В выступлении в рамках Digital MFO: ONLINE PRO Анна Федина, директор по продуктам CarMoney, и Александра Деханова, product owner в NAUMEN, рассказали об опыте запуска голосового бота для обзвона непрофильных лидов - заявок на предоставление кредита, который позволил собрать аналитику по непрофильному сегменту, увеличить контактность базы и сэкономить время операторов.
Цели запуска бота и гипотезы, которые тестировали в проекте
С прошлого года компания CarMoney взяла фокус на работу с нецелевыми лидами – заявками на кредит, поступающим по cpc-каналам. За полтора года компании удалось довести объем обрабатываемых нецелевых лидов до 3,5 млн в месяц.
Работа с такой базой - недешевая и ресурсозатратная, поэтому невозможно и невыгодно привлекать к этой задаче только операторов. Изначально лиды обзванивал IVR-автоинформатор, который проигрывал сообщение такого типа «Если вам интересен кредит под залог автомобиля, нажмите 1». Если клиент нажимал кнопку, его соединяли с оператором. Аналитика показывала, что контактность базы в результате таких обзвонов была довольно низкая – в районе 0,1% до 0,4% в зависимости от лидогенератора. Команда CarMoney решила попробовать расширить низ воронки путем внедрения голосового робота.
Возникла гипотеза, что, если первый контакт с клиентом будет живым и собеседник не будет догадываться, что с ним говорит бот, это существенно повысит шансы на вовлечение в диалог. Сделать MVP для тестирования гипотезы хотелось в короткие сроки.
С этим запросом команда СarMoney отправилась на поиски вендора, готового реализовать проект в нужные сроки и учесть несколько дополнительных требований. Во-первых, для качественного тестирования гипотезы было важно осуществлять бесшовной трансфер звонка с робота на оператора, чтобы клиенты не бросали трубки в процессе перевода. Во-вторых, чтобы экономика проекта сходилась, требовалась посекундная тарификация. Чаще всего при транзакционной модели трафик тарифицируется поминутно. При большом объеме звонков, где разговор длится 10-15 секунд и лид отсекается как непрофильный, округление до минуты сильно увеличивает издержки. В итоге создание бота доверили компании NAUMEN, которая реализует подобные проекты на ИИ-платформе Naumen Erudite.
Сценарий обзвона, тюнинг бота и секреты конверсии
По сценарию базовые действия робота – это проверка актуальности кредитной заявки и валидация суммы, которая нужна клиенту. В реальности реакций на звонок бывает гораздо больше, и это нужно заложить в сценарий. Поэтому голосовой бот CarMoney умеет работать с просьбами перезвонить в другое время, запросами условий кредитования и уточняющими вопросами вроде «А что это за компания?» или «Откуда у вас мой номер?». Если клиент уже взял кредит или предложение ему неинтересно, номер исключается из списков обзвона. Это же правило действует для кейсов, когда нужная сумма не попадает в диапазон, с которым работает компания - больше 50 тыс. рублей, но меньше 1 миллиона.
Работа над голосовым роботом шла итерационно: первую версию удалось запустить за 3 недели. Во многом запуститься быстро помогло наличие в платформе Naumen Erudite преднастроенных навыков для бота и готовых датасетов, тематически подходящих для обучения бота CarMoney. Например, умение распознавать просьбу перезвонить, и извлекать дату и время перезвона работает «из коробки» и позволяет правильно интерпретировать вариативные формулировки этого запроса: «Я сейчас на работе, давайте вечером», «Позвоните в среду с утра», «Можно через полчасика?».
Сразу после запуска первой версии бота проектная команда ушла в прослушивание звонков, поиск точек улучшения и тюнинг. Работа шла сразу в нескольких направлениях: мы старались сделать диалог еще более комфортным для клиентов и параллельно пытались повысить контактность, совершенствуя сценарий, формулировки реплик и их озвучку.
Так проектная команда отказалась от студийного вариант дикторских записей, в которых голос звучит идеально, а на фоне – тишина, в пользу записей, в которых на фоне был легкий шум и стук клавиатуры. Такой фоновый шум приближает звучание бота к настоящему звонку и повышает шансы на установку контакта и вовлечение в диалог. Кроме того, для создания эффекта «живого» собеседника в некоторых моментах сценария бот демонстрирует, что он понимает клиента. Когда клиент называет сумму кредита, бот использует ее в ответной реплике, повторяя сумму, например: «Двести тысяч… Хорошо, тогда передаю вам в надежные руки своего коллеги».
Одно из улучшений, внесенных в сценарий проектной команды, не касалось напрямую конверсии в контакт с оператором, но помогало срезать затраты на нецелевые кейсы. В ходе просмотра статистики и отчетов аналитики увидели, что часть собеседников уже на первых секундах разговора просит перезвонить, но эти люди не являются целевой аудиторией: одни уже успели взять кредит, другие запрашивают сумму, которая не попадает в нужный диапазон. Повторный звонок в таких случаях – лишняя трата ресурсов. Поэтому при согласовании перезвона бот позволяет себе немного назойливости, коротко спрашивая, интересен ли собеседника кредит. В большинстве случаев собеседники дают на него ответ, и робот принимает решение о планировании перезвона уже на основе этих вводных.
Проектная команда понимала, что ожидаемым результатом роботизированных обзвонов является не только контактность и конверсия в трансфер на операторов, но и конверсия в оформление кредита при разговоре с оператором. Поэтому при запуске второй версии голосового бота в сценарий добавили профилирующие вопросы о наличии у собеседника в собственности автомобиля или нежилых помещений. Робот задает их после подтверждения первичного интереса к кредитному предложению. Этот апгрейд вдвое снизил долю трансферов на операторов – с 2,45% до 1,3%, но финальная конверсия в оформление кредитов осталась на прежнем уровне. Это значит, что с помощью профилирования удалось отсечь тех клиентов, которые не подходят под условия кредитования и все равно не смогут оформить кредит, даже если оператор потратит несколько минут на разъяснение сути предложения.
Результаты внедрения голосового бота
В результате отказа от IVR-обзвонов и перехода на умного голосового бота CarMoney удалось в 3 раза повысить контактность базы и расширить воронку продаж: теперь на разговор с оператором соглашается 1,3% клиентов от базы. При этом компания получает аналитику по причинам отказа от предложения и профилю базы, что позволяет гибко подходить к работе с лидогенераторами, отсекая те, что приносят наименее целевой трафик. Важным результатом проектам CarMoney считает и то, что бот существенно снизил нагрузку и эмоциональное давление на операторов. Голосовой робот просеивает нецелевой трафик, отдавая сотрудникам только «теплые» кейсы и принимая на себя все непрофильные заявки и вызовы с негативом. Это замедляет эмоциональное выгорание операторов на рутинных задачах. Вместо работы с холодными звонками они могут переключиться на более важную задачу – непосредственно оформление кредита или более сложные кейсы и запросы клиентов, когда требуется эмоциональный интеллект, нешаблонный подход и другие свойства, присущие исключительно людям.
