Как автоматизировать процессы компании с помощью голосового бота

Запуск голосового бот для исходящих обзвонов «Филип Моррис Сэйлз энд Маркетинг» показал долю дозвонов клиентов на уровне 70% против 68% у колл-центра, а стоимость контакта снижена в 7 раз.

Директор по маркетингу Just AI Юлия Рыжих рассказывает, как была запущена технология.

Задача

По данным «Филип Моррис Сэйлз энд Маркетинг» (ФМCM), в мире насчитывается 20 млн совершеннолетних пользователей системы нагревания табака, в России — более 4 млн человек.

В 2020 году, когда из-за пандемии и самоизоляции закрылись точки продаж, компания столкнулась с резким увеличением нагрузки на колл-центр. Телефония переняла на себя весь входящий трафик, поэтому нужно было срочно оптимизировать ресурсы и создать дополнительный инструмент для обработки обращений.

Так в компании появился чат-бот Марк, который повысил автоматизацию входящих запросов через текстовые каналы на 17% и снизил стоимость входящего контакта на 27%.

Оценив результат внедрения технологии, в «Филип Моррис Сэйлз энд Маркетинг» решили запустить голосового бота для исходящих обзвонов. В компании рассчитывали улучшить потребительский опыт клиентов и научиться обрабатывать контакты с максимальным уровнем автоматизации и эффективности с точки зрения вложенных ресурсов.

Так стартовал проект с разработчиком Just AI, специализирующимся на технологиях разговорного искусственного интеллекта.

MVP

Начать решили с простого сценария реактивации лидов. Аудиторией обзвона стали те, кто оставил заявку на покупку электронной системы, выпускаемой компанией, или платную аренду, договорился о встрече с курьером, но по каким-то причинам не принял заказ.

Бот дозванивался до таких клиентов и спрашивал, актуальна ли заявка. Если да, то предлагал варианты доставки.

Плюс сценария реактивации для первичного запуска в том, что компания ничего не теряет, но может получить дополнительную конверсию. Чтобы определить KPI для бота, в колл-центре провели тест.

Операторы звонили по такому же сценарию и оформляли заявку. Так появились показатели Reach Rate (соотношение охвата к количеству дозвонов) и конверсии. Бот должен был стремиться к аналогичному результату.

На этапе разработки сразу подумали о личности бота. Ассистенту дали имя Кристина. Выбор был удачен тем, что имя одинаково пишется на латинице и кириллице.

Распознавание и синтез речи

По сценарию бот Кристина должен был выяснять, какое устройство требуется клиенту. Научить бота ASR (Automatic Speech Recognition, автоматическое распознавание речи), чтобы он понимал английские названия, которые все клиенты произносят по-разному, оказалось сложной задачей. Тем не менее её удалось решить: бота учили с помощью шаблонов, разработка велась на ИИ-платформе корпоративного уровня JAICP от Just AI со встроенным NLU-ядром CAILA (Natural language understanding, понимание естественного языка).

«Вначале бот почти не мог понять, когда клиент произносил то или иное название устройства, однако с помощью паттернов и технологии NLU мы смогли всё настроить, – рассказал менеджер по развитию ключевых корпоративных клиентов Just AI Александр Шпагин. – Дозваниваться до клиентов, которые не взяли трубку — это и вправду рутинная задача, а дополнительная сложность проекта состоит в том, что бот получает довольно много данных от клиентов, которые в дальнейшем нужно проверить, например, убедиться, что названный клиентом адрес действительно существует, но теперь бот работает на уровне оператора, иногда даже лучше».

По его словам, в самом начале разработки стало понятно, что сценарий получается сложным.

«Кристина должна была уточнять, исполнилось ли клиенту 18 лет, и запрашивать довольно много информации: имя и фамилию, нужное устройство, адрес и удобное время доставки, – рассказал Александр Шпагин. – Естественно, записать голосом диктора всю информацию, названия городов и улиц было невозможно, поэтому решили сделать комбинированный сценарий».

Основные реплики записаны диктором, но, когда в конце разговора суммируется заказ, включается роботизированный голос. Кристина заранее предупреждает об этом, поэтому срыва заказов не происходит. Синтезированный голос называет все данные по заказу, а клиент подтверждает, всё ли верно. Если что-то некорректно, покупатель может вернуться назад и скорректировать информацию.

У «ФМCM» часто бывают специальные предложения, и данные заказов могут меняться. В ходе разработки бота учли этот момент и записали все возможные варианты голосом диктора. Теперь в компании могут менять их без дополнительных ресурсов и срочных записей.

Интеграции с внешними системами

На момент старта проекта у компании была телефония от Teleperformance, поэтому было решено использовать её для обзвонов и, соответственно, соединить с JAICP.

Также сделали интеграцию с существующей CRM-системой компании. Она позволяет в онлайн-режиме добавлять телефонные номера из CRM в список для обзвона.

Скорость была не так важна в реактивации, но стала критична, когда в компании запустили сценарий по обработке горячих лидов. Теперь, когда поступает заказ, голосовому боту в течение 10-15 минут поступает заявка на звонок. Это позволяет связаться с клиентом, пока он намерен сделать покупку, и успеть всё оформить.

Полная версия и три сценария

Сейчас голосовой бот работает вторым эшелоном, если оператор не дозвонился до клиента. Кристина закрывает вопросы по покупке и платной аренде, а также проводит опрос клиентов по использованию устройств. В каждом сценарии реализована своя логика, и собираются разные данные.

Разработка сценария по покупке заняла 5 месяцев, по аренде — 3 месяца, по опросу — 4. Бот работает на отдельном инстансе (экземпляре оборудования): это сделано для безопасности, чтобы в личный кабинет могли заходить только под определенными IP-адресами. Техническую поддержку оказывает команда Just AI.

«Голосовой бот – это эффективный инструмент, который можно использовать не только для клиентских коммуникаций, но и помочь всей компании автоматизировать свои бизнес-процессы, а также иметь возможность масштабировать их без дополнительных затрат», – сказала менеджер клиентского сервиса «ФМСМ» Александра Коткова.

Результат

Уровень вовлеченности клиентов по охвату (Reach Rate) у голосового бота по сценарию покупки устройств составляет 65% против 67% у операторов колл-центра, а по сценарию платной аренды — 75% против 69%. Таким образом, средний Reach Rate голосового бота — около 70%, при обзвоне колл-центром — 68%.

Кристина не только достигла показателей операторов, но даже немного превысила их. При этом стоимость контакта получилась в 7 раз дешевле.

Если говорить о конверсии, то результаты голосового бота и колл-центра сопоставимы. Потребителей не смущает разговор с ботом, так как технология позволяет решать их задачи.