Google I/O'ya katıldığınız için teşekkürler! İçerikleri isteğe bağlı olarak izleyin.

Bu sayfa, Cloud Translation API ile çevrilmiştir.

Policybazaar, Web Yapay Zeka ile çalışma saatleri dışında müşteri yardımı sunmaya başladı ve kullanıcıların% 73'ü kaliteli etkileşimler yaşadı

Rishabh Mehrotra

Aman Soni

Swetha Gopalakrishnan

Yayınlanma tarihi: 21 Mayıs 2025

Policybazaar, 97 milyondan fazla kayıtlı müşterisi olan Hindistan'ın önde gelen sigorta platformlarından biridir. Müşterilerin yaklaşık% 80'i her ay Policybazaar'ı online olarak ziyaret ettiğinden, platformlarının sorunsuz kullanıcı deneyimleri sunması büyük önem taşıyor.

Policybazaar ekibi, önemli sayıda kullanıcının web sitelerini akşamları, müşteri desteği ekibinin çalışma saatlerinden sonra ziyaret ettiğini fark etti. Policybazaar, kullanıcıların yanıt almak için bir sonraki iş gününe kadar beklemesi veya gece çalışan personel istihdam etmesi yerine bu kullanıcılara anında hizmet sunacak bir çözüm uygulamak istedi.

Müşteriler, sigorta planları, işleyiş şekli ve ihtiyaçlarını karşılayacak plan hakkında birçok soru soruyor. Kişiselleştirilmiş soruların SSS veya kurala dayalı chatbot'larla yanıtlanması zordur. Ekip, bu ihtiyaçları karşılamak için üretken yapay zeka ile kişiselleştirilmiş yardım özelliğini kullanıma sundu.

_%73

Kullanıcılar kaliteli görüşmeler başlattı ve bu görüşmelere katıldı

2_kat

Önceki harekete geçirici mesaja kıyasla daha yüksek tıklama oranı

10_x

WebGPU ile daha hızlı çıkarım

Finova AI ile kişiselleştirilmiş yardım

Policybazaar, İngilizce ve bazı kullanıcıların ana dili olan Hintçe'de kişiselleştirilmiş yanıtlar ve daha iyi müşteri yardımı sunmak için Finova AI adlı yazılı ve sesli bir sigorta asistanı chatbot'u geliştirdi.

Bunu mümkün kılmak için birçok adım attık. Google I/O 2025'teki Gerçek dünyada web yapay zekası kullanım alanları ve stratejileri konulu konuşmada ayrıntılı bir açıklamalı kılavuzu izleyin.

Bu şemada, Finova AI'ın uygulanmasının temelindeki üst düzey adımlar gösterilmektedir.

1. Kullanıcı girişi

Müşteri ilk olarak chatbot'a metin veya sesli olarak mesaj gönderir. Kullanıcı chatbot ile konuşuyorsa sesi metne dönüştürmek için Web Speech API kullanılır.

2. İngilizceye çevir

Müşterinin mesajı Language Detector API'ye gönderilir. API bir Hint dili algılarsa giriş, İngilizceye çevrilmek üzere Translator API'ye gönderilir.

Bu API'lerin ikisi de çıkarım işlemini istemci tarafında yürütür. Bu, kullanıcı girişinin çeviri sırasında cihazdan çıkmadığı anlamına gelir.

3. İleti, toksiklik algılama ile değerlendirilir

Müşterinin girişinin uygunsuz veya saldırgan kelimeler içerip içermediğini değerlendirmek için istemci tarafında bir toksisite algılama modeli kullanılır. Bu durumda müşteriden mesajı yeniden ifade etmesi istenir. Toksik dil içeren mesajlar sonraki adıma geçirilmez.

Bu sayede müşteri yardımı ekibinin, gerektiğinde inceleme ve takip yapması için saygılı bir şekilde iletişim kurabilirsiniz.

4. İstek sunucuya gönderilir

Çevrilmiş sorgu daha sonra Policybazaar'ın verileriyle eğitilmiş bir sunucu tarafı modele iletilir ve soruya İngilizce bir yanıt döndürür.

Müşteriler, ürünlerle ilgili daha karmaşık soruların yanı sıra kişiselleştirilmiş yanıtlar ve öneriler alabilir.

5. Müşterinin diline çevirme

İlk sorguyu çevirmek için kullanılan Translator API, sorguyu Language Detector API tarafından algılanan müşteri diline geri çevirir. Bu API'ler istemci tarafında çalıştığından tüm bu işlemler kullanıcının cihazında gerçekleşir. Bu sayede müşteriler birincil dillerinde yardım alabilir. Bu da chatbot'u İngilizce bilmeyen kullanıcılar için erişilebilir hale getirir.

Karma mimari

Hem masaüstü hem de mobil platformlarda çalışan Finova AI, nihai sonuçları oluşturmak için birden fazla model kullanır. Policybazaar, çözümün bir kısmının istemci tarafında, bir kısmının ise sunucu tarafında çalıştığı karma bir mimari oluşturdu.

Yalnızca bir veya birden fazla model kullanıyor olsanız da karma mimariyi uygulamak isteyebileceğiniz birkaç neden vardır.

