Колонки

Чем речевые технологии и модели Big Data полезны для клиентского сервиса? Кейс

Колонки
Ольга Королькова
Ольга Королькова

Директор по клиентскому сервису «Сбер Еаптеки»

Алина Алещенко

Голосовые помощники способны собрать за три дня несколько тысяч анкет клиентов, а те даже не поймут, что с ними говорил робот. При этом проанализировать данные можно будет еще до завершения исследования, а роботам не нужно платить зарплату. Как эта модель работает в реальном бизнесе и какие с ней могут быть трудности, рассказывает директор по клиентскому сервису «Сбер Еаптеки» Ольга Королькова. 

Чем речевые технологии и модели Big Data полезны для клиентского сервиса? Кейс
Присоединиться

Точка оптимизации

Первого чат-бота мы запустили в конце 2021 года, поскольку на тот момент количество обращений по телефону и в чат стало превышать 200 000 в месяц. Мы увидели необходимость оптимизировать ресурсы контакт-центра и снять с сотрудников высокую нагрузку. Особенно это было важно в пиковые периоды — акции, сезонные всплески и т. д.

Кроме того, внедрение чат-бота помогло оптимизировать расходы на персонал при поддержке роста заказов без потери качества обслуживания. 

Роботов для оптимизации выбрали с помощью открытого тендера. Мы выдвинули требования по функционалу, опыту внедрения, отказоустойчивости, информационной безопасности. Для подбора оптимального решения мы запрашивали обратную связь у бизнес-заказчиков на рынке и тестировали понравившиеся решения как клиенты.

Что важно учесть при внедрении:

  1. Ресурсы внутренних команд на дальнейшие доработки решений;
  2. Нюансы сбора и обработки персональных данных в рамках требований по безопасности компании.

Роботов внедряли в несколько этапов, на каждом из которых анализировали долю автоматизированных процессов, показатели удовлетворенности клиентов, долю решенных вопросов с первого раза. С учетом этих показателей принимали решение о дальнейшем масштабировании и доработке сценариев.

Например, решение о повышении автоматизации мы принимаем при целевых значениях FCR (First Call Resolution) — это метрика, отражающая долю клиентских вопросов, решенных во время первого обращения в службу поддержки. И CSI (Customer Satisfaction Index) — показатель удовлетворенности клиентов.

 

Важные открытия при внедрении роботов

  • Роботы часто не нравятся клиентам. При этом качественно прослушать все звонки и обработать их должным образом быстро — физически невозможно, каким бы большим ни был штат живых операторов. У нас эту особенность проработали с помощью возможности для клиента переключения на оператора-человека в любой момент. 
  • Робота нужно постоянно обучать. Частота обучения зависит от специфики компании. Например, для интернет-аптеки важен процесс распознавания названий препаратов, действующих веществ. Над ним мы работали в несколько итераций, доработка продолжается постоянно.
  • Нужно настроить аналитику. Важно постоянно анализировать работу роботов для разработки новых сценариев и ставить KPI по каждому из них. Например, на старте запуска чат-бота у нас было около 45 готовых сценариев, за год эта цифра выросла более чем в четыре раза, и мы продолжаем их обогащать.

 

Как роботы работают сегодня

На простые вопросы клиентов интернет-аптеки по телефону и в чатах отвечают роботы Афина и Лия. Они подсказывают, как оформить заказ, оплатить его, потратить бонусы и по какому графику работают аптеки. Роботы способны узнать клиента, поприветствовать его по имени и отчеству, дать ответ быстрее оператора. А если вопрос нестандартный — переключить на реального специалиста.

В третьем квартале 2022 года Афина сэкономила более 20% фонда оплаты труда, а Лия — более 25%. 

Третий робот, которого мы используем, — Максим. Он сам звонит клиентам, собирает комментарии к оценкам, проводит опросы: например, о причинах невыкупа заказа, фиксирует общение с клиентом.


Читайте по теме:

Медцентры теряют 30% обращений — почему так происходит и как с этим работать

Создать корпоративного чат-бота: пять шагов, чтобы избежать ошибок


Робот не подвержен эмоциональному выгоранию и работает в два раза быстрее оператора по аналогичному скрипту. При этом создан так, что говорит человеческим языком, с характерными паузами и выражениями, качественно распознает речь говорящего, даже с акцентом и дефектами. 

Максим показывает более высокую конверсию пройденных анкет, чем операторы — более 70%. За три дня робот способен собрать более 7000 анкет с возможностью работы с данными в реальном времени. По данным нашего внутреннего исследования, 90% клиентов лояльны по отношению к общению с роботом, 87% из них уверены, что говорят с человеком. Затраты на исследование лояльности клиентов при этом сокращаются в два раза. 

