Научили amoCRM определять негативный тон клиента через ChatGPT
Мы подумали — вот было бы здорово, если бы нейросеть мониторила все чаты и автоматически пушила, например, РОПа, если в них есть намек на негатив. Расскажем как мы это сделали и каких результатов удалось достичь.
Как интегрировать amoCRM и ChatGPT
У компании получилось это сделать без программирования, через NO CODE платформу «Триггеры», которая автоматизирует процессы в amoCRM. Полная инструкция для технарей доступна по ссылке, по ней связку можно настроить самостоятельно примерно за полчаса. Здесь же вкратце расскажу как это работает.
Анализ сообщений через OpenAI
Мы работаем в amoCRM и все сообщения со всех источников приходят в единое окно. Через виджет Триггеры делаем запрос в API Open AI и просим нейросеть проанализировать входящее сообщение на наличие негативного тона. Если он есть, кидаем сообщение в общий чат в телеграм, где его увидит нужный человек и среагирует.
Стоит отметить, что здесь важно составить грамотный «prompt» (запрос нейросети), исходя их которого мы получим нужный ответ. Поэтому сначала будем экспериментировать с запросами в веб-интерфейсе.
В простом виде «человеческий» запрос звучит примерно так:
«Текст входящего сообщения»
Есть ли в этом тексте негатив?
На что приходит довольно стандартный, развернутый ответ:
Клиент: "Мы оплатили еще на прошлой недели и все еще ждем отгрузки. Когда мы уже получим товар?".
Есть ли в этом сообщении негатив?
Чат: "Да, в этом сообщении можно увидеть легкий негатив, так как автор выражает свое недовольство о задержки отгрузки. Однако тон в целом, не является критически негативным".
Но для наших целей это не совсем подходит, нам нужен четкий ответ «ДА« или »НЕТ», на который мы можем запустить автоматизацию.
После некоторых экспериментов удалось получить нужный результат. Запрос звучит так:
Если в этом тексте есть негативный тон, напиши только «ДА«, иначе только »НЕТ».
Клиент: "Пришлите пожалуйста счет, сегодня же оплатим".
Если в этом сообщение есть негативный тон, напиши только "ДА", иначе только "НЕТ".
Чат: "НЕТ".
Теперь то что нужно! В 95% случаев нейросеть отрабатывает корректно, но иногда все же пытается подмешать в ответ свое развернутое обоснование. Думаю в будущем над «промптом» можно еще поработать.
Обработка ответов от ChatGPT
Если ответ положительный (вернулось «ДА»), значит негатив есть. В этом случае и отправляем сообщение в телеграм-чат, в котором будут: исходное сообщение клиента и ссылка, по которой можно перейти amoCRM и посмотреть всю переписку. Добавим злого эмоджи в сообщение, чтобы сразу обратить на него внимание.
Все эти операции делает виджет "Триггеры", у которого под капотом работают интеграция трех систем: amoCRM, OpenAI, Telegram.
Итоги
У нас появился отдельный телеграм-чат, куда попадают все срабатывания триггера. За этими сообщениями внимательно следит ответственный сотрудник, который регагирует на пуши в зависимости от ситуации.
Нейросеть приносит уже отфильтрованные сообщения (обычно не более десятка в день), на которые стоит обратить внимание. Да, иногда она ошибается, неправильно трактует текст, но трудозатраты все равно в сотни раз меньше, чем мониторить это вручную живыми людьми.
Для этой задачи нам хватило бесплатной версии ChatGPT, в которой можно делать 20 запросов в минуту. Это примерно 10 000 сообщений за 8-часовой рабочий день.
Нейросети могут решать практические задачи для бизнеса уже сейчас. Для этого есть необходимый функционал, который легко настраивается в зависимости от задач.