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

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-анализметод стратегического анализа сильных и слабых сторон, возможностей и угроз и CSAT-анализпоказатель удовлетворенности клиентов, 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.