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

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