О чем эта история

Сервисы Яндекс.Такси работают в 19 странах мира. Эта компания одна из самых технологически развитых: машинное обучение применяется на всем цикле заказа, в том числе — при работе службы поддержки.

Служба поддержки ежедневно получает большой поток входящих обращений, а ML-модель приоритизирует их так, чтобы самые срочные получили незамедлительную реакцию. Однако модель обучена только на русском, а чтобы она могла понимать и другие языки, применяется Yandex Translate. Так служба поддержки может быстро реагировать на все обращения, на каком бы языке они ни поступали.

Не пропустить ни одного срочного сообщения, на каком бы языке оно ни было

Яндекс.Такси — это онлайн-сервис по заказу автомобиля с водителем. К нему подключаются пользователи из разных стран мира. Еженедельно в службу поддержки сервиса поступают сотни тысяч обращений на разных языках. Чтобы быстро обрабатывать такой объем информации, используют ботов. Они отвечают на простые типовые вопросы и призывают сотрудников службы поддержки, если проблема требует реакции человека.

Но что делать, если у пользователя произошла экстренная ситуация, и реакция сотрудника поддержки нужна незамедлительно?

Технологический вызов, стоявший перед командой Яндекс.Такси, состоял в том, чтобы научить алгоритм решать такого рода задачи. Причем независимо от того, на каком языке обратился в поддержку пользователь.

Machine Translation for Machine Learning: новый виток развития технологий

Решением стало использование машинного перевода для ML-модели. Перевод осуществляет Yandex Translate, поддерживающий более 95 языков. Такое применение называется Machine Translation for Machine Learning. Машинный перевод используется не для людей, а для самих машин, которые на основе этого перевода могут обрабатывать мультиязычный контент.

Сначала в Яндекс.Такси составили дерево тематик обращений на русском языке и научили ML-модель в них ориентироваться. Возможных проблем набралось около двухсот: с поездкой (водитель не приехал), с приложением (не получается привязать карту), с автомобилем (грязная машина), с забытыми вещами и др. Например: «Paliko juodą žiebtuvėlis Zippo. Tai dovana. Būčiau dėkingas, jei aš atgal» (лит.) — «Оставил черную зажигалку Zippo. Это подарок. Был бы благодарен, если получу назад».

Сообщениям, которые требуют немедленной реакции, было уделено особое внимание: ML-модель научили распознавать их и приоритезировать для команды поддержки.

Чтобы ML-модель могла понимать обращения на других языках, кроме русского, используется Yandex Translate. Все сообщения на других языках автоматически переводятся на русский, после чего проходят через ML-модель и получают нужный приоритет. Дообучали модель на исторических данных поддержки.

Обучать ML-модель параллельно на других языках было бы очень трудозатратно и экономически неэффективно. В этом случае пришлось бы размножить процесс на все языковые пары, а именно: поиск и сбор релевантных данных на других языках, эксперименты и выбор наилучших моделей, оценка качества (что особенно сложно, если вам нужно найти людей, говорящих на всех этих языках), деплоймент, мониторинг качества, обновление и т. д.

Машинный перевод стал идеальным решением благодаря скорости и полной автономности. Машина взаимодействует с машиной, чтобы сделать жизнь людей лучше — это уже не будущее, а настоящее.

Быстрый ответ на 95+ языках

Благодаря тому, что служба поддержки Яндекс.Такси мгновенно понимает обращения на 95+ языках, компания стала значительно быстрее реагировать на них и смогла улучшить качество обслуживания.

Если что-то идет не так, всегда можно обратиться в поддержку: по любому вопросу, проблеме или конфликтной ситуации. Самые срочные кейсы обрабатываются в первую очередь. А благодаря интеграции с Yandex Translate не имеет значения, на каком языке поступил запрос.

Мнение

Дмитрий Коновалов,
менеджер по развитию международного бизнеса ML-сервисов Yandex.Cloud
Дмитрий Коновалов,
менеджер по развитию международного бизнеса ML-сервисов Yandex.Cloud

Machine Translation for Machine Learning — одно из очень эффективных применений машинного перевода. Такой подход позволит компаниям снизить затраты, ускорить время создания и внедрения новых решений, облегчить глобальное масштабирование бизнеса. Машинный перевод для машинного обучения может эффективно работать в любых сферах, где есть ежедневные коммуникации с пользователями из разных точек мира, а также там, где требуется анализировать большие объемы контента на разных языках. Например, в службах доставки или логистики, сервисах бронирования билетов и отелей, компаниях, которые занимаются мониторингом медиа. Благодаря тому, что модели машинного перевода могут мгновенно переводить данные на другой язык и поставлять их разным ML-моделям, растет эффективность всего процесса, а значит, такой международный бизнес получает возможность быстрого масштабирования на глобальной арене.

Есть похожая задача?

Напишите нам

И мы оперативно расскажем о возможностях Yandex.Cloud для вашего бизнеса или подберём партнёра, который полностью реализует ваш ИТ-проект.

Связаться со специалистом Yandex.Cloud
Как к вам обращаться?
Телефон
Email
Компания
Частное лицо
Должность
Размер компании
Индустрия
Какую задачу вы хотели бы решить? (Опционально)

Читайте в документации

Начало работы с Yandex Translate

Партнёры, которые могут помочь