• 526

    Заявлено проектов

  • 1265

    Оставлено комментариев

  • 5366

    Количество голосов

  • 12

    Дней до публикации результатов

← Вернуться к списку

AI оценка разговоров и диалогов в Битрикс24

  • Руководитель проекта со стороны заказчика

  • Категория

  • Номинация

  • Цели

    Бизнес поставил задачу по оценке качества 100% коммуникаций в двух каналах Авито и Телефония, с целью:

    • увеличения конверсии с диалогов на сделку

    • оцифровки и сбора статистических данных

    • поиска успешных практик продаж и работы с возражениями

    • повышения операционного контроля и скорости принятия управленческих решений

    ИТ проявило инициативу и новаторство, пойдя по пути автоматизации и роботизации.

  • Сроки выполнения

    апрель, 2024 — июль, 2024
  • Год завершения проекта

    2024

  • Масштаб проекта

    130 человеко-часов
  • Результаты

    Система настроена и работает автономно.

    • Рост конверсии в запись на визит в салон центра на 5% ежемесячно

    • Получен рейтинг возражений и их динамика во времени

    • Имеем инструмент прогнозирования и сезонности поведения клиента

    • Имеем аргументатор продаж на статистике возражений

    • Исключен человеческий фактор при оценке качества

    • Составлен рейтинг/мотивация сотрудников

    • Скорость доставки обратной связи ОКК выросла с 24 часов до нескольких минут

    • Соблюдение и улучшение показателей стандартов качества коммуникаций с клиентами (в звонках +15%, в чатах +10%)

    Проект вышел на самоокупаемость за три месяца.

    В месяц уходит 4-8 часов на калибровку отклонений в разговорах.

  • Уникальность проекта

    • Классическая речевая аналитика использует две технологии: транскрибация и поиск ключевых слов/фраз, что обеспечивает 85 - 90% качества достижения результата в нахождении фактов из разговоров. Для достижения результатов более чем 99% мы добавили нейросеть. Минус нейросети, на текущий день - в объемах информации, которую они могут обработать за один раз, что влечет за собой рост расходов. Получилась гибридная схема, которая нивелирует минусы обоих подходов.

    • Мы настроили аналитику не только звонков через колл-центр, но и чатов.

  • Использованное ПО

    imot, Битрикс24, Yandex.DataLens, Python, Telegram

  • Решение из каталога Global CIO

    В проекте не используются решения из каталога Global CIO

  • Сложность реализации

    Доступные варианты визуализации данных в сервисе речевой аналитике imot ограничивали замену сводных таблиц из Google Sheets, поэтому мы в процессе реализации проекта перестроились на Yandex.Datalens и объединили два решения (imot и Яндекс) путем передачи данных по API.

    Во всех коммуникациях (звонки и чаты) присутствует процесс перевода клиента от оператора к менеджеру по продажам, что путало нейросеть и осложняло настройки правил обработки, для чего создавали описание поведения модели и научили выводить предложения по замене речевых модулей, на более конверсионные.

  • Описание

    Сеть Дилерских центров Прагматика основана в 1998 году и в настоящий момент насчитывает более десятка центров продаж и обслуживания в Северо-Западном регионе по продаже новых автомобилей LADA, Changan, Geely, KIA и KAIYI. В своем стремлении мы помогаем людям получать в полной мере ощущения свободы, комфорта и безопасности, которые приносят им автомобили.

    Проект реализован по направлению: автомобили с пробегом.

    Мы стремимся понять потребности клиента и предложить наилучшие решения. Ввиду чего, для нас, является важным сохранения качества общения с клиентами при достижении целевых метрик.

    Маркетингу важно получать сквозную аналитику от заявки до продажи, а качество отработки трафика напрямую влияет на конверсию продаж. Для достижения роста конверсии, мы выбрали инновационный подход в оценке качества наших коммуникаций с клиентами.

    Процесс оценки:

    Сбор данных: потенциальные клиенты пишут на Авито по объявлению либо звонят в один из дилерских центров, чтобы выяснить больше об автомобилях. Эти данные собираются в Битрикс24, откуда поступают в сервис речевой аналитики Imot.

