Как нейросеть вместо расширения штата сокращает траты на фонд оплаты труда и при этом слушает все звонки менеджеров.
Клиент: компания "Кредита нет"
Юридическая корпорация, занимающаяся банкротством физлиц и ИП.
В зоне ответственности отдела контроля качества (ОКК) – звонки колл-центра и отдела продаж.
- списано долгов: более 1000 процедур на 1 млрд. рублей
- 103 филиала в городах России
- 7 человек в штате ОКК
Проблема: много звонков и мало ресурсов
Ситуации, в которых человеку нужно избавиться от долгов и начать новую жизнь, всегда разные. Между собой отличаются виды долгов и кредитов, важные обстоятельства: тип занятости клиента и банк, которому он оказался должен. Сама процедура банкротства тоже имеет массу нюансов, «путь банкрота» может быть очень разным.
Так что правильная квалификация клиента – ключевой этап для такого бизнеса; в противном случае будет выбран неправильный план действий, и помочь клиенту не удастся. Поэтому менеджеру по продажам критично вникнуть в каждую ситуацию, задать все необходимые вопросы и максимально погрузиться в детали.
Соответственно, для компании предельно важно контролировать качество обработки лидов, выявлять систематические ошибки менеджеров и диалоги, где они задали не все вопросы. Нашему заказчику это мешал делать месячный объём в 7000 звонков.
Даже отсекая слишком короткие звонки (менее 30 секунд для колл-центра и менее 3 минут - для отдела продаж), ОКК брал на оценку никак не больше 50% разговоров.
Теоретическим выходом из ситуации был найм дополнительных специалистов в ОКК, но руководство не рассматривало расширение штата и увеличение расходов.
Внедрение
Одним из критичных требований заказчика было быстрое внедрение: на проект отводилось 2 месяца. Но нам хватило и половины этого срока.
Первоочерёдной задачей было автоматизировать контроль квалификации клиента.
Для этого мы выделили 9 вопросов клиенту, наличие которых в диалоге должен определять ИИ:
- семейное положение
- есть ли дети
- какие сделки совершал клиент
- какое есть имущество у клиента или супруга
- есть ли у клиента автомобиль и находится ли он в кредите
- какой официальный и неофициальный доход
- какая сумма задолженности
- какие кредиторы.
~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~
Больше кейсов, а также статей и обзоров нейросетей - в нашем Telegram-канале "мAIржинальность":
~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~
Также мы настроили автоматический контроль установления контакта с клиентом (стандартный набор реплик) и автоопределение целевого лида (критерии: длительность звонка и принадлежность сделки к той или иной воронке CRM).
На запуск всего вышеперечисленного потребовалась неделя, пока проводились остальные настройки, этот функционал уже работал.
В течение следующих трёх недель были сделаны дополнительные настройки, которые позволили нейросети определять:
- презентовал ли менеджер цену
- отработал ли возражения
- предложил ли клиенту реферальную программу
- упоминал ли клиент конкурентов.
Результаты
- на 1,5% увеличилась конверсия
- 100% звонков проходят контроль и оценку
- в 3 раза сократилось время на проверку звонков
- с 7 до 4 человек был сокращён штат ОКК
- около 2,8 млн рублей в год ожидается сэкономить на ФОТ.
