AI оценка разговоров и диалогов в Битрикс24

Заказчик:
Прагматика Эксперт
Руководитель проекта со стороны заказчика
Поставщик
Spice 360
Год завершения проекта
2024
Сроки выполнения проекта
апрель, 2024 — июль, 2024
Масштаб проекта
130 человеко-часов
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.

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

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 проекта

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:
Презентация проекта для GLOBAL CIO от Прагматика 2024.pdf
Коментарии: 2

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

  • Максим Каранкевич
    Рейтинг: 132
    Ультрамар
    Директор по цифровой трансформации
    05.12.2024 09:10

    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.

  • Иван Козлов
    Рейтинг: 71
    ЛАТЕО
    Директор по ИТ
    23.12.2024 14:23

    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?

Год
Предметная область
Отрасль
Управление
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.