Истории Мегафона, X5 Retail Group и Московской объединенной энергетической компании (МОЭК)
Сотрудники колл-центров значительную часть рабочего времени тратят на решение типовых задач. Операторы активируют карты лояльности, вносят показания счетчиков учета и информируют клиентов о новых сервисах. Типовые задачи сильно загружают сотрудников и увеличивают время ожидания клиентов на линии. Если свести их к минимуму, то операторы переключатся на действительно важные дела, а организации снизят расходы.
Вот три кейса компаний, которые автоматизировали работу с типовыми задачами при помощи сервиса Yandex SpeechKit от Yandex.Cloud.
Мегафон внедрил робота, который проводит опросы и рассказывает абонентам о новых тарифных планах
Задача. Мобильный оператор хотел быстро оповещать клиентов об индивидуальных предложениях и автоматизировать типовые задачи с помощью голосовых технологий.
Решение. За реализацию взялся цифровой оператор Neuro.net. Он использовал собственную технологическую платформу, которую дополнил сервисом Yandex SpeechKit. Нужно было гибкое и легко масштабируемое решение, поэтому его развернули в облаке Yandex.Cloud на 80 виртуальных серверах.
Во время звонка Yandex SpeechKit распознает и переводит речь в текст. Затем передает данные в алгоритм обработки речи NLU Engine, разработку Neuro.net. Алгоритм обрабатывает данные и на их основе выстраивает логику разговора.
Чтобы улучшить качество распознавания, Neuro.net и МегаФон выбрали индивидуальную модель распознавания Yandex SpeechKit. Ее обучили на датасетах — наборах данных, пригодных для использования в алгоритмах машинного обучения. Их максимально адаптировали под задачи Мегафона. Обычно в телефонном разговоре робота выдают паузы перед ответом. Чтобы их сократить, Neuro.net использует интеллектуальный модуль определения голосовой активности. Он осознает момент, когда абонент перестает говорить и начинает отвечать. Кроме того, система умного перебивания позволяет абоненту прерывать робота на полуслове. Это делает речь робота живой и похожей на человеческую.
Робот контакт-центра способен звонить одновременно по неограниченному числу номеров и поддерживать десятки сценариев общения. Команда Neuro.net следит за метриками качества распознавания речи и вместе со специалистами SpeechKit регулярно дообучает сервис.
Сейчас МегаФон оперативнее предлагает клиентам индивидуальные предложения. Конверсия в согласие на целевое действие составляет от 5% до 30% в зависимости от кейса. Этот результат сопоставим с работой живого оператора. Внедрение робота снизило стоимость эффективного контакта в 4 раза и увеличило количество кампаний и их охват без расширения штата.
X5 Retail Group внедрил робота и тот взял на себя обработку половины всех обращений, связанных с программой лояльности
Задача. Компания хотела, чтобы на типовые вопросы отвечал робот, а операторы колл-центра подключались только для решения действительно сложных проблем.
Решение. X5 Retail Group самостоятельно разработала сервис речевых технологий. Он умеет анализировать текст, понимает намерения человека и способен управлять диалогом. В дополнение к нему ритейлер нуждался в сервисе, который умеет преобразовывать человеческую речь в текст. Х5 Retail Group протестировала несколько разработок и выбрала Yandex SpeechKit. Он в реальном времени распознает и синтезирует речь, а также понимает лексические и стилистические особенности говорящего.
Перед внедрением в компании разработали сценарии разговоров и подготовили 300 фраз для робота. Все сценарии сразу тестировали на реальных звонках. Сначала конверсия была низкой — меньше 10%. С каждым релизом она росла — роботу меняли голос, чтобы подобрать самый подходящий и тестировали разные сценарии разговоров. Специальная настройка Yandex SpeechKit помогла уменьшить паузы в речи робота, что сильно увеличило конверсию. Дело в том, что сервис Яндекса понимает смысл вопроса до того, как человек закончит говорить и сразу дает ответ. Благодаря этому, речь робота похожа на человеческую и легче воспринимается людьми. Когда ритейлер собирал обратную связь о работе голосового помощника, выяснилось, что большинство звонивших даже не поняли, что общались не с человеком.
Сейчас у робота две задачи — обработка входящих звонков и обзвон клиентов.
Робот регистрирует карты лояльности, переносит баллы с одной карты на другую, сообщает остаток по карте или блокирует ее по просьбе клиента. Во время обзвонов он проводит опросы для измерения индекса потребительской лояльности (NPS). Робот спрашивает клиентов о качестве продуктов, уровне сервиса, скорости обслуживания и других важных параметрах.
В сети «Пятёрочка» бот отвечает на половину всех обращений, связанных с программой лояльности. Конверсия в целевое действие составляет 60%, а затраты на робота в 5–7 раз ниже, расходов на операторов.
МОЭК автоматизировала прием показаний счетчиков учета и информирование о задолженности
Задача. Компания хотела избавить операторов от обработки звонков по приему показаний счетчиков и автоматизировать обзвон должников.
Решение. МОЭК разработала систему автоматического распознавания и голосового приема показаний счетчиков, а также модуль автоинформирования абонентов о задолженности за услуги. Распознаванием и синтезом речи в системе занимается Yandex SpeechKit.
Когда робот отвечает на входящий звонок, он предлагает абоненту назвать свой лицевой счет. Yandex SpeechKit распознает произнесенный номер счета и отправляет запрос в базу данных, которая сообщает адрес абонента. Этот адрес генерируется в речь, а звонящий подтверждает, что адрес определен верно. После этого абонент сообщает роботу показания приборов учета и тот заносит их в базу.
Внедрение сервиса Yandex SpeechKit, уменьшило нагрузку на операторов на 80% в период передачи показаний счетчиков. Это освободило время сотрудников колл-центра для работы над другими проектами. Операционные расходы снизились, а дозвониться до колл-центра стало проще.
Если статья оказалась полезной, ставьте 👍
Не забывайте подписываться на наши соцсети: Вконтакте, Facebook, Telegram, VC, YouTube.