Использование такого робота позволяет максимально быстро получить репрезентативную выборку, понять, как на конкретное поведение группы клиентов влияют паттерны или какие-то рядовые события. 

Еще один нюанс: качество работы робота не снижается к концу рабочего дня, как, например, у некоторых операторов. В 2022 году Максим показал хорошую конверсию при проведении опроса по NPS (Net Promoter Score) — оценке лояльности клиентов. У нас была гипотеза, что клиентам будет сложно воспринимать вопросы на слух, но 40% опрошенных прошли все исследование из трех вопросов до конца. 

 

Эффективность применения роботов и недостатки

  • Роботы не всегда могут показать скорость. Голосовые ассистенты способны быстро опросить клиентов, если скрипт для этого уже готов, а сами роботы — обучены. Если всего этого не сделано, нужно заложить на эти процессы минимум две недели. Иногда это тормозит оперативную проверку важных гипотез. 
  • Погрешности в распознавании. Роботы экономят фонд оплаты труда операторов кол-центров. Но технологии долго будут демонстрировать погрешности в распознавании речи клиентов. На сегодняшний день лучшие роботы показывают уровень распознавания в 80-85%. Это значит, что на ручную проверку результатов все равно придется тратиться. 
  • Индекс удовлетворенности клиентов. Клиенты менее довольны общением с роботами, чем с операторами. Афина и Лия способны решить не все задачи. Поэтому в третьем квартале 2022 года Афина показала 66% CSI (Customer Satisfaction Index — индекс удовлетворенности клиентов), а Лия 77% FCR (First Call Resolution — доля решенных вопросов при первом обращении). У операторов эти показатели выше.

 

Возможности big data при аналитике отзывов

Собирая данные о поведении клиентов, мы работаем с отзывами самого разного типа. В этом помогает платформа бенчмаркинга и конкурентного анализа на основе Big Data «Реалитика». С ее помощью можно проводить SWOT-анализ и CSAT-анализ, готовить обзор рынка трендов по интересующим вопросам и потребностям клиентов.

Информацию для платформы мы берем из внутренних и внешних источников — картографических сервисов, iOS, Android-приложений и других.


Читайте также: «Он на 74% эффективнее комьюнити-менеджера в типовых задачах»: 3 функции чат-бота для сообщества


Использование платформы сокращает самые разные затраты на сбор отзывов из разных источников, исключает субъективные оценки операторов контроля качества, охватывает весь спектр клиентского опыта в онлайн-отзывах, автоматизирует сбор и аналитику данных, выделяет темы и определяет тональность каждого отзывы, расширяет их классификацию. 

Так же как и с роботами, платформа показывает корректность определения тем и тональности на уровне 84-85%. За год с помощью платформы мы обработали 70 тыс. отзывов и подтвердили их выводы с помощью ручной проверки.

Так мы узнали, что наши пользователи ценят обслуживание, выдачу и доставку. К слабым сторонам они относят, например, характеристики товара, ошибки. По этим темам нужно выяснять корневые причины. 

Речевые технологии и модели Big Data также могут быть полезны: 

  • при оперативном обзвоне клиентов, если с заказами что-то не так;
  • при стимулировании клиентов к выкупу заказа; 
  • для помощи в оценке гипотез по ICE (подход приоритизации гипотез) 
  • для оценки эффективности доработки;
  • обогащения аналитики по драйверам и барьерам ключевых этапов клиентского пути. 

 

Четыре совета для компаний перед внедрением роботов

  1. Ответить на главный вопрос: зачем бизнесу роботы? По нашим оценкам, применение речевых технологий становится выгодным компаниям, у которых более 70 тыс. обращений в месяц. 
  2. Какой им нужен функционал? С помощью каких метрик можно будет понять, что они выполняют свою задачу? 
  3. Заранее продумать основные сценарии, по которым будут работать роботы. Как интегрировать ИИ с внутренними сервисами компании?
  4. Дообучение робота и доработку сценариев стоит организовать на стороне компании как непрерывный процесс. Понадобится специальный сотрудник или отдел.
Фото на обложке сгенерировано нейросетью Midjourney

Подписывайтесь на наш Telegram-канал, чтобы быть в курсе последних новостей и событий!

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Как и зачем интегрировать чат-боты в систему 1С
  2. 2 Телеграм-боты как инструмент для увеличения вовлеченности аудитории
  3. 3 6 AI-ботов, которые помогут найти и сохранить любовь
  4. 4 Люди и роботы: как «подружить» сотрудников с технологиями
  5. 5 Как благодаря ChatGPT чат-боты стали интеллектуальными цифровыми ассистентами
AgroCode Hub
Последние новости, актуальные события и нетворкинг в AgroTech-комьюнити — AgroCode Hub
Присоединяйся!