Policybazaar ขยายเวลาให้ความช่วยเหลือลูกค้านอกเวลาทำการด้วย Web AI และผู้ใช้ 73% ได้รับการโต้ตอบที่มีคุณภาพ

Rishabh Mehrotra

Aman Soni

Swetha Gopalakrishnan

เผยแพร่: 21 พฤษภาคม 2025

Policybazaar เป็นแพลตฟอร์มประกันภัยชั้นนําของอินเดีย โดยมีลูกค้าลงทะเบียนมากกว่า 97 ล้านราย ลูกค้าประมาณ 80% เข้าชม Policybazaar ทางออนไลน์ทุกเดือน ดังนั้นแพลตฟอร์มของ Policybazaar จึงต้องมอบประสบการณ์การใช้งานที่ราบรื่น

ทีม Policybazaar สังเกตเห็นว่าผู้ใช้จํานวนมากเข้าชมเว็บไซต์ในช่วงเย็นหลังเวลาทําการของทีมช่วยเหลือลูกค้า Policybazaar ต้องการติดตั้งใช้งานโซลูชันเพื่อให้บริการแก่ผู้ใช้เหล่านั้นทันที แทนที่ผู้ใช้จะต้องรอจนถึงวันทำการถัดไปเพื่อรับคำตอบหรือจ้างเจ้าหน้าที่ทำงานล่วงเวลา

ลูกค้ามีคำถามมากมายเกี่ยวกับแผนประกัน วิธีการทํางาน และแผนใดที่ตรงกับความต้องการของตน คำถามที่เจาะจงบุคคลนั้นตอบได้ยากหากใช้คําถามที่พบบ่อยหรือแชทบ็อตที่อิงตามกฎ ทีมจึงนำความช่วยเหลือที่ปรับเปลี่ยนในแบบของคุณด้วย Generative AI มาใช้เพื่อตอบสนองความต้องการเหล่านี้

ความช่วยเหลือที่ปรับเปลี่ยนในแบบของคุณด้วย Finova AI

Policybazaar ได้สร้างแชทบ็อตผู้ช่วยด้านประกันชื่อ Finova AI ที่ทำงานด้วยข้อความและเสียงเพื่อให้คำตอบที่ปรับให้เหมาะกับลูกค้าและมอบความช่วยเหลือที่ดีขึ้นเป็นภาษาอังกฤษและภาษาอินเดียดั้งเดิมของผู้ใช้บางราย

การดำเนินการนี้เกิดขึ้นจากหลายขั้นตอน ดูการแนะนำแบบละเอียดในการพูดคุยเรื่องกรณีการใช้งานและกลยุทธ์ AI บนเว็บในโลกแห่งความเป็นจริงจาก Google I/O 2025

1. ข้อมูลจากผู้ใช้

ขั้นแรก ลูกค้าส่งข้อความถึงแชทบ็อตด้วยข้อความหรือด้วยเสียง หากลูกค้าพูดกับแชทบ็อต ระบบจะใช้ Web Speech API เพื่อแปลงเสียงเป็นข้อความ

2. แปลเป็นภาษาอังกฤษ

ระบบจะส่งข้อความของลูกค้าไปยัง Language Detector API หาก API ตรวจพบภาษาอินโดอารยัน ระบบจะส่งอินพุตไปยัง Translator API เพื่อแปลเป็นภาษาอังกฤษ

API ทั้ง 2 รายการนี้ทำงานแบบอนุมานฝั่งไคลเอ็นต์ ซึ่งหมายความว่าอินพุตของผู้ใช้จะไม่ออกจากอุปกรณ์ในระหว่างการแปล

3. ข้อความได้รับการประเมินด้วยการตรวจหาเนื้อหาที่เป็นพิษ

ระบบจะใช้โมเดลการตรวจหาเนื้อหาที่เป็นพิษฝั่งไคลเอ็นต์เพื่อประเมินว่าอินพุตของลูกค้ามีคำที่ไม่เหมาะสมหรือก้าวร้าวหรือไม่ หากมี ระบบจะแจ้งให้ลูกค้าเรียบเรียงข้อความใหม่ ข้อความจะไม่ดำเนินการต่อในขั้นตอนถัดไปหากมีภาษาที่เป็นพิษ

