Как автоматизировать колл-центр за семь шагов: от «Google Таблиц» к роботам

Колл-центр является одной из крупных статей расхода любой B2C-компании. Если вместе с ростом бизнеса увеличивается количество звонков и операторов, пора задуматься об автоматизации. Антон Коротков, менеджер отдела развития в Voximplant, рассказывает об основных этапах развития современного колл-центра.

 

Шаг 1: внедрение CRM-системы для колл-центра

Молодой колл-центр часто работает по схеме «телефон плюс статус клиента в «Google Таблицах». Это может показаться удачным и бюджетным решением, но только на первый взгляд. Среди его минусов:

• низкая скорость обработки лидов (в среднем оператор совершает десять звонков в час, из которых только три заканчиваются разговором — статистику озвучивали коллеги из Skyeng на конференции INTERCOM’18);
• отсутствие контроля за оператором (фактическое пребывание на рабочем месте, длительность разговора, время постобработки звонка);
• риск потерять лида (неправильно набранный номер, можно забыть перезвонить, указать неверный статус).

Эти факторы складываются в высокую стоимость каждого лида и невозможность масштабирования схемы. Первый шаг к решению проблемы — использование CRM-системы, в которой фиксируется вся информация по звонку и каждый клиент имеет индивидуальную карточку с полной историей общения с компанией.

 

Шаг 2: единое окно для оператора

Наличие CRM-системы решает вопрос организации работы с клиентами, но не сокращает время обработки лидов: вашим операторам по-прежнему нужно находить номер клиента, вручную набирать его на клавиатуре, повторно проверять. Решением становится объединение всей информации — скрипта разговора, данных из CRM, статистики звонков — в едином интерфейсе с возможностью автоматически набирать номер одним кликом и вносить данные по итогам звонка.

 

Что делать с результатами анализа? Прежде всего разделить операторов на группы в соответствии с теми вопросами, в которых они особенно хороши, — холодные или теплые звонки, продажи или поддержка, та или иная область деятельности компании. За каждой группой закрепляется супервайзер, который отвечает за работу всей команды.

 

Шаг 3: автоматизация исходящих через систему предиктивного дозвона

Вы больше не платите за минуты, уходящие на механический набор, — отлично. Можно также не платить за ожидание соединения, прослушивание гудков или автоответчика. В этом помогает система предиктивного дозвона (PDS), у которой только один минус, — ее нет смысла внедрять, если число операторов не достигает 30 человек.

Как это работает? Вы загружаете в систему список номеров и подключаете каждому оператору кнопку статуса «занят» / «свободен» / «постобработка звонка». Сперва медленно запускается автоматический дозвон, чтобы на основе первых данных система могла рассчитать переменные — за какое время происходит соединение, сколько в среднем длится звонок и другие.

Наконец PDS прогревается и выходит на нужную мощность: как только клиент снимает трубку, система соединяет его со свободным оператором.

 

На этом же этапе внедряют детектор голосовой почты (VMD), который, работая на базе искусственного интеллекта и машинного обучения, может определить автоответчик и завершить вызов до того, как подключится оператор. Стоит оговорить, что под автоответчиком понимается не только обращение «Привет, я Вася, и меня нет дома», но и любой сигнал системы о том, что абонент занят или находится вне зоны доступа.

Согласно статистике реализованных кейсов, прирост эффективности после внедрения PDS и VMD, составит от 30 до 80%.

 

Шаг 4: автоматизация входящих через «умный» IVR

Самое эффективное решение для первой линии входящих звонков — интеллектуальный IVR.

• Во-первых, это маршрутизатор звонков: при вызове пользователь попадает в голосовое меню, управлять которым нужно нажатием клавиш или произнесением ключевого слова, если IVR оснащен функцией распознавания речи. Так, мы называем цифру «1», чтобы узнать баланс, или «0», чтобы связаться с оператором.
• Во-вторых, smart IVR умеет общаться с клиентами без участия человека, используя технологии синтеза и распознавания речи или записанные фразы. Синхронизированный с CRM-системой, базой данных или любым специализированным приложением, IVR может самостоятельно обрабатывать простые обращения, например, проверять остаток по счету или находить ближайший банкомат, если говорить о банках.

Так работает робот Анна «Сбербанка» — можно посмотреть демо или позвонить по номеру 8 (495) 118-23-68 и пообщаться с Анной лично.

Кроме того, правильно настроенный IVR позволяет предугадывать цель обращения. Если звонок приходит от клиента, недавно сделавшего заказ, IVR может предположить, что вопрос коснется деталей доставки товара. Робот спросит, не хочет ли клиент уточнить статус заказа. Получив положительный ответ, бот озвучит эту информацию, взяв ее из карточки в CRM.

В итоге сокращается IVR exit rate, то есть количество абонентов, которое после «общения» с IVR в итоге перешли к живому разговору с оператором — общая загрузка операторов падает.

 

Шаг 5: роботизация исходящих

Голосовой бот может не только «брать трубку», он также способен позвонить вашему клиенту и выполнить поставленную задачу. Давайте разберемся, в каких случаях это будет эффективно. Мы уже говорили про необходимость аналитики — именно она позволяет найти типовые сценарии, которые сможет взять на себя робот. Вот несколько возможных вариантов.

• Подтверждение заказа или записи. Сразу после заполнения клиентом онлайн-формы его заявка попадает в CRM, которая запускает автоматический звонок. Это своего рода капча, исключение ошибки. Если на том конце ответили, значит капча пройдена. При положительном ответе клиента заказ автоматически переходит в статус «подтвержденный».

А вот что происходит при отрицательном ответе.

• Подтверждение доставки. Чуть более сложный процесс — это уточнение деталей доставки. Если клиент хочет внести изменения, бот соединяет его с оператором, при этом предоставляя сотруднику колл-центра всю информацию о заказе в момент соединения.

• Сбор обратной связи. Еще один из типовых сценариев — это контроль качества предоставленной услуги. С этой функцией справится простой алгоритм, который задаст вопрос клиенту и запишет ответ в формате аудиодорожки или транскрибированного текста.

Из нестандартных кейсов: компания, которая следит за оснащением отелей всем необходимым для безопасного отдыха туристов, ежемесячно обзванивает десятки тысяч гостиниц по всему миру. Единственная цель звонка — выяснить корректный email, на который стоит направить анкету туриста.

Передача этой функции роботу позволяет втрое сократить расходы на внешний колл-центр и обзванивать базы на десятки тысяч контактов в 20 раз быстрее по сравнению с живыми людьми.

 

Шаг 6: обучение самостоятельного робота

Тренд уходящего года — «живое» общение робота с человеком без шаблонов и меню. Мы формулируем одни и те же запросы абсолютно по-разному, и бот должен быть к этому готов. Научить бота понимать естественную речь позволяют машинное обучение и искусственный интеллект.

Здесь стоит рассказать про Google Dialogflow — технологию, которая выделяет смыслы сказанного и обучается на примерах.

Как это работает? Вы выгружаете записи разговоров из колл-центра, производите транскрибирование и разметку текста: выделяется часть диалога и определяется его тема. Далее эти данные загружаются в модель, которая обучается и начинает самостоятельно определять темы.

Под «темой» имеются в виду любые параметры, которые должен определять робот. Скажем, бот, принимающий заказ пиццы, должен узнавать слоты «вид», «размер», «количество» и так далее. Суть в том, что если клиент сразу сказал «Хочу две маргариты срочно», то робот ему не станет задавать лишних вопросов и выяснит только адрес доставки — это и есть живое общение. Точно так же бот может давать консультации при входящих обращениях, научившись верным ответам у живых операторов.

 

Шаг 7: когнитивный помощник оператора

Несмотря на вышесказанное, еще не все вопросы могут быть решены роботом: колл-центры пока остаются необходимым звеном как минимум в 20% обращений.

Тогда как опытный оператор может ответить на вопрос клиента за считанные секунды, новому сотруднику или внешнему оператору, не знакомому в полной мере с продуктом, потребуется время для поиска информации. Как в этом случае будет полезен AI?

Когнитивный помощник может слушать, транскрибировать и анализировать речь клиента в режиме онлайн. Выявляя ключевые слова, он подбирает релевантные статьи из базы данных и предлагает их оператору. Кроме того, помощник может выдавать дополнительную информацию о клиенте — например, клиент задает вопрос про кредитование, и система моментально информирует менеджера о наличии у данного пользователя предодобренного кредита.

Таким образом, полностью исключается еще одна механическая задача по поиску информации из процесса обработки обращений и экономится дополнительное время оператора.

 

Бонус

Робот не только сокращает издержки бизнеса, он также может стать интересным собеседником. Если вы устали от длинной статьи и хотите пообщаться с виртуальным рептилоидом Павлом, который загадает пять ребусов про IT и телефонию, проходите по ссылке. Приятного общения!

https://rb.ru/opinion/koll-centr/