    Обработка данных:

    • отсеиваем звонки и чаты, в которых разговора по той или иной причине не состоялось

    • размечаем, где вел диалог оператор КЦ, а где менеджер отдела продаж

    • на каждую коммуникацию запускаем оценку по чек-листу, собираем статистику по возражениям, на основе контекста даем рекомендации в виде речевых модулей

    • звонки обрабатываются от 1 до 15 минут, а чаты собирают переписку за 2 последних дня

    Визуализация данных: по API выгружаем данные в Yandex.DataLens. Данные представлены в разрезе дилерских центров, по каждому сотруднику, сформированы рейтинги сотрудников, каждая коммуникация выведена в таблицу с рекомендациями для руководителей отделов продаж, ежедневно формируется динамика возражений в разговорах.

    Заполнение CRM: возвращаем в Битрикс24 транскрибацию, заполняем поля от 1 до 15 минут после коммуникации.

    Контроль/уведомление: если коммуникация ниже порогового значения, то руководителю приходит уведомление в Telegram со ссылкой на авито (для чатов), на звонок и на сделку в Битрикс24 для контроля.

  • География проекта

    РФ, в частности Северо-Западный регион

  • Дополнительные презентации

Комментировать 22

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Максим Каранкевич

    Максим Каранкевич

    Ультрамар

    Директор по цифровой трансформации

    Вячеслав, прошу вас поделиться, каким движком S2T вы пользовались и на сколько качественно он делит диалоги между оператором и клиентом. Так же уточните, сколько времени заняло обучение модели на ваших данных до приемлемого уровня ошибки.
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Максим, для конвертации голоса в текст (speech-to-text (S2T) в проекте используются технологии Yandex SpeechKit. По контексту и словам находим точку, где происходит перевод с оператора на менеджера в звонках и чатах. Чтобы начать достоверно разделять оператора от менеджера требуется 2-3 дня.
      Ответить
  • Иван Козлов

    Иван Козлов

    ЛАТЕО

    Директор по ИТ

    Очень интересный проект. Очень интересно больше узнать про KPI сотрудников, которые измерялись. Возможно ли рассчитать ROI для такого проекта? И рассматривали ли возможность полностью внедрить голосового ассистента вместо операторов?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Рейтинг сотрудников формируется на основе качества их работы по скрипту, учитывая удельный весовой коэффициент, а также рейтинга по конверсии в назначение встречи. Рассчитать ROI проекта не составляет труда, так как он фактически заменяет целый отдел контроля качества вместе с руководителем. Это преимущество станет особенно очевидным после масштабирования решения на все отделы продаж.
      Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Учитывая опыт предыдущего проекта с голосовыми роботами, идея внедрения голосового ассистента для замены операторов внесена в бэклог, но временно приостановлена из-за изменений в кадровом составе и смены стратегического курса компании.
      Ответить
  • Максим Часовиков

    Максим Часовиков

    МГУ имени М.В.Ломоносова

    Руководитель цифровизации образовательных процессов

    Спасибо большое за подробное описание представленного на конкурс проекта, как вы считаете, что в наибольшей степени, из того, что удалось реализовать в рамках этого проекта, в наибольшей степени положительно повлияет на развитие компании в долгосрочной перспективе?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Спасибо за интерес к проекту, по моему мнению, в наибольшей степени положительно повлияет на развитие компании в долгосрочной перспективе рост конверсии и рейтинг сотрудников, а также система мотивации построенная с учетом рейтинга.
      Ответить
  • Руслан Гилязов

    Руслан Гилязов

    АО «Ижевский радиозавод»

    Заместитель директора по финансам, директор по информационным технологиям

    Какие ограничения и недостатки, присущие традиционным или стандартным методам анализа речи, удалось выявить в процессе работы, и каким образом современные технологии искусственного интеллекта, включая машинное обучение и нейронные сети, позволили преодолеть эти барьеры?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Стандартные методы, такие как транскрибация и анализ ключевых слов, имели точность 85–90%. В проекте использовались нейронные сети, обеспечивающие точность более 99% и снижение ошибок при обработке больших объемов данных, что позволило вывести качество анализа на новый уровень.
      Ответить
  • Ростислав Гордиенко

    Ростислав Гордиенко

    КФ Победа

    Директор по ИТ

    Вячеслав, добрый вечер! Отличный проект! Подскажите, пожалуйста, какова была роль Yandex.DataLens в проекте, и почему именно этот инструмент был выбран для визуализации аналитических данных? Почему выбор пал именно на этот инструмент, и рассматривались ли альтернативные решения? Каковы его основные преимущества? Спасибо!
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Yandex.DataLens заменил Google Sheets и стал ключевым инструментом для визуализации данных. В отличие от Google Таблиц, Yandex DataLens предлагает расширенные возможности по работе с большими наборами данных, а также их визуализации, что особенно актуально для компаний, работающих с большими объемами информации. Благодаря переходу на российский продукт мы снизили риски и обеспечили гибкость для манёвра при кратном росте данных для анализа.
      Ответить
  • Роман Цыганков

