वेबिनार सारांश: Urban Company ने बड़े स्तर पर पार्टनर सपोर्ट को कैसे ऑटोमेट किया

ज़्यादातर सपोर्ट टीमें बड़े स्तर पर काम करने की कोशिश में एक सीमा पर पहुंच जाती हैं। वे एजेंट जोड़ती हैं, लागत बढ़ती है, गुणवत्ता एक जैसी नहीं रहती और मौसमी बढ़तें व्यवस्था बिगाड़ देती हैं। Urban Company ने एक अलग रास्ता खोजा।

वेबिनार बिहाइंड द एजेंट: Urban Company ने बड़े स्तर पर पार्टनर सपोर्ट को कैसे ऑटोमेट किया में Urban Company के इंजीनियरिंग मैनेजर अभिषेक ठाकुर ने बताया कि Urban Company ने अपने पार्टनर सपोर्ट संचालन में वॉइस AI कैसे लागू किया—और इसका गुणवत्ता, लागत और कॉल वॉल्यूम पर क्या असर पड़ा।

गिग इकॉनमी में सपोर्ट की समस्या

गिग इकॉनमी प्लेटफ़ॉर्म और वर्कर्स के बीच भरोसे पर बहुत निर्भर करती है, और इस भरोसे में कोई भी कमी वर्कर्स को प्रतिस्पर्धियों के पास जाने के लिए प्रेरित कर सकती है। भारत में 1.5 करोड़ से अधिक गिग वर्कर्स हैं और 2030 तक इनकी संख्या 2.3 करोड़ होने का अनुमान है। ये लोग मुख्य रूप से मोबाइल और वॉइस के ज़रिए प्लेटफ़ॉर्म से जुड़ते हैं। शोर, कनेक्टिविटी की समस्याएं और मिली-जुली भाषाओं जैसी उनकी कामकाजी परिस्थितियों में टेक्स्ट-आधारित सपोर्ट अक्सर कारगर नहीं होता।

इसके बावजूद कई प्लेटफ़ॉर्म अब भी डिफ़ॉल्ट रूप से चैट का इस्तेमाल करते हैं, जिससे पहले संपर्क में समाधान की दर कम और एस्केलेशन की दर अधिक रहती है। वर्कर्स को अक्सर लगता है कि प्लेटफ़ॉर्म उनकी ज़रूरतों को ध्यान में रखकर नहीं बनाया गया है। वॉइस AI एक संभावित समाधान है, क्योंकि यह संवाद का ऐसा तरीका देता है जो इस वर्कफोर्स के काम करने के तरीके के अनुरूप है। सवाल यह है कि क्या यह गिग इकॉनमी के संचालन के लिए ज़रूरी सटीकता और पैमाने पर काम कर सकता है।

गिग वर्कर्स के लिए वॉइस सही चैनल क्यों था

Urban Company भारत के 51 शहरों के साथ-साथ UAE, सिंगापुर और सऊदी अरब में काम करती है। यह करीब 60,000 सक्रिय सेवा पेशेवरों—प्लंबर, ब्यूटीशियन और उपकरण मरम्मत तकनीशियनों—को मैनेज करती है, जो हर दिन लोगों के घरों में काम करते हैं।

ये पार्टनर आम टेक यूज़र नहीं हैं। कई लोग सिर्फ़ प्लेटफ़ॉर्म से जुड़ने के लिए स्मार्टफोन खरीदते हैं। उनके लिए संवाद का स्वाभाविक माध्यम टेक्स्ट नहीं, वॉइस है। जब Urban Company ने अपने चैट सपोर्ट लॉग्स देखे, तो पार्टनर अधूरे हिंग्लिश मैसेज भेज रहे थे, धुंधले स्क्रीनशॉट अपलोड कर रहे थे और सबसे अहम बात, चैट में वापस कॉल करने के लिए कह रहे थे।

सपोर्ट चैनल और पार्टनर वास्तव में कैसे संवाद करते हैं, इनके बीच का अंतर हर टचपॉइंट पर मुश्किलें पैदा कर रहा था।

इस पैमाने पर इंसानों द्वारा दिया जाने वाला सपोर्ट अपनी कई बढ़ती हुई समस्याएं पैदा करता है: 

1. दस मानवीय कॉल सेंटर एजेंट एक ही बात को दस अलग तरीकों से कहते हैं
2. SOPs को अपडेट करके पूरी टीम तक पहुंचाने में हफ़्ते लगते हैं
3. और AC मरम्मत का सीज़न आते ही कॉल वॉल्यूम बिना चेतावनी के बढ़ जाता है 