İstemci tarafı model kapasitesini değerlendirin. Gerekirse sunucu tarafına geri dönün.
- Model veri sınırlamaları: Dil modellerinin boyutu büyük ölçüde değişiklik gösterebilir. Bu durum, belirli özellikleri de belirler. Örneğin, bir kullanıcının sunduğunuz bir hizmetle ilgili kişisel bir soru sorduğunu düşünün. Müşteri tarafı bir model, belirli bir alanda eğitilmişse soruyu yanıtlayabilir. Ancak bu mümkün değilse daha karmaşık ve daha büyük bir veri kümesinde eğitilmiş sunucu tarafı bir uygulamaya geçebilirsiniz.
- Model güvenilirliği: İçerik moderasyon veya sahtekarlık algılama gibi sınıflandırma modellerinde istemci tarafı model daha düşük bir güven puanı verebilir. Bu durumda, daha güçlü bir sunucu tarafı modele geri dönmek isteyebilirsiniz.
Çeşitli cihaz özelliklerini destekleyin.
- Donanım sınırlamaları: İdeal olarak, yapay zeka özelliklerine tüm kullanıcılarınız erişebilmelidir. Gerçekte kullanıcılar çok çeşitli cihazlar kullanır ve tüm cihazlar yapay zeka çıkarımlarını destekleyemez. Bir cihaz istemci taraflı çıkarım işlemini destekleyemiyorsa sunucuya geri dönebilirsiniz. Bu yaklaşımla, özelliğinizi son derece erişilebilir hale getirebilir ve mümkün olduğunda maliyeti ve gecikmeyi en aza indirebilirsiniz.
- Ağ sınırlamaları: Kullanıcı çevrimdışıysa veya kararsız ağlardaysa ancak tarayıcıda önbelleğe alınmış bir modeli varsa modeli istemci tarafında çalıştırabilirsiniz.
Gizlilik şartları.
- Uygulamanız için katı gizlilik koşullarına sahip olabilirsiniz. Örneğin, kullanıcı akışının bir kısmı kişisel bilgilerle veya yüz algılamayla kimlik doğrulama gerektiriyorsa cihazdaki verileri işlemek ve doğrulama sonucunu (ör. başarılı veya başarısız) sonraki adımlar için sunucu tarafı modele göndermek üzere istemci tarafı bir model seçin.

Düşük gecikmenin, maliyet verimliliğinin ve gizliliğin gerekli olduğu Policybazaar için istemci tarafı bir çözüm kullanıldı. Özel verilerle eğitilmiş daha karmaşık modellere ihtiyaç duyulan durumlarda sunucu tarafı bir çözüm kullanıldı.

Burada, istemci tarafı model uygulamasına daha yakından bakıyoruz.

İstemci tarafında toksik içerik algılama

Mesajlar çevrildikten sonra müşterinin mesajı, masaüstü ve mobil cihazlarda istemci tarafında çalışan TensorFlow.js zehirli içerik algılama modeline iletilir. Metne dönüştürülmüş konuşma, takip için gerçek kişilerden oluşan yardım ekibine yönlendirildiğinden, rahatsız edici dillerden kaçınılması önemlidir. İletiler, sunucuya gönderilmeden önce kullanıcının cihazında, ardından da gerçek kişilerden oluşan destek ekibi tarafından analiz edilir.

Ayrıca istemci tarafı analiz, hassas bilgilerin kaldırılmasına olanak tanıdı. Kullanıcı gizliliği birinci önceliktir ve istemci tarafı çıkarım, bunu mümkün kılmaya yardımcı olur.

Her mesaj için birkaç adım gerekir. Toksik içerik algılama özelliği, dil algılama ve çeviriye ek olarak her ileti için sunucuya birden fazla gidiş geliş gerektirir. Policybazaar, bu görevleri istemci tarafında gerçekleştirerek öngörülen özellik maliyetini önemli ölçüde sınırlayabilir.

Policybazaar, WebGL'den WebGPU arka ucuna (desteklenen tarayıcılar için) geçiş yaptı ve çıkarım süresi 10 kat iyileşti. Kullanıcılar, mesajlarını düzeltmek için daha hızlı geri bildirim aldı. Bu da daha yüksek etkileşim ve müşteri memnuniyeti sağladı.

// 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);
  }
}

Yüksek etkileşim ve tıklama oranı

Policybazaar, birden fazla modeli web API'leriyle birleştirerek müşteri desteğini çalışma saatlerinden sonra da başarıyla sağladı. Bu özelliğin sınırlı bir sürümünün ilk sonuçları, yüksek düzeyde kullanıcı etkileşimi olduğunu gösteriyor.

Sohbet botunu açan kullanıcıların% 73'ü birkaç dakika süren çok sorulu sohbetlere katıldı. Bu da düşük bir hemen çıkma oranına neden oldu. Ayrıca pilot program, bu yeni müşteri yardımı harekete geçirici mesajı için 2 kat daha yüksek bir tıklama oranı elde etti. Bu da müşterilerin soruları için Finova ile başarılı bir şekilde etkileşime geçtiğini gösteriyor. Ayrıca, istemci taraflı toksisite algılama için WebGPU arka ucuna geçiş, çıkarım işlemini 10 kat hızlandırdı ve kullanıcı geri bildiriminin daha hızlı alınmasını sağladı.