วิธีนี้ช่วยให้เจ้าหน้าที่ฝ่ายช่วยเหลือลูกค้าสามารถตรวจสอบและติดตามผลได้ หากจำเป็น

4. ระบบส่งคําขอไปยังเซิร์ฟเวอร์

จากนั้นระบบจะส่งข้อความค้นหาที่แปลแล้วไปยังโมเดลฝั่งเซิร์ฟเวอร์ที่ฝึกด้วยข้อมูลของ Policybazaar และแสดงคำตอบภาษาอังกฤษสำหรับคำถาม

ลูกค้าจะได้รับคำตอบและคำแนะนำที่ปรับเปลี่ยนในแบบของตัวเอง รวมถึงคำตอบสำหรับคำถามที่ซับซ้อนมากขึ้นเกี่ยวกับผลิตภัณฑ์

5. แปลเป็นภาษาของลูกค้า

Translator API ซึ่งใช้แปลคำค้นหาเริ่มต้นจะแปลคำค้นหากลับเป็นภาษาของลูกค้าตามที่ Language Detector API ตรวจพบ โปรดทราบว่า API เหล่านี้ทำงานฝั่งไคลเอ็นต์ ดังนั้นการดำเนินการทั้งหมดจะเกิดขึ้นในอุปกรณ์ของผู้ใช้ ซึ่งหมายความว่าลูกค้าจะได้รับความช่วยเหลือในภาษาหลักของตน ซึ่งทำให้แชทบ็อตเข้าถึงได้สำหรับผู้ที่ไม่ได้พูดภาษาอังกฤษ

สถาปัตยกรรมแบบผสม

Finova AI ซึ่งทำงานได้ทั้งในแพลตฟอร์มเดสก์ท็อปและอุปกรณ์เคลื่อนที่ใช้โมเดลหลายรูปแบบเพื่อสร้างผลลัพธ์สุดท้าย Policybazaar ได้สร้างสถาปัตยกรรมแบบผสม ซึ่งโซลูชันบางส่วนทำงานฝั่งไคลเอ็นต์และบางส่วนทำงานฝั่งเซิร์ฟเวอร์

คุณอาจต้องการใช้สถาปัตยกรรมแบบผสมด้วยเหตุผลหลายประการ ไม่ว่าจะใช้โมเดลเดียวหรือหลายโมเดลก็ตาม

