→ Войти

← Вернуться к списку

Цифровая голосовая экосистема: роботизация обращений и сокращение пути

Комментировать

  • Руководитель проекта со стороны заказчика

    Вячеслав Чупраков

    Прагматика Эксперт

    Заместитель ИТ директора по инфраструктуре и сервисам

  • Категория

    Лучшее решение в предметной области

  • Номинация

    RPA

  • Цели

    Обеспечить голосовые каналы связи с клиентами дилерских центров стабильным и качественным сервисом, сократить путь клиента при обращении и снизить издержки на обслуживающий персонал. Команда ИТ проявила инициативу и новаторство, выбрав путь автоматизации и роботизации процессов.

  • Сроки выполнения

    август, 2025 — октябрь, 2025

  • Год завершения проекта

    2025

  • Масштаб проекта

    25 автоматизированных рабочих мест

  • Результаты

    • Автоматизирована работа больше 20 человек на ежемесячной основе: теперь все вызовы всегда сразу обслуживаются моментально. На контакт-центр распределяется менее 10% звонков по неопределённым тематикам.

    • Нагрузка в часы пик нивелирована — все вызовы принимаются сразу и с гарантированным SLA

    • Уменьшено время ожидания клиента до соединения с менеджером на 30%, по открытым сделкам на 60%

    • Функционал контакт-центра перераспределен с акцентом на работу с чатами, онлайн-коммуникацию и поддержку голосового робота.

    Вторым этапом планируется существенное улучшение клиентского опыта за счет расширения услуги «Самозапись на сервис» как в рабочее, так и в нерабочее время. 

  • Уникальность проекта

    Проект идеально вписался в существующий бизнес-процесс и применим не только в автобизнесе, но и в любом ритейле.

    Ключевые особенности:

    • Автоматическая обработка всех входящих звонков с созданием или обновлением сделки в Битрикс24 .

    • Голосовой робот при переводе звонка идентифицирует менеджера: озвучивает цель звонка, уточняет имя, ищет сотрудника в списке и соединяет с клиентом.

    • Параллельное создание или дополнение сделки в CRM для синхронизации данных в реальном времени.

    • Разработано два голосовых робота — для клиентов и для идентификации менеджеров, а также синхронизация и обмен информацией между ними.

    • Сложная синхронизация между роботами и CRM , продуманная логика маршрутизации вызовов для 12 дилерских центров с учётом их структуры.

    Эти особенности делают проект уникальным по части интеграции голосовой автоматизации с CRM и многопоточной маршрутизации звонков.

  • Использованное ПО

    CRM: Битрикс24

    Телефония: Asterisk, FreeSwicth, QsIQ (собственный продукт ООО «Эвокомм»)

    Движок голосового робота: selfhosted модель + Yandex.Speechkit 

    ЯП: Go, Python, JS, PHP

    СУБД: MySQL, Redis

  • Решение из каталога Global CIO

    В проекте не используются решения из каталога Global CIO

  • Сложность реализации

    Ключевой сложностью проекта с самого начала была задача идентификации сотрудников дилерских центров во время звонка. Большинство поставщиков голосовых роботов не обладают необходимыми технологиями или компетенциями для такой функции, поскольку голосовой робот обычно работает в режиме одного «потока» и не способен одновременно различать разных абонентов в одном разговоре или обрабатывать два голосовых плеча в одной сессии.

    Дополнительно требовалось обеспечить надежный информационный обмен с Битрикс24, с возможностью использования настроенных кастомных полей и бесшовной интеграции в существующие бизнес-процессы.

    На старте был проведен масштабный ресёрч поставщиков решений, с оценкой технологического стека, стоимости и уровня компетенций. В итоге выбор был сделан в пользу команды ООО «Эвокомм», обладающей сильным опытом управления телефонией и богатой практикой создания сложных интеграционных архитектур.

  • Описание

    За два месяца была проведена работа по роботизации всех входящих вызовов, которые поступают в дилерские центры.

    Разработано два голосовых робота: для обслуживания клиентов и для идентификации сотрудников дилерских центров.

    Для обоих роботов подобрали самый приятный голос, с которым будет комфортно разговаривать.

    Для клиентского робота создали и отладили сложный сценарий, который позволяет определить, с каким вопросом звонит абонент: мы ушли от принципа «голосового IVR» и предоставили абоненту свободу выражения мысли, поэтому разработали обширные словари NLU, чтобы корректно идентифицировать намерения: обучили модели на базе 40 000 голосовых записей работы операторов, вычленили все сложные и неочевидные ситуации и заложили их в логику.

    Для робота-идентификатора организовали API-коннектор к Битрикс24 для того, чтобы на лету определять сотрудника дилерского центра, искать сделку по номеру абонента и дополнять её или создавать новую.

  • География проекта

    РФ, в частности Северо-Западный регион.

