ИИ спасает торговые интернет-площадки

Наиболее признанное, с точки зрения влияния на бизнес-показатели, направление применения ИИ — это системы речевой аналитики. В 2024 году начался настоящий бум их внедрения крупным В2С бизнесом. Эксперт-аналитик вендора решений на базе ИИ 3iTech Галина Соловьева рассказала, какое влияние эта технология оказала на интернет-торговлю.

Для того, чтобы увидеть реальное влияние системы на конкретный бизнес, нами было взято за основу два близких по смыслу кейса нашей компании. Мы их обезличили, т.к. с этими известными брендами подписаны NDA. Проблемы и задачи этих бизнесов были схожи, но все-таки отличались, мы объединили их в единое описание, для того, чтобы показать весь комплекс эффектов речевой аналитики для такого рода заказчиков. В частности, претензии к отделу обслуживания клиентов, при совершении покупки или при послепродажных обращениях, а также весьма частая проблема нареканий сотрудников к собственному отделу техподдержки. 

Сначала поговорим о том, что же это за бизнесы, и какие у них типовые проблемы, которые они не могут закрыть без применения речевой аналитики на базе ИИ.

Речь о крупных компаниях-агрегаторах торговых предложений. Огромное число клиентов означает и большое число негативных отзывов из-за некачественного обслуживания или негативного впечатления, оставшегося у покупателей после взаимодействия с сотрудниками этих бизнесов. Чем больше клиентов, тем больше обращений, и тем больше негатива — типичная ситуация. Внутренняя ситуация не лучше: собственные отделы технической поддержки имели массу нареканий, и это также влияло, в конечном итоге, на удовлетворенность клиентов.

Что не нравилось покупателям:

• качество товара (что-то испортилось/повредилось/открылось/разлилось и т.д), 
• скорость доставки (жалобы на долгий срок, и на то, что курьеры не всегда успевают доставить заказ в заявленный срок),
• прочие вопросы (возможность оставить комментарий курьеру/проблемы с оплатой/возвратом средств/некорректное поведение курьера).

Т.е. совершенно типовые жалобы потребителей для этого сегмента рынка. Но конкуренцию нужно выиграть, а значит, нельзя пустить все на самотек.

Из чего же возникает негатив внешних и внутренних клиентов? На самом деле, причины у всех одинаковые.

Это неправильные переводы звонков клиента от одного специалиста к другому, высокие расходы на контроль диалогов, проистекающие из больших временных затрат на их проверку, при низкой эффективности этого контроля, и большое число нарушений правил ведения диалогов операторами и сотрудниками. Сюда же добавляется и невысокая удовлетворенность сотрудников, как следствие низких персональных результатов и плохо организованной работы.

Ручной контроль долгое время был единственным доступным методом коррекции скриптов и повышения качества общения сотрудников интернет-площадок с клиентами, но ему присущи свои серьезные недостатки:

• низкий и выборочный охват диалогов (1-3% от всего объема записей);
• быстрое устаревание входящей информации, не попавшей в отчеты;
• практическая невозможность собрать достоверную информацию о лучших продавцах и лучших практиках продаж, а значит, и обучить персонал, а также справедливо мотивировать его;
• низкая эффективность в выявлении типовых жалоб и поиске инсайтов.

Тем самым, традиционные методы ручного контроля часто оказываются невыносимо медленными, дорогостоящими и не очень объективными. 

Речевая аналитика, основанная на технологиях искусственного интеллекта, предлагает иной подход для анализа диалогов с клиентами. Современное решение для автоматизации этого процесса повышает его скорость и точность, за счет того, что производительность ИИ-систем в тысячи раз превышает производительность отделов аналитиков и контролеров качества. ИИ не устает, не спит, не болеет, у него не может испортиться настроение, и ему не присущи никакие иные элементы человеческого фактора, влияющие на результат.