    Роман Цыганков

    АВТОЗАВОД Санкт-Петербург

    Директор по информационным технологиям

    Вячеслав, очень интересный проект и можете рассказать почему проект является важным для развития индустрии искусственного интеллекта? Какие уникальные подходы, решения или результаты, достигнутые в рамках проекта, могут быть полезны другим компаниям, стремящимся интегрировать AI в свои бизнес-процессы? Как проект способствует популяризации и ускорению развития инноваций в этой сфере?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Проект демонстрирует успешное применение гибридного подхода AI для решения сложных задач в бизнесе. Он является примером того, как современные технологии могут улучшать клиентский сервис, повышать качество анализа и снижать затраты, принимая на себя рутинные операции.
      Ответить
  • Станислав Овчинников

    Станислав Овчинников

    Винно-коньячный завод "Альянс-1892"

    Директор департамента ИТ

    Вячеслав приветствую. Расскажите пожалуйста, с какими уникальными или специфическими трудностями столкнулась команда при реализации проекта и какие подходы были применены для их преодоления? А так же, как именно команда решала возникающие проблемы в рамках данного проекта?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Ключевыми сложностями стали ограничения визуализации данных в системе imot и проблемы передачи клиентов между операторами. Для их решения потребовалось внедрение Yandex.DataLens и создание алгоритмов, способных учитывать поведение клиентов и адаптироваться к сложным сценариям.
      Ответить
  • Ростислав Гордиенко

    Ростислав Гордиенко

    КФ Победа

    Директор по ИТ

    Вячеслав, добрый день! Спасибо за интересный проект и развернутое описание! Вопрос: были ли какие-то "косяки" на проекте, которые особенно запомнились, что бы Вы сейчас сделали по другому, возможно что то бы учли из полученного опыта? Что считаете главным при реализации подобных проектов? Спасибо!
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Ростислав, ошибок как таковых не было, скорее можно говорить об изменениях в компании и рабочих процессах, которые приводят к пересмотру требований к оценке качества. Это требует периодической доработки и адаптации подходов.
      Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Ключевым моментом можно назвать то, что ИИ оценивает качество более строго, чем человек, поэтому на этапе запуска важно учитывать больше деталей и нюансов, которые люди часто упускают и которые не всегда формализованы в регламентах.Значительную роль играют специалисты, занимающиеся внедрением системы. Именно они задают правильные вопросы и помогают учесть все особенности для успешной интеграции.
      Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Отвечая на второй вопрос, при реализации подобных проектов я считаю главными критериями их практическую результативность, сравнительную легкость внедрения, возможность масштабирования под изменяющиеся задачи и объемы, а также быструю окупаемость вложенных ресурсов. Эти факторы позволяют не только успешно завершить проект, но и обеспечить его долгосрочную пользу, эффективность и соответствие требованиям бизнеса, что делает такие проекты действительно ценными и стратегически важными.
      Ответить
  • Михаил Корчемкин

    Михаил Корчемкин

    Владимирский Стандарт

    ИТ Директор

    Добрый день!Как компания оценивает долгосрочную перспективу применения созданного решения в своей деятельности, и какие выгоды ожидаются от его использования в будущем? Планируется ли дальнейшее развитие функционала данного решения, его модернизация или адаптация для решения других задач и удовлетворения новых потребностей бизнеса?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Михаил, спасибо за интерес к проекту. Долгосрочные перспективы включают использование системы для анализа новых каналов связи и масштабирования на другие отделы продаж. Планируется развитие модулей инструмента прогнозирования и аргументатора продаж, ну и конечно дальнейшая оптимизация AI для повышения эффективности.
      Ответить
  • Максим Кривошей

    Максим Кривошей

    ГК РусБизнесАвто

    Директор по ИТ

    Вячеслав, добрый день!"Рейтинг возражений" и "аргументатор продаж" были в компании ДО запуска проекта? Кто им управляет?
    Ответить
  • Заказчик

    Прагматика Эксперт

    Прагматика Эксперт

  • ИТ-поставщик

    Spice 360

    Spice 360

Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.