वॉइस AI इन तीनों समस्याओं को हल करता है: यह हर बार एक जैसा समाधान देता है, नई जानकारी के अनुसार तुरंत ढलता है और किसी भी वॉल्यूम को संभालने के लिए क्षैतिज रूप से स्केल होता है।

Urban Company ने ElevenLabs को चुना क्योंकि इसकी वॉइसेज़ सबसे ज़्यादा मानवीय लगीं—यह निर्णय एक गुमनाम आंतरिक पोल के ज़रिए लिया गया, जिसमें कर्मचारियों ने कई वेंडर्स की रिकॉर्डिंग सुनीं और वोट किया। जब आपके यूज़र ऐसे गिग वर्कर्स हों जो किसी प्लेटफ़ॉर्म पर भरोसा बना रहे हैं, तो वॉइस की गुणवत्ता पसंद नहीं, एक बुनियादी शर्त होती है।

Urban Company के एजेंट्स के पीछे की कहानी

Urban Company अब तीन बड़े सब-वर्टिकल्स में वॉइस AI चला रही है:

पार्टनर सपोर्ट - पार्टनर किसी जॉब के दौरान कभी भी ऐप में कॉल कर सकते हैं और ग्राहक विवाद, पेमेंट की समस्या या जॉब पूरा करने से जुड़ी दिक्कतों समेत अपनी किसी भी समस्या में मदद पा सकते हैं।

रेफ़रल आउटरीच - मौजूदा पार्टनर्स को आउटबाउंड कॉल करके पूछा जाता है कि क्या वे अपने परिवार या दोस्तों को प्लेटफ़ॉर्म के लिए रेफ़र करना चाहेंगे। यह अधिक वॉल्यूम वाला और रिश्तों के लिहाज़ से संवेदनशील इंटरैक्शन है, जिसमें एक समान टोन और बिल्कुल भी होल्ड टाइम न होने का फ़ायदा मिलता है।

Instahelp - उन पार्टनर्स के लिए ऐप-रहित इंटरैक्शन लेयर जो आसानी से पढ़ या लिख नहीं सकते। पार्टनर बिना किसी UI के, पूरी तरह वॉइस से अपने जॉब्स, सब्सक्रिप्शन और सवालों को मैनेज करते हैं।

आज Urban Company 30+ लाइव यूज़ केसेज़ चला रही है और 150+ सब-एजेंट्स की ओर बढ़ रही है। जो काम एक व्यक्ति ने यह जानने के लिए शुरू किया था कि क्या यह संभव भी है, वह अब 30 लोगों की ऐसी टीम बन गया है जो वॉइस AI एजेंट्स बना और तैनात कर रही है। एक यूज़ केस के सफल होते ही, हर टीम को ऐसा एजेंट चाहिए था।

डेमो: रियल टाइम में मल्टी-एजेंट समाधान

परिस्थिति: एक सर्विस पार्टनर ग्राहक के स्थान पर पहुंचता है। बिजली न होने के कारण ग्राहक काम से मना कर देता है और पार्टनर को कैंसलेशन पेनल्टी दिए बिना जॉब को रीशेड्यूल करना है।

क्या दिखाया गया:

• पार्टनर ऐप के ज़रिए UC सपोर्ट को कॉल करता है और एक AI एजेंट (अंजलि) से जुड़ता है
• अंजलि जॉब की जानकारी की पुष्टि करती है और पार्टनर को होल्ड पर रखती है
• इसी दौरान दूसरा एजेंट (विधि) ग्राहक को सीधे कॉल करता है
• विधि कैंसलेशन का कारण कन्फ़र्म करती है, अगली सुबह उसी समय के लिए रीशेड्यूल करने का प्रस्ताव देती है और उसे बुक करती है
• अंजलि समाधान के साथ पार्टनर के पास लौटती है: जॉब रीशेड्यूल हो गया है और कोई कैंसलेशन पेनल्टी नहीं लगेगी
• पार्टनर तुरंत समाधान के लिए एजेंट को धन्यवाद देता है

यह क्यों अहम है:

यह किसी स्क्रिप्ट का पालन करने वाला एक एजेंट नहीं है। इसमें कई एजेंट एक साथ काम करते हैं—एक पार्टनर की कॉल संभालता है, दूसरा रियल टाइम में ग्राहक की समस्या हल करता है—और इन्हें इस तरह व्यवस्थित किया गया है कि ये ऐसा समाधान दे सकें जो कोई भी अकेला नहीं दे सकता था। Urban Company पार्टनर सपोर्ट में 50 से 60+ प्रॉम्प्ट वेरिएंट्स चलाती है, जहां अलग-अलग इंटरैक्शन में कभी-कभी क्रम से काम करने वाले 7 से 10 सब-एजेंट्स शामिल होते हैं।

सर्वोत्तम तरीके

Urban Company ने अपनी वॉइस AI यात्रा से मिली अहम सीख साझा की:

1. शुरुआत में फ़ंक्शन को प्राथमिकता दें। फरवरी और मार्च में अपने एजेंट्स में अधिक इंटेलिजेंस जोड़ने के दौरान Urban Company की प्रति मिनट लागत काफ़ी बढ़ी। फिर वह शुरुआती स्तर से भी नीचे आ गई। यूज़ केस को कामयाब बनाने पर ध्यान दें। लागत ऑप्टिमाइज़ेशन बाद में किया जा सकता है और जहां अक्षमताएं हैं, यह समझ आने पर यह आपकी अपेक्षा से तेज़ी से होता है।
2. छोटे बदलावों का बड़ा असर होता है। कन्वर्सेशनल AI में बारीकियां बहुत अहम हैं। Urban Company ने जानकारी देने से पहले "चेक कर रही हूं..." ऑडियो का एक छोटा बफ़र जोड़ा—भले ही API मिलीसेकंड्स में जवाब देता है। इस विराम से जवाब ऐसा लगा जैसे एजेंट ने सच में कुछ जांचा हो। इस एक बदलाव ने एक अहम मेट्रिक को 30% बढ़ा दिया। लगातार प्रयोग करें—Urban Company किसी भी समय 1% ट्रैफ़िक पर करीब 15 A/B टेस्ट चला रही है।
3. प्रॉम्प्ट्स को तोड़ें, उन्हें ठीक करने की कोशिश न करें। अगर कोई प्रॉम्प्ट हैलुसिनेट कर रहा है या भटक रहा है, तो उसे पैच करने का मन होता है। UC का तरीका उसे छोटे, केंद्रित प्रॉम्प्ट्स में बांटना है, जिनमें हर एक का खास काम हो, और उन्हें टार्गेटेड टूल कॉल्स से जोड़ना है। उनका पार्टनर सपोर्ट फ्लो एक ही प्रॉम्प्ट से सब कुछ संभालने के बजाय अलग-अलग काम करने वाले 50-60 प्रॉम्प्ट्स पर चलता है।
4. स्केल करने से पहले अपनी ट्रैकिंग बाइबल बनाएं। Urban Company इनपुट मेट्रिक्स को बहुत बारीकी से मॉनिटर करती है: औसत कॉल अवधि, एजेंट और यूज़र दोनों के प्रति मिनट शब्द, प्रति मिनट टर्न्स, व्हाइट नॉइज़ प्रतिशत और अनरीचेबल रेट। उनका नॉर्थ स्टार मेट्रिक है समाधान दर—कॉल के अंत में पार्टनर से पूछना कि क्या उनकी समस्या हल हो गई। जो बातें आंकड़ों से छूट जाती हैं, उन्हें पकड़ने के लिए कॉल्स सुनना अब भी ज़रूरी है।
5. भाषा का पता लगाएं, उसके बारे में पूछें नहीं। यूज़र्स से "आप कौन-सी भाषा पसंद करते हैं?" पूछने से बातचीत का प्रवाह टूटता है। Urban Company ने पार्टनर के सरनेम से भाषा पहचानने की कोशिश की, लेकिन बहुत ज़्यादा गलत पॉज़िटिव मिले। उनका मौजूदा तरीका: कॉल के पहले 30 सेकंड में पार्टनर जिस भाषा में बोलता है, वही सभी आने वाली कॉल्स के लिए तय हो जाती है। भाषा बदलने की अनुमति सिर्फ़ शुरुआती हिस्से में होती है। आज Urban Company की 20% कॉल्स स्थानीय भाषाओं में होती हैं—हिंदी और अंग्रेज़ी के अलावा।
6. लेटेंसी को एक इंजीनियरिंग समस्या की तरह मैनेज करें। हर मिलीसेकंड को प्रोफ़ाइल करें। पहचानें कि समय वास्तव में कहां लग रहा है—डेटा फ़ेचिंग, मॉडल इन्फ़रेंस या नेटवर्क में—और हर हिस्से को अलग-अलग ऑप्टिमाइज़ करें। प्रोसेसिंग समय छिपाने के लिए संदर्भ के अनुसार फ़िलर शब्दों का इस्तेमाल करें, लेकिन उन्हें प्रॉम्प्ट के हिसाब से रखें: ग्रीटिंग एजेंट कहता है "आपसे बात करके अच्छा लगा," और ऑपरेशनल एजेंट कहता है "मैं इसे चेक करता हूं।" फ़िलर शब्द स्वाभाविक बोलचाल जैसे लगने चाहिए। 

पूरा सेशन देखें

पूरा वेबिनार यहां देखें।