Чат-бот или горячая линия: как мы добились экономии 1 млн рублей в месяц

Андрей Пономарев, основатель и глава онлайн-платформы Webbankir

В 2018 году Россию накрыл бум чат-ботов, поддерживающих технологию NLU (natural language understanding, понимание естественного языка). Этот рынок вырос более чем в 2,2 раза — до 524 млн руб., а к 2023 году достигнет 33 млрд руб. По крайней мере, об этом свидетельствуют данные исследования компании Just AI, специализирующейся на технологиях искусственного интеллекта и машинного обучения. Сегодня многие компании в России решают уже не то, стоит ли внедрять чат-ботов, а как внедрять и для каких целей.

В 2017 году мы одними из первых среди российских финансовых компаний внедрили чат-ботов. Причем пошли на рискованный эксперимент — убрали контакты «горячей» линии с сайта, предложив клиентам общаться в чате. Пройдя долгий путь усовершенствования технологии (который, конечно, не завершен), мы готовы поделиться опытом.

Сколько мы сэкономили

В 2017–2018 годах оборот компании Webbankir ежегодно увеличивался почти в три раза, и нам постоянно требовался дополнительный персонал в колл-центр, где к тому моменту уже работали 20 человек. При таких темпах через год количество операторов должно было увеличиться до 40. Но этого не произошло благодаря чат-боту.

На его разработку и внедрение мы потратили около $3000, и $400 составляют ежемесячные расходы. Забегая вперед, скажу, что экономия на заработной плате составила 1 млн руб. в месяц, так как численность штата не выросла, в то время как количество обращений в компанию увеличилось с 500–800 в день до 1500–2000. При этом временные затраты сократились с 1320 до 500 минут на одного сотрудника при круглосуточной работе. Также мы сократили расходы на телефонию по входящим звонкам с 500 тыс. руб. до 100 тыс. руб. в месяц. Как видите, экономия налицо.

«Как взять бабки?», «Хочу лаве!»: как мы учили робота общаться

Конечно, бот не человек, и чтобы он начал работать с обращениями клиентов в компанию, необходимо было разработать алгоритм его общения и для начала упорядочить все обращения по категориям.

Мы предоставляем потребительские займы населению. И большинство входящих обращений — это вопросы о том, как взять и как погасить заем, а также о размере текущей задолженности. Такие вопросы хорошо систематизируются и мы вынесли их в основное меню. Клиенту достаточно нажать на кнопку («Получить деньги», «Продлить срок займа», «Узнать условия предоставления займа», «Вопрос по задолженности» и др.), чтобы получить ответ на свой запрос. В создании такого меню и заключался первый этап автоматизации входящих обращений.

Второй этап внедрения чат-ботов был сложнее. Если клиент не может или не хочет искать ответ сам, он задает вопрос в поле «Задать вопрос оператору». На самом деле на эти вопросы тоже отвечает робот.

Мы внедрили в программу элементы машинного обучения, научили ее распознавать человеческую речь и даже реагировать на довольно специфические фразы, например, с сокращениями, опечатками или жаргонизмами типа: «Как взять бабки?», «Хочу лаве!»

Конечно, бывает с такими запросами машина иной раз путается. Но чем больше обращений поступает в базу, тем точнее реакция со стороны чат-бота.

Впрочем, клиентов мы не обманываем, обещая взаимодействие с человеком: за ответами робота в режиме реального времени действительно следит оператор, который может включиться в беседу или перезвонить клиенту.

Чат-бот стал основным каналом коммуникации с клиентами. Сюда поступают 70% обращений. Еще 25% клиентов на по-прежнему звонят. Около 5% пишут по электронной почте.

В среднем 37% клиентов самостоятельно находят ответ в основном меню. 48% клиентов пишут свой запрос и получают автоматический ответ от чат-бота. И только 15% получают ответ от операторов. Среднее время удовлетворения запросов клиентов при обращении в компанию сократилось с 8 до 1 минуты.

Это и есть ответ на главный вопрос, который нас беспокоил в начале эксперимента: можно ли убрать телефон «горячей» линии с сайта. Мы признали эксперимент успешным. Большинство наших клиентов — молодые люди до 40 лет, а им сейчас действительно удобнее общаться через чат-бота.

Как мы пошли дальше и создали робота-коллектора

После того как мы автоматизировали работу с входящими обращениями, то задумались о том, чтобы передать роботу и часть исходящих звонков. В нашем случае речь идет о работе с просроченной задолженностью на ранних этапах (до 15 дней) – то, что называется soft collection. Некоторые люди не спешат возвращать долг просто потому, что забыли о нем. В данном случае задача робота – позвонить с напоминанием о необходимости погасить долг. Он сообщает параметры задолженности: ее размер и срок.

Важно, что по закону о персональных данных робот имеет право сообщать эту информацию именно заемщику, а не человеку, который просто взял трубку. Для этого нам потребовалось научить программу задавать контрольные вопросы, на основании которых проводится идентификация клиента.

Главное достоинство робота заключается в том, что он способен звонить одновременно по нескольким линиям. То есть скорость охвата клиентской базы зависит лишь от возможностей телефонии, от того, сколько линий выделено для этих целей в компании. В нашем случае бот сопоставим с работой примерно 10 операторов.

Другое важное преимущество – робот абсолютно стрессоустойчив. На хамство или недопустимое поведение с его стороны еще никто не жаловался. И, даже если робота пытаются вывести из себя нарочно, он всегда предельно вежлив. Кроме того, мы исключили фактор «человеческой ошибки» – робот всегда звонит ровно столько раз, сколько предписано регламентом. В нашем случае это важно, так как количество звонков должникам строго определено законодательством.

По эффективности на ранних стадиях взыскания робот-коллектор почти не уступает живому оператору. Для работы с более сложными случаями, на поздних сроках просрочки, конечно, приходится привлекать специалистов, так как здесь значительно возрастают психологические факторы, эмпатия по отношению к собеседнику и т.п.

В целом, если рассматривать роботизацию не как замену живых сотрудников, а как способ оптимизации и повышения эффективности их работы, то решения, основанные на технологиях машинного обучения и искусственного интеллекта, безусловно, очень полезны. И их влияние на бизнес будет только возрастать.