• ประเมินความสามารถของโมเดลฝั่งไคลเอ็นต์ เปลี่ยนไปใช้ฝั่งเซิร์ฟเวอร์เมื่อจําเป็น
  • ข้อจํากัดของข้อมูลโมเดล: โมเดลภาษามีขนาดแตกต่างกันอย่างมาก ซึ่งจะเป็นตัวกําหนดความสามารถที่เฉพาะเจาะจงด้วย ตัวอย่างเช่น พิจารณาสถานการณ์ที่ผู้ใช้ถามคำถามส่วนตัวเกี่ยวกับบริการที่คุณให้ โมเดลฝั่งไคลเอ็นต์อาจตอบคำถามได้ หากได้รับการฝึกในพื้นที่เฉพาะนั้น อย่างไรก็ตาม หากใช้ไม่ได้ คุณสามารถใช้การติดตั้งใช้งานฝั่งเซิร์ฟเวอร์แทน ซึ่งได้รับการฝึกอบรมด้วยชุดข้อมูลที่ซับซ้อนและใหญ่กว่า
  • ความเชื่อมั่นของโมเดล: ในโมเดลการจัดประเภท เช่น การดูแลเนื้อหาหรือการป้องกันการประพฤติมิชอบ โมเดลฝั่งไคลเอ็นต์อาจแสดงผลคะแนนความเชื่อมั่นที่ต่ำลง ในกรณีนี้ คุณอาจต้องเปลี่ยนไปใช้รูปแบบฝั่งเซิร์ฟเวอร์ที่มีประสิทธิภาพมากกว่า
• รองรับความสามารถของอุปกรณ์ที่หลากหลาย
  • ข้อจำกัดด้านฮาร์ดแวร์: ผู้ใช้ทุกคนควรเข้าถึงฟีเจอร์ AI ได้ ในความเป็นจริง ผู้ใช้ใช้อุปกรณ์ที่หลากหลาย และอุปกรณ์บางรุ่นอาจไม่รองรับการอนุมานด้วย AI หากอุปกรณ์ไม่รองรับการอนุมานฝั่งไคลเอ็นต์ คุณสามารถเปลี่ยนไปใช้เซิร์ฟเวอร์ได้ แนวทางนี้จะช่วยให้ฟีเจอร์ของคุณเข้าถึงได้ง่ายมาก ขณะเดียวกันก็ช่วยลดต้นทุนและเวลาในการตอบสนองได้หากเป็นไปได้
  • ข้อจํากัดของเครือข่าย: หากผู้ใช้ออฟไลน์หรืออยู่ในเครือข่ายที่ไม่เสถียรแต่มีรูปแบบที่แคชไว้ในเบราว์เซอร์ คุณจะเรียกใช้รูปแบบฝั่งไคลเอ็นต์ได้
• ข้อกำหนดด้านความเป็นส่วนตัว
  • คุณอาจมีข้อกำหนดด้านความเป็นส่วนตัวที่เข้มงวดสำหรับแอปพลิเคชัน ตัวอย่างเช่น หากขั้นตอนหนึ่งของผู้ใช้ต้องมีการยืนยันตัวตนด้วยข้อมูลส่วนตัวหรือการจดจำใบหน้า ให้เลือกโมเดลฝั่งไคลเอ็นต์เพื่อประมวลผลข้อมูลในอุปกรณ์และส่งเอาต์พุตการยืนยัน (เช่น ผ่านหรือไม่ผ่าน) ไปยังโมเดลฝั่งเซิร์ฟเวอร์สำหรับขั้นตอนถัดไป

สำหรับ Policybazaar ที่ต้องการเวลาในการตอบสนองต่ำ ต้นทุนที่มีประสิทธิภาพ และความเป็นส่วนตัว ระบบจะใช้โซลูชันฝั่งไคลเอ็นต์ เมื่อต้องใช้โมเดลที่ซับซ้อนมากขึ้นซึ่งฝึกด้วยข้อมูลที่กำหนดเอง ระบบจะใช้โซลูชันฝั่งเซิร์ฟเวอร์

เราจะมาเจาะลึกการใช้งานรูปแบบฝั่งไคลเอ็นต์กัน

การตรวจหาเนื้อหาที่เป็นพิษฝั่งไคลเอ็นต์

หลังจากแปลข้อความแล้ว ระบบจะส่งข้อความของลูกค้าไปยัง โมเดลการตรวจหาเนื้อหาที่เป็นพิษของ TensorFlow.js ซึ่งทำงานฝั่งไคลเอ็นต์บนเดสก์ท็อปและอุปกรณ์เคลื่อนที่ เนื่องจากระบบจะส่งต่อข้อความถอดเสียงไปยังเจ้าหน้าที่ฝ่ายช่วยเหลือเพื่อให้ติดตามผล คุณจึงควรหลีกเลี่ยงการใช้ภาษาที่ไม่เหมาะสม ระบบจะวิเคราะห์ข้อความในอุปกรณ์ของผู้ใช้ก่อนที่จะส่งไปยังเซิร์ฟเวอร์ จากนั้นเจ้าหน้าที่จะเป็นผู้ให้ความช่วยเหลือขั้นสุดท้าย

นอกจากนี้ การวิเคราะห์ฝั่งไคลเอ็นต์ยังอนุญาตให้นำข้อมูลที่มีความละเอียดอ่อนออกได้ ความเป็นส่วนตัวของผู้ใช้เป็นสิ่งที่เราให้ความสำคัญสูงสุด และการอนุมานฝั่งไคลเอ็นต์ช่วยให้เราบรรลุเป้าหมายนี้ได้

