Text Analytics для чат-діалогів: аналіз з гарантією SLA

Text Analytics для чат-діалогів: аналіз з гарантією SLA

Операторська вичитка діалогів з'їдає до 40% часу QA-відділів — при цьому приховані тренди залишаються непоміченими. Ми будуємо систему Text Analytics, яка автоматично перетворює сотні тисяч чатів у структуровану бізнес-аналітику: не просто статистику звернень, а глибоке розуміння — про що говорять клієнти, як змінюються теми, де зароджуються системні проблеми.

Наш досвід: 5+ років розробки NLP-рішень, 30+ проєктів для ритейлу, фінтеху та телекому. Гарантуємо SLA 99.9% на час обробки та точність класифікації не нижче 90%. Обробляємо до 5000 діалогів на годину на одній GPU — цього достатньо для потокової обробки в Enterprise.

Чому стандартні звіти не дають повної картини?

Традиційні дашборди показують кількість звернень, але не розкривають контекст. Різке зростання числа діалогів може бути викликане збоєм, який не видно в метриках першого рівня. Наша система детектує аномалії та пов'язує їх зі змінами в тематиці, тоні та вирішуваності проблем — це дозволяє реагувати до того, як проблема стане масовою. На одному з проєктів ми виявили 12%-ний ріст негативу за продуктом за три дні до того, як його помітили оператори.

Порівняємо два підходи: проста частотна класифікація на основі ключових слів дає точність 50-60% і пропускає до 40% прихованих патернів. Fine-tuned ML-моделі (ruBERT, SDG) видають 80-94% F1, але потребують розмічених даних. LLM (GPT-4) досягає 95%+ без розмітки, однак вартість токенів у 5-10 разів вища при масовій обробці. Наш варіант — гібрид: ML для рутинної класифікації (70% обсягу) і LLM для складних випадків (30%) — це дає оптимальне співвідношення ціна/якість.

Архітектура аналітичної системи

[Діалоги з helpdesk/CRM/боти]
    → [Збагачення: тематика, sentiment, NER, summary]
    → [Сховище: ClickHouse / BigQuery]
    → [Агрегація та вітрини даних]
    → [Дашборди: Superset / Metabase / Grafana]
    + [Ad-hoc аналіз: Jupyter / Python API]

Стек: ClickHouse для зберігання, Celery для батчів, GPU-батчінг для ембеддінгів. Моделі: ruBERT для тематики, fine-tuned SDG для sentiment, NER на основі SpaCy. Час батчевої обробки 10 000 діалогів — 2 години на одній V100.

Порівняння підходів до аналізу діалогів

Гібридна схема дає точність 93% при вартості $0.08 — це в 6 разів дешевше чистого LLM при порівнянній якості.

Етапи розгортання Text Analytics

Як впровадити Text Analytics без зупинки поточних процесів?

Ми використовуємо підхід double-run: спочатку запускаємо систему паралельно існуючим процесам, валідуємо результати протягом двох тижнів, потім перемикаємо основні дашборди на нові дані. Це дозволяє уникнути простоїв і отримати підтвердження точності на реальних даних. Пілотний проєкт на 10 000 діалогів — 5 днів.

Що входить в роботу?

• Архітектурна документація та опис pipeline.
• Налаштовані дашборди (3-5 вітрин) під ключові метрики.
• Дообучені моделі з model card і звітом про точність.
• Доступ до API для ad-hoc запитів.
• Навчання команди (2-3 воркшопи) та технічна підтримка на перші 2 місяці.

Збагачення діалогів

Кожен діалог проходить pipeline збагачення:

@dataclass
class EnrichedDialog:
    dialog_id: str
    timestamp: datetime
    topic: str              # тематика першого рівня
    subtopic: str           # деталізація
    sentiment_score: float  # -1 to 1
    sentiment_trend: str    # "improving" | "stable" | "worsening"
    resolution: bool        # чи вирішено проблему
    escalated: bool
    key_entities: dict      # продукти, номери, суми
    summary: str            # короткий опис в 1–2 реченнях
    emotion: str            # frustrated | satisfied | neutral | confused
    agent_id: str
    duration_seconds: int
    message_count: int

Батч-обробка: 10 000 діалогів за ніч через Celery + GPU-батчінг для ембеддінг-задач. У режимі real-time Kafka-потік обробляє діалог за 2-5 секунд.

Аналітичні вітрини

Вітрина тем: агрегація за topic, subtopic, date, segment. Відповідає: що є причиною звернень, як змінюється з часом. Дозволяє помічати сезонні піки за два тижні до них.

Вітрина sentiment: середній score за сегментами, продуктами, операторами. Де клієнти найбільш/найменш задоволені. Наприклад, вітрина показала, що NPS для Premium-продукту впав на 8 пунктів через затримки відповіді більше 10 хвилин.

Вітрина проблем: діалоги з resolution=False + негативний sentiment — джерело системних проблем. Типовий інсайт: 30% таких діалогів містять слово «документ» — отже, процес документообігу потребує автоматизації.

Вітрина операторів: performance-метрики по кожному агенту для QA. Порівняння sentiment до і після навчання показує покращення на 15% в середньому.

Аномалії та алерти

Автоматичне виявлення аномалій у потоці діалогів:

• Раптовий сплеск звернень за темою → ймовірний інцидент
• Різке погіршення sentiment по продукту → проблема з якістю
• Зростання частки resolution=False за типом → змінилася процедура або зникла інформація в базі знань

Алерти в Slack/Telegram: автоматично при перевищенні порогових значень. Час підтвердження інциденту — менше 1 хвилини.

Що дає впровадження?

• Зниження часу на аналіз діалогів на 80% (з 40% ручної праці до автоматики).
• Економія бюджету QA-відділу до 40% за рахунок автоматизації.
• Скорочення часу реакції на інциденти з годин до хвилин.
• Підвищення точності класифікації з 50-60% (ключові слова) до 93% (гібрид).

SLA 99.9% на час обробки — гарантія стабільності пайплайну.

Замовте пілотний аналіз: обробимо 10 000 діалогів за 5 днів і покажемо перші інсайти. Отримайте консультацію — ми розкажемо, як система впишеться у ваш поточний стек.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.