Улучшили виртуального помощника в региональном медицинском контакт-центре

Решение

Для анализа ситуации и поиска точек роста BSS использовала собственную систему речевой аналитики, работа велась в несколько этапов:

1. Анализ текущей ситуации. Изучение данных о работе контакт-центра и конверсии услуг для выявления проблемных зон. Специалисты BSS нашли возможные точки роста, на которых сосредоточили усилия по улучшению процессов.

2. Оптимизация распознавания абонентов. Частые ошибки идентификации возникали, потому что пациенту требовалось указать только ФИО и дату рождения. Дообучение виртуального ассистента и внедрение алгоритмов нечеткого поиска (поиска по сходству) не улучшили результативность работы.

Дальнейший анализ показал: изначально не были учтены особенности поведения клиентов медицинского центра. Например, нежелание абонентов предоставлять СНИЛС в качестве альтернативного идентификатора. В некоторых случаях речь была нечеткой, даты не распознавались. 

Поэтому сценарии были изменены: уже в приветствии информировали о необходимости СНИЛС, научили голосового помощника ожидать, пока абонент найдет документ, добавили повторный запрос даты рождения. Однако количество ошибок снизилось недостаточно. Целью было снижение до 15%, а внедрение распознавания по номеру телефона снизило процент ошибок до 18-16%.

3. Оптимизация сценариев голосового робота. Как показал аудит на базе речевой аналитики по сервисам «Запись на прием к врачу» — к терапевтам и узким специалистам — и «Вызов врача на дом», наибольшие трудности у пациентов возникали с выбором даты и времени, наличием и подтверждением талонов, записью к конкретному врачу, а также с подтверждением адреса. 

С учетом выявленных поведенческих особенностей абонентов, были внесены следующие изменения:

• Добавлена возможность записи к желаемому врачу.
• Реализована проверка наличия направления для записи к врачу по тому или иному профилю.
• Предложение первого свободного временного слота.
• Добавлено подтверждение записи для предотвращения повторных звонков.
• Звонки по филиалам, не подключенным к системе, переводятся на оператора.

4. Повышение конверсии. Были реализованы такие доработки, как: унификация модуля идентификации, добавление модуля нечеткого поиска ФИО, доработка интеграционного модуля для записи к конкретному врачу, информирование пациента о нехватке талонов на ближайшие даты, актуализация данных в информационной системе, уточнение формулировок фраз голосового помощника, добавление функций переспроса и повторения. 

Также для улучшения пользовательского опыта абонентов вместо синтеза речи были добавлены предзаписанные реплики диктора и возможность обработки сложных номеров и порядковых числительных при указании адреса для вызова врача на дом. 

С целью конвертации адреса, озвученного в свободной форме в специальный формат с присвоением уникального ID разработан и внедрен модуль интеграции с Государственным адресным реестром (ГАР).