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: 22

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

  • Максим Каранкевич
    Рейтинг: 416
    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.

    • Вячеслав Чупраков Максим
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:12

      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.

  • Иван Козлов
    Рейтинг: 79
    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?

    • Вячеслав Чупраков Иван
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:25

      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.

    • Вячеслав Чупраков Иван
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:26

      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.

  • Максим Часовиков
    Рейтинг: 6272
    МГУ имени М.В.Ломоносова
    Руководитель цифровизации образовательных процессов
    02.01.2025 03:13

    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?

    • Вячеслав Чупраков Максим
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      05.01.2025 15:56

      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.

  • Руслан Гилязов
    Рейтинг: 441
    АО «Ижевский радиозавод»
    Заместитель директора по финансам, директор по информационным технологиям
    07.01.2025 14:02

    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?

    • Вячеслав Чупраков Руслан
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:28

      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.

  • Ростислав Гордиенко
    Рейтинг: 472
    КФ Победа
    Директор по ИТ
    07.01.2025 16:41

    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!

    • Вячеслав Чупраков Ростислав
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:30

      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.

  • Роман Цыганков
    Рейтинг: 1427
    АВТОЗАВОД Санкт-Петербург
    Директор по информационным технологиям
    07.01.2025 22:28

    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?

    • Вячеслав Чупраков Роман
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:31

      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.

  • Станислав Овчинников
    Рейтинг: 372
    Винно-коньячный завод "Альянс-1892"
    Директор департамента ИТ
    07.01.2025 23:43

    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?

    • Вячеслав Чупраков Станислав
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:34

      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.

  • Ростислав Гордиенко
    Рейтинг: 472
    КФ Победа
    Директор по ИТ
    08.01.2025 16:53

    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!

    • Вячеслав Чупраков Ростислав
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:37

      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.

    • Вячеслав Чупраков Ростислав
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:37

      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.

    • Вячеслав Чупраков Ростислав
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:39

      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.

  • Михаил Корчемкин
    Рейтинг: 431
    Владимирский Стандарт
    ИТ Директор
    08.01.2025 18:56

    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?

    • Вячеслав Чупраков Михаил
      Рейтинг: 1724
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      08.01.2025 23:44

      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.

  • Максим Кривошей
    Рейтинг: 55
    ГК РусБизнесАвто
    Директор по ИТ
    13.01.2025 10:50

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

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.