ML и AI в клиентской поддержке
Эксперты ведущих компаний поделились кейсами по автоматизации клиентского сервиса на очередной встрече членов Клуба ИТ-директоров VENTRA Lab в Москве, сообщает пресс-служба компании.
Гостями клуба стали представители более 50 компаний. Среди них Х5 Retail group, HeadHunter, Райффайзен банк, Росбанк, Ив Роше, XPO Logistics, Спортмастер, 7 red lines, Метлайф, МЕДСИ, Gloria Jeans, БургерКинг, ТВОЕ, KFC IRB, Комус, СТОКМАНН, ZENDEN Group, DPD и другие.
Модератор Александр Парамонов привел пример того, как применение для генерации предписывающей информации Искусственного Интеллекта позволило инвестиционной компании снизить риск принятия неверных решений на 15%, что добавило +25% к маржинальности бизнеса.
Сессию блиц-выступлений подхватили проекты Сколково: Gridfore и Digintel.
Виктор Ходяков, CEO Gridfore, поделился кейсом «реактивной аналитической платформы», работающей в реальном времени, которая повысила эффективность операционных подразделений и качество сервиса. Во время ответа операциониста эта система «подгружает» историю клиента, генерируя персональные скидки, без задержек предоставляя отделу маркетинга информацию о событии клиента, чтобы дать возможность сформировать горячее контрпредложение и превратить «кейс оттока» в «кейс повышения лояльности». Решение также помогает службам сопровождения предотвращать массовые сбои сервисов и оборудования, контролировать горячие остатки склада, выявлять мошеннические действия кассиров и многое другое.
Анна Зубкова, CEO Digital Intelligence, поделилась кейсами использования разговорного Al в контакт-центрах. Так, дружелюбный бот «Андрей» на сайте Аэроэкспресса помогает купить билеты, подсказывает расписание рейсов, правила проезда. Теперь 60% вопросов решаются без участия операторов, а уровень удовлетворенности ответами достигает 75%. Также Анна рассказала об опыте ЮниКредит Банка, который обрабатывает 7500 обращений к инфоботам в месяц, но максимальной эффективности достигает с помощью Al-суфлеров, подсказывающих операторам 83% ответов: мгновенно считывая запрос, они показывают релевантные ответы, в 2 раза ускоряя работу службы поддержки.
Александр Огнивцев, руководитель Управления сервисной поддержки АльфаСтрахования, рассказал о внедрении сервиса по классификации запросов. 4 года боту сгружали входящие обращения, и теперь обученный робот правильно классифицирует не менее 85% запросов, в 2-3 раза уменьшив общие трудозатраты на их обработку. Александр привел и негативный пример, когда автоматический сервис исходящих звонков дал конверсию 5% вместо обычных 15% при работе оператора-человека.
Олег Седелев, директор AI проектов Дивизиона корпоративных клиентов 360, блока корпоративно-инвестиционный бизнес Сбербанка, поделился опытом использования AI в трех направлениях: кредитовании, продажах и клиентском сервисе. В частности, за простым и удобным для клиента сервисом «Кредит за 7 минут» стоит огромная работа и сложная алгоритмическая система. Чтобы обеспечить юрлицу возможность получить решение по кредиту на сумму до 2 млрд за 7 минут, банку еженедельно приходится обрабатывать сотни терабайт данных, проводить скоринг клиентов и расчет предложений для них. В процессе используются 15 моделей машинного обучения и обновляемый граф связей всех клиентов. То, что раньше занимало 2 недели, сегодня укладывается в 7 минут. Это один из первых в мире кейсов, когда клиент банка получает решение по таким крупным суммам за столь короткое время. Приведя в пример еще несколько кейсов, связанных с улучшением клиентского опыта, Олег обосновал мнение, что для большой доли юридических лиц мало полезны голосовые роботы и чат-боты которые умеют предоставлять клиенту только обобщенную справочную информацию (FAQ). Боты должны быть интегрированы с клиентскими данными, чтобы в процессе ответа на вопрос клиента посмотреть его данные в различных системах и сформировать индивидуальный ответ.
Дмитрий Михеев, ИТ-директор компании VENTRA, рассказал, как компания пришла к решению использовать возможности машинного обучения. В 2017 году в компании стартовал проект по установке и настройке кассовой техники в SMB сегменте. В июне 2017 года нагрузка на службу поддержки резко выросла в два раза, и уровень удовлетворённости клиентов «просел» до 72% (CSI). Основная сложность была в оперативных коммуникациях с конечными клиентами и техспециалистами. Для выравнивания ситуации компания пересмотрела внутренние процессы, задействовала больше людей и также начала активно использовать популярные мессенджеры, чтобы поддерживать оперативную связь как с клиентом, так и с исполнителем. Оценив удобство и оперативность коммуникации через мессенджеры, компания рассмотрела варианты решений по автоматизации рутинных операций: оповещение контрагентов, запрос текущего статуса, передача изменений состояния запросов участников процесса обслуживания. В этот момент пришла идея проецировать опыт взаимодействия с помощью мессенджеров на внутренние коммуникации с проектными сотрудниками, число которых более 7 500, и эти сотрудники формируют около 4,5 тысячи обращений в месяц в различные службы VENTRA. Оценив процедуры, стоимость и трудоемкость внедрения чат-ботов, компания решила систематизировать и накопить данные по высокочастотным запросам пользователей, при этом провести пилотное внедрение простейшего механизма на предопределенных скриптах. В результате был проведен анализ типовых email-обращений, выполнена работа по формированию скриптов (парсинг текста и сопоставление по ключевым словам), отлажена маршрутизация на исполнителя. Эффектом такого внедрения стало снижение нагрузки на контактный центр.
Сергей Лукашкин, директор по управлению проектами цифровой трансформации Банка ВТБ, рассказал о стороннем решении по автоматизации маршрутизации 1,6 млн заявок в год на 700 исполнителей. Ручная обработка тормозила процесс и выдавала 6% ошибок. За 4 месяца коллеги разработали Лингвистический Модуль – самообучаемую программу, распознающую поток информации. По итогам внедрения было высвобождено время 6 человек, 85% почтовых сообщений маршрутизировались автоматически, а количество ошибок снизилось с 6% до 2,5%. Теперь проект проходит ежеквартальное дообучение. Открыв инсайты по нескольким кейсам, Сергей предостерег гостей, только планирующих использовать AI от иллюзии «Мы сейчас поставим чат-бота и все заработает». На практике бот не решит всех проблем, но создаст задачи по наращиванию новых компетенций, дообучению и актуализации модели.
Завершили встречу панельная дискуссия о возможностях и ограничениях ML и AI, о перспективах развития технологий. В процессе обсуждения были озвучены результаты анонимного онлайн-голосования: 26% участников Клуба только планируют использовать чат-боты, 21% уже используют, а 17% пока не видят в этом необходимости. На вопрос «Какие задачи ставит перед ИТ бизнес в 2019 году?» 73% назвали повышение операционной эффективности, 56% – сокращение затрат, 52% – внедрение систем улучшения работы с клиентами.
Компании Ventra LAB планирует развивать свою площадку для общения профессионального сообщества, обмена опытом, обсуждения актуальных тенденций бизнеса.
Опубликовано 11.12.2018