10 простых шагов: как интегрировать бота в контакт-центр и сократить расходы на операторов на 30%

Технология универсальна и может использоваться в любом контакт-центре. Компания Voxys уже внедрила бота-суфлера в нескольких торговых и производственных компаниях. Боты-суфлеры найдут применение в контакт-центрах банков, интернет-торговли, компаний в сфере ЖКХ, транспорта, медицины, логистики, гостинично-ресторанного бизнеса.

Voxys предлагает бота-суфлера в двух вариантах — голосовом и текстовом. Текстовый предназначен для обработки обращений в текстовых каналах. В ходе диалога он автоматически распознает последние пять сообщений и мгновенно находит в базе знаний нужный ответ. Голосовой бот-суфлер поможет оператору в телефонной беседе. Система в режиме реального времени распознает фразы, находит ответ в базе знаний и представляет его оператору.

Работая в паре с ботом-суфлером оператор быстрее получает и сообщает клиенту нужные ответы. Ни искать, ни формулировать их оператору не приходится. Звонящий в колл-центр получает ответ быстрее минимум на треть, также автоматизация ведет к снижению вероятности ошибок и повышению лояльность клиентов. По результатам пилотных проектов Voxys, уровень CSI после внедрения бота-суфлера вырос минимум на 30%. Кроме того, совле внедрения суфлера на обучение и адаптацию операторов требуется меньше времени. Долго штудировать техническую документацию новичкам не придется — несколько дней, и новые операторы выходят на должный уровень работы. Онбординг после внедрения занимает вдвое меньше времени.

Нет, не ошибается. На этапе пилотного внедрения корректность его работы не меньше 80%, а после оптимизации базы знаний — все 99%. Бот-суфлер — не бытовой голосовой ассистент. Область его поиска сужена до базы знаний с чёткой разметкой, система не обращается во внешние источники, не делает выборочного цитирования информации.

Бот-суфлер переводит голос в текст и отправляет на обработку в систему NLU. Та определяет заранее запрограммированный интент — намерение клиента («уточнить информацию по заказу», «оформить покупку», «сделать возврат», «отследить доставку» и т.д.). Затем бот-суфлер обращается в базу знаний, выбирает наиболее подходящие варианты ответа и предлагает их на выбор оператору. Причем у каждого варианта он делает пометку — с какой вероятностью тот или иной ответ оказывается более подходящим. В итоге оператору остается только убедиться, что предлагаемый ответ соответствует запросу и озвучить его клиенту. Весь описываемый процесс занимает не более пары секунд.

NLU — Natural Language Understanding - модели искусственного интеллекта, предназначенные для распознавания разговорной речи. Текст разбивается на лингвистические единицы — слова или фразы, и они идентифицируются как та или иная часть речи – существительное, глагол, прилагательное. Затем наступает очередь взаимосвязей между словами и роли каждого слова в предложении. В учет берется и последовательность слов с контекстом высказывания. Анализируется даже тональность. Система обучается на большом объеме текстовых данных, а поэтому адаптируется к разным сферам.

Оператор будет обрабатывать больше обращений, но прикладывать меньше усилий. Так, в случае текстовых каналов он увидит наилучший вариант ответа с подсказками, еще не успев прочитать сообщение клиента. В результате время на поиск информации сокращается, и за смену оператор обрабатывает в два, а то и в три раза больше обращений, с меньшей вероятностью сделать ошибки.

Близкие к боту-суфлеру Voxys решения существуют на рынке, но их функционал ограничен. Например, они только помогают сформулировать запрос: оператору нужно начать вводить текст, чтобы получить вариант ответа. На практике это означает, что информацию приходится искать самостоятельно — как в поисковике. С найденной информацией еще необходимо ознакомиться. Бот-суфлер Voxys работает иначе — он автоматизирует весь процесс. Вводить запрос не надо — его по голосу или тексту распознает система, искать также не нужно – поиск автоматический, выбирать тоже практически не надо – наиболее подходящие варианты ответа будут автоматически предложены оператору и ранжированы по степени соответствия тематике запроса и намерений клиента.

Интеграция проходит в пять этапов.

На первом этапе проводится большая аналитическая работа: брифинг и аудит заказчика. Анализируется: бизнес-процессы, коммуникация с клиентами, схема обработка обращений, скрипты; проводится контент-анализ коммуникаций с клиентами по дата-сетам.

Второй этап - наполнение базы знаний. Совместно с заказчиком и на основании данных анализа определяются тематики консультаций, согласовывается структура и содержание статей базы знаний. Если предусмотрена интеграция с CRM, то определяем источники для экспорта-импорта данных, при необходимости – перечень ссылок на внешние ресