چجوری میشه پیش‌بینی کرد کدوم بیمارا به برنامه مراقبت تلفنی ملحق میشن؟ یه داستان واقعی با اعداد و مدل‌های هوش مصنوعی!

احتمالاً اسم «رتینوپاتی دیابتی» به گوشت خورده یا نه؟ اگه نه، بذار خیلی خلاصه بگم: یه عارضه از دیابته که می‌تونه باعث کم‌بینایی و حتی نابینایی بشه. خب، برای کمک به این بیمارا یه شرکت اومده یه برنامه جذاب مراقبت از راه دور (که بهش Principal Care Management یا PCM میگن) راه‌انداخته. کل داستان اینه که یه نفر با بیمار تماس می‌گیره، مشاوره میده و خلاصه سعی می‌کنه زندگی براش راحت‌تر کنه و موانع درمانش رو برداره.

حالا جالب اینه که با وجود کلی مزیتی که این برنامه داره، هنوز تعداد آدمایی که ثبت‌نام می‌کنن اونقدرا زیاد نیست! دقیقاً اینجا بود که یه تیم باحال تصمیم گرفتن بفهمن چرا بعضیا تو این برنامه ثبت‌نام می‌کنن و بعضیا نه.

اینا کلی فایل صوتی تماس‌های تلفنی این برنامه رو داشتن و شروع کردن به بررسی دقیق! اومدن اطلاعاتی مثل طول تماس، تعداد دفعات تماس، فاصله زمانی بین تماس‌ها، و حتی لحن مشتری و عامل تماس‌گیرنده (یعنی Operator) رو جمع کردن. لحن یعنی مثلاً تماس مثبت یا منفی بوده، کی خوشحال بوده کی ناراحت! به این کارا اصطلاحاً “ویژگی‌سازی” (Feature engineering) میگن؛ یعنی از داده‌های خام یه‌سری ویژگی مهم استخراج کنی.

بعد، رفتن سراغ یه کار خیلی باحال‌تر؛ از تکنیکی به اسم Structural Topic Modeling یا به اختصار STM استفاده کردن که در واقع یه جور مدل هوش مصنوعیه برای فهمیدن اینکه توی مکالمه‌ها در مورد چه موضوعاتی بیشتر حرف زده شده. به این مدل‌ها میگن مدل‌های موضوعی یا “Topic Modeling” که یعنی موضوعات اصلی صحبت رو خودشون پیدا می‌کنن.

از این به بعدش قشنگ شبیه مسابقه شد! سه مدل مختلف ساختن:
۱. مدلی که فقط با داده‌های تماس کار می‌کرد.
۲. مدلی که فقط با موضوعات (Topicها) کار می‌کرد.
۳. و یه مدل ترکیبی که هم داده‌های تماس رو داشت، هم موضوعات مطرح‌شده رو (بهش گفتن Topic+Metadata Model).

نتیجه؟ دقیقاً اون مدلی که هم داده‌ها رو داشت و هم موضوعات رو، بهترین عملکرد رو داشت و راحت می‌تونست بگه چه کسی ثبت‌نام می‌کنه چه کسی نه! اینو با یه معیار به اسم AUC مقایسه کردن که هر چی نزدیک ۱ باشه مدل دقیق‌تره؛ مدل ترکیبی تونست بین ۰.۸۱ تا ۰.۹۹ امتیاز بیاره، دهن آدم رو باز می‌ذاره واقعاً!

حالا نکات باحالش چیا بودن؟

  • وقتی بعد از توضیح فواید برنامه سریع وقت مراجعه رو براشون می‌ذاشتن، احتمال ثبت‌نامشون بیشتر میشد.
  • اگه اون بخش “هماهنگ‌کردن وقت” حذف می‌شد، بهتر بود عامل تماس‌گیرنده (Operator) همه‌ی بخشای فیلمنامه رو تو چندین تماس مختلف پوشش بده، نه همه رو تو یه تماس بگه که قاطی پاطی شه.
  • هر چی فاصله بین تماس‌ها بیشتر باشه و Operator فرصت بیشتری به بیمار بده تا فکر کنه، احتمال ثبت‌نامش بیشتر می‌شه!
  • و اینکه توضیح شفاف و کامل در مورد برنامه واقعاً تاثیر داره.

جمع‌بندی جالب این بود که همین تماس‌گیرنده‌ها، به عنوان اولین نقطه ارتباط با بیمارا، نقش خیلی مهمی دارن تو اینکه کی میاد تو برنامه و کی نمیاد. پس یه جورایی همه‌چی برمی‌گرده به نحوه صحبت کردن و مدیریت ارتباط با بیمار.

خلاصه، این تحقیق نشون داد با ترکیب داده‌های خفن و تحلیل هوشمند کلی چیز درباره رفتار آدما می‌شه فهمید و کیفیت خدمات مراقبتی رو برد بالا. تازه اگر تو کار خدمات درمانی و پشتیبانی تلفنی باشی، این راهکارا می‌تونه کلی بهت ایده بده واسه بهتر کردن کارات!

منبع: +