Главное Свежее Вакансии Образование
Выбор редакции:
364 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

Как “МегаФон” на 70,4% сократил ошибки роботов-продавцов

Кейс о том, как компания “МегаФон” смогла сократить ошибки продающих роботов на 70,4% благодаря автоматическому аудиту всех разговоров с клиентами через сервис Speech Analytics.

Напомним, что OmniLine и Speech Analytics являются партнерами. Теперь нашим клиентам доступны большие возможности сервиса речевой аналитики и аудита звонков.

Описание бизнес-задачи


Компания «МегаФон» использует робота в своем контакт-центре, который обзванивает клиентов и предлагает им новые услуги, тарифы и пр. Однако компания столкнулась с проблемой того, что робот допускают большое количество ошибок, например подключают услугу тем, кто не дал согласие. Это привело к негативу со стороны клиентов и серьезным репутационным рискам.

Поэтому «МегаФон» поставил перед собой задачи:

  1. разобраться, какие ошибки при продажах допускает робот;
  2. снизить процент ошибок робота без потери конверсии.

Для того компания запустила пилотный проект с сервисом Speech Analytics.

Реализация проекта


Кроме указанных выше бизнес-задач, в ходе проекта компания «МегаФон» хотела проверить две гипотезы, связанные с работой сервиса Speech Analytics:

  1. насколько автоматическая проверка разговоров эффективнее ручной;
  2. чем выводы сотрудников-аудиторов будут отличаться от отчетов машинного анализа.

Для этого «МегаФон» дал доступ Speech Analytics ко всем звонкам, параллельно сотрудники компании сами прослушивали диалоги в рамках 5-процентной выборки — именно так, как они делали раньше.


На диаграмме Speech Analytics мы видим некоторую долю ручной обработки. Дело в том, что сервису пришлось иметь дело с моно-записями, поэтому часть из них не удалось обработать автоматически. При нужном качестве записей (стерео-формат) обработка достигает 100%.

В итоге оказалось, что разница между роботом и человеком на одинаковом объеме выборки составила всего 2 ошибки, но при этом люди потратили в 154 раза (!) больше времени.


Помимо результатов, компания открыла для себя несколько инсайтов, которые обычные сотрудники не смогли выявить.

Во-первых, статусы продаж, которые предоставила компания-создатель роботов, были сильно раздуты. Имея много статусов, подрядчик может искажать статистику и выставлять завышенную оплату.


Во-вторых, существует всего три причины ошибок у робота:

  1. точность распознавания,
  2. малый словарь с фразами отказов,
  3. распознавание фраз клиента только после вопросов робота.

По третьему пункту в компании была проведена большая «работа над ошибками». Дело в том, что робот распознавал ответ абонента только после того, как сам прекращал говорить. Если часть ответа наваливалась на реплики робота — она оставалась неуслышанной. И в связи с этим совершались критические ошибки.


После расширения окна распознавания, количество ошибок робота снизилось.

Результаты


По итогам проекта компания «МегаФон» получила следующее:

  1. на 70,4% уменьшили количество ошибок робота после расширения окна распознавания;
  2. ускорили процесс контроля роботизированных звонков по сравнению с человеком;
  3. нашли «раздутые» статусы продаж.

Как отметили в МегаФон, благодаря этому проекту получился интересный кейс применения технологии: анализ коммуникации роботов. В свою очередь в Speech Analytics подчеркнули, что МегаФон — одна из немногих корпораций, с кем получилось быстро запустить пилот, подтвердить ценность продукта и начать масштабироваться. Причины: команда четко понимает задачи, которые надо решить, хочет повысить эффективность бизнеса. В итоге получилось одно из самых быстрых внедрений.

***

Больше полезной информации о технологиях, клиентском сервисе, автоматизации вы найдете на нашем сайте, в Telegram-канале и на нашей странице в Facebook

0
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Комментарии
Выбрать файл
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать

Spark использует cookie-файлы. С их помощью мы улучшаем работу нашего сайта и ваше взаимодействие с ним.