  • Дополнительные презентации

    Эвокомм_Прагматика.pdf
Комментировать 13

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

  • Николай Барташев

    Николай Барташев

    Банк Оранжевый

    Начальник Управления сопровождения информационных систем

    Добрый день, Вячеслав.Интересный проект. А вы планируете использовать сервисы распознавания голосовых сообщений и их анализа? У меня был положительный опыт эксплуатации подобных систем. К этому сервису можно привязать автоматические функции оценки качества диалогов, которые можно использовать с определении KPI сотрудников колл-центр а.
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Добрый день, сервисы распознавания (транскрибации) голосовых сообщений мы активно используем с 2024 года, в моем портфолио можно подробнее узнать об этом проекте (AI оценка разговоров и диалогов), там не только рейтинги/соответствие чек-листам, но и инструменты прогнозирования, а также аргументатор продаж.
      Ответить
  • Руслан Гилязов

    Руслан Гилязов

    Ижевский радиозавод

    Заместитель директора по финансам, директор по информационным технологиям

    Вячеслав, добрый день!Подскажите, пожалуйста, каким образом в вашем проекте вы определяете в Битрикс24, за каким менеджером закрепить сделку? Интересно, используете ли вы автоматизированные правила, роботов или это ручное распределение на основе каких-то критериев (например, по региону клиента или типу сделки)? Буду благодарен за подробности!
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Спасибо за вопрос. Это самая интересная часть проекта, чтобы не ломать бизнес-логику мы полностью имитировали работу оператора, для этого был реализован второй робот, который голосом уточняет у сотрудника его фамилию/имя и сопоставляет с тем отделом куда осуществляется перевод.
      Ответить
  • Иван Козлов

    Иван Козлов

    ЛАТЕО

    Директор по ИТ

    Добрый день, в таких проектах меня всегда волнует стабильность. Расскажите, пожалуйста, подробнее о надежности конструкции: роботы и автоматизация процессов, например CRM-система или API, могут давать сбои, как в таком случае ведет себя система?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Приветствую, на каждом этапе у роботов дополнительные проверки, например робот обязан в каждом случае создавать лид/сделку, если что-то не выполняется в логике, звонок отдается оператору КЦ со всей информацией, что удалось уточнить в процессе общения с клиентом, сама ошибка направляется группе поддержки для анализа ситуации. Также предусмотрен механизм отключения/включения функционала "одной кнопкой".
      Ответить
  • Роман Цыганков

    Роман Цыганков

    АВТОЗАВОД Санкт-Петербург

    Директор по информационным технологиям

    Вячеслав,изучил проект и вызвал интерес вопрос как в рамках кейса определяются повторные сделки в Битрикс24 и по каким критериям система понимает, что звонок — это обращение существующего клиента, а не новый лид? Как система поступает, если по номеру найдено несколько контактов или сделок?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Робот в моменте звонка фактически получает А и Б номера, допустимо, что клиент может иметь сделки в нескольких ДЦ одновременно. Но переводы должны строго осуществлятся в рамках одного ДЦ, поэтому система ищет открытые сделки только в той организации номер которой был набран. Также каждая сделка находится в своей воронке в зависимости от выявленного проявленного интереса клиента.
      Ответить
  • Андрей Матвеев

    Андрей Матвеев

    ex -Петрович, -OBI

    Главный по ИТ

    Вячеслав, добрый день.Как в вашей CRM определяется, что обращение было обработано голосовым роботом, а не оператором контакт‑центра, и как именно робот передаёт в систему запись разговора и контекст диалога? Что происходит, если робот не смог корректно обработать звонок и передал его оператору?
    Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      Добрый день, отличный вопрос. Все мои проекты затрагивающие телефонию максимально "очеловечены". В Битрикс24 робот регистрируется как полноценный сотрудник компании - это упрощает отчетность, анализ и использование встроенных инструментов, таких как система записи (модуль itgrix). Интересный факт: иногда роботов даже поздравляют с днем рождения на портале.
      Ответить
    • Вячеслав Чупраков

      Вячеслав Чупраков

      Прагматика Эксперт

      Заместитель ИТ директора по инфраструктуре и сервисам

      По второй части вопроса: при непредвиденной ситуации оператору КЦ поступает входящий звонок с оригинальными номерами А и Б (полная имитация реального входящего звонка), что позволяет штатно работать оператору, а робот голосом проговаривает всю информацию о клиенте и его запросе.
      Ответить
  • Виталий Гатин

    Виталий Гатин

    ГК «АВТОАЛЬФА»

    Директор по ИТ

    Вячеслав, добрый день!Какие метрики использовались для оценки точности NLU-модели, обученной на 40 000 записях операторов, и как обеспечивалась её адаптация к новым, ранее не встречавшимся формулировкам запросов клиентов?
    Ответить
  • Герман Нюньков

    Герман Нюньков

    Тракресурс-Регион

    Директор по ИТ

    Добрый день, Вячеслав.Как была решена техническая задача одновременной обработки двух «голосовых плеч» (клиент + менеджер) в рамках одной телефонной сессии?
    Ответить

  • Заказчик

    Прагматика Эксперт

  • ИТ-поставщик

    ООО «Эвокомм»

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.