ข้อความแต่ละรายการมีขั้นตอนหลายขั้นตอน เมื่อใช้การตรวจหาเนื้อหาที่เป็นพิษ นอกเหนือจากการตรวจหาและแปลภาษาแล้ว แต่ละข้อความจะต้องส่งไปยังเซิร์ฟเวอร์หลายรอบ การทำสิ่งเหล่านี้ฝั่งไคลเอ็นต์ทำให้ Policybazaar จำกัดค่าใช้จ่ายที่คาดการณ์ไว้สำหรับฟีเจอร์ได้อย่างมาก

Policybazaar เปลี่ยนจาก WebGL เป็นแบ็กเอนด์ WebGPU (สําหรับเบราว์เซอร์ที่รองรับ) และเวลาในการอนุมานก็เร็วขึ้น 10 เท่า ผู้ใช้ได้รับความคิดเห็นที่เร็วขึ้นเพื่อแก้ไขข้อความ ซึ่งส่งผลให้มีการมีส่วนร่วมและความพึงพอใจของลูกค้าสูงขึ้น

// Create an instance of the toxicity model.
const createToxicityModelInstance = async () => {
  try {
    //use WebGPU backend if available
    if (navigator.gpu) {
        await window.tf.setBackend('webgpu');
        await window.tf.ready();
    }

    return await window.toxicity.load(0.9).then(model => {
      return model;
    }).catch(error => {
      console.log(error);
      return null;
    });
  } catch (er) {
      console.error(er);
  }
}

การมีส่วนร่วมและอัตราการคลิกผ่านสูง

การรวมโมเดลหลายรูปแบบเข้ากับ Web API ทำให้ Policybazaar ขยายเวลาให้ความช่วยเหลือลูกค้าได้สำเร็จหลังเวลาทำการ ผลลัพธ์เบื้องต้นจากรุ่นที่จำกัดของฟีเจอร์นี้บ่งชี้ว่าการมีส่วนร่วมของผู้ใช้สูง

ผู้ใช้ 73% ที่เปิดแชทบ็อตมีส่วนร่วมในการสนทนาแบบหลายคำถามนานหลายนาที ส่งผลให้อัตราการตีกลับต่ำ นอกจากนี้ โปรแกรมนําร่องยังแสดงให้เห็นว่าอัตราคลิกผ่านของคำกระตุ้นให้ดำเนินการ (Call-To-Action) ใหม่นี้สำหรับการช่วยเหลือลูกค้าสูงกว่า 2 เท่า ซึ่งแสดงให้เห็นว่าการโต้ตอบของลูกค้ากับ Finova เพื่อสอบถามข้อมูลเป็นไปอย่างราบรื่น นอกจากนี้ การเปลี่ยนไปใช้แบ็กเอนด์ WebGPU สำหรับการตรวจหาเนื้อหาที่เป็นพิษฝั่งไคลเอ็นต์ยังช่วยเพิ่มความเร็วในการอนุมานได้ 10 เท่า ซึ่งส่งผลให้ผู้ใช้ได้รับความคิดเห็นเร็วขึ้น

แหล่งข้อมูล

หากสนใจขยายความสามารถของเว็บแอปด้วย AI ฝั่งไคลเอ็นต์ ให้ทำดังนี้

• ดูวิธีใช้การตรวจหาเนื้อหาที่เป็นพิษฝั่งไคลเอ็นต์
• ดูคอลเล็กชันการสาธิต AI ฝั่งไคลเอ็นต์
• อ่านเกี่ยวกับ Mediapipe และ Transformers.js คุณสามารถใช้โมเดลที่ผ่านการฝึกอบรมล่วงหน้าและผสานรวมไว้ในแอปพลิเคชันด้วย JavaScript
• คอลเล็กชัน AI ใน Chrome สําหรับนักพัฒนาซอฟต์แวร์มีแหล่งข้อมูล แนวทางปฏิบัติแนะนํา และการอัปเดตเกี่ยวกับเทคโนโลยีที่ขับเคลื่อน AI ใน Chrome และอื่นๆ
  • ซึ่งรวมถึงกรณีศึกษาเกี่ยวกับวิธีที่ Policybazaar และ JioHotstar ใช้ Translator และ Language Detector API เพื่อสร้างประสบการณ์การใช้งานหลายภาษา
• ดูข้อมูลเกี่ยวกับตัวอย่างการใช้งานจริงของ Web AI ที่งาน I/O 2025