка модели в течение 6 месяцев, обновление при дрейфе.

Сроки и стоимость

Сроки: от 3 до 10 рабочих дней в зависимости от сложности таксономии и объёма данных. Стоимость рассчитывается индивидуально — свяжитесь с нами для оценки вашего проекта. Закажите внедрение классификатора — получите консультацию инженера бесплатно.

Наша команда имеет 5+ лет опыта в NLP и более 50 успешных проектов по автоматизации обработки обращений. Мы гарантируем качество каждого этапа — от разметки до мониторинга.

Этот классификатор сокращает время обработки на 80% — экономия тысяч часов операторов в год. Свяжитесь с нами, чтобы обсудить ваш проект.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.