Ранжирование контрольных вопросов в call center
В call center нужно выбрать контрольный вопрос для верификации клиента: достаточно безопасный, но не слишком сложный. Как построить ML-систему ранжирования вопросов?
Короткий ответ
Ранжировать вопросы по expected utility: безопасность/разделяющая сила минус friction, с учетом клиента, канала, риска операции и доступности фактов.
Полный разбор
Сначала нужно определить цель: снизить fraud/account takeover, сохранить call completion и не ухудшить UX. Кандидаты вопросов имеют признаки сложности, uniqueness, freshness, sensitivity, вероятность ответа владельцем и вероятность угадывания мошенником. Контекст: клиент, операция, риск-сигналы, история коммуникаций, канал, регуляторные ограничения.
Модель может быть LTR/scorecard: выбрать вопрос или последовательность вопросов. Нужны hard rules для запрещенных вопросов, fallback на ручную верификацию и мониторинг ошибок.
Теория
Это constrained ranking под security objective, а не обычная задача maximize answer rate.
Типичные ошибки
- Оптимизировать только долю правильных ответов.
- Игнорировать fraud adversary.
- Использовать слишком чувствительные данные без policy.
Как отвечать на собеседовании
- Сформулируй utility через risk reduction и customer friction.