Рассмотрим, какие критически важные задачи решаются этими системами: 

1. Мгновенная обратная связь — система оперативно фиксирует отклонения от установленных стандартов обслуживания.  
2. Анализ тенденций — обработка больших массивов данных позволяет выявлять системные проблемы.  
3. Автоматический мониторинг — оценка диалогов по заданным критериям без участия человека.  
4. Генерация отчетов — сокращение временных затрат благодаря автоматизированному формированию отчетности, гибко под запросы компании-заказчика.

Это позволяет компаниям не только оперативно устранять ошибки, но и прогнозировать потенциальные риски.  

Внедрение речевой аналитики приводит к важным для торговых интернет-площадок изменениям:  

• 100% охват диалогов — система анализирует все разговоры (100% записей), а не ограниченную выборку.  
• Скорость обработки — данные обрабатываются со скоростью, недоступной для ручного аудита.  
• Снижение критических ошибок — моментальное автоматическое выявление нарушений позволяет бизнесу быстро откорректировать узкие места в диалогах, чтобы не потерять клиентов и заказы.  
• Рост производительности — сотрудники получают своевременную обратную связь и корректируют работу.  
• Улучшение клиентского опыта — сокращение жалоб и гарантированное повышение удовлетворенности клиентов.  

На базе такой платформы речевой аналитики, как например, 3i TouchPoint Analytics можно взглянуть на функции для автоматизации контроля качества:  

• Автоматизированный лист оценки — система проверяет диалоги по заданным параметрам и присваивает баллы.  
• Уведомления — сотрудники и руководители получают оповещения о выявленных нарушениях.  
• Личный кабинет — настраиваемый под заказчика интерфейс сделан для анализа статистики и подготовки отчетов.  

Важно значительно сократить ручной труд и сделать процесс контроля прозрачным как для сотрудников, так и руководителей. Именно для этого и существуют вышеприведенные три инструмента.  

Так как же повлияла речевая аналитика на бизнес двух компаний, упомянутых в начале статьи?

Приведем конкретные цифры эффектов:

• сократилось время проверки одного диалога на 27%, 
• с внедрением речевой аналитики и сокращением ошибок при обработке запросов сотрудников собственным отделом техподдержки, удовлетворенность выросла на 3%, 
• в 6 раз снизилось число критических нарушений, таких как риски для клиента/бизнеса/комплаенс. В частности, для клиента это мат, грубость, а для бизнеса — любой риск, который ставит репутацию компании под сомнение, комплаенс же — про риски перед законом, 
• снизились затраты на контроль качества на 33%,  
• число некорректных переводов звонков сократилось на 32%,  
• ручная работа по проверке диалогов снизилась на 30%,  
• показатель FCR (число обращений, решенных с первого раза) вырос на 2%, благодаря анализу сброшенных звонков.  

Как видим, речевая аналитика принесла исчисляемые и конкретные результаты.

Но есть и негативные ожидания от повсеместного внедрения решений на базе ИИ, в том числе и речевой аналитики. С массовым переходом бизнеса на такую автоматизацию контроля качества работы контактных центров, увы, неминуемо встанет вопрос увольнения или переобучения части персонала, ранее задействованного в контрольной функции. Расходы на персонал снизятся в стратегической перспективе, но краткосрочно могут возникнуть проблемы социального характера и определенного имиджевого, т.к. HR-бренд может пострадать из-за сокращений.

И тем не менее, почему мы говорим, что речевая аналитика это хороший пример применения ИИ в бизнесе? Прежде всего, мы исключаем использование ИИ ради моды и эксперимента. Крупный В2С бизнес интересуют только те решения, которые влияют на бизнес-результаты. Банки, ритейл, авиакомпании, страховой бизнес, девелоперы, турпоператоры, маркетплейсы, сети медклиник, телеком, аутсорсинговые контакт-центры — распробовали инструмент еще несколько лет назад. Сегодня они его активно используют. Так, выручка 3iTech, поставляющего на рынок речевую аналитику собственной разработки, выросла всего за 2024 год вдвое, до 417 миллионов рублей, а сервера компании обрабатывают уже свыше 20 миллионов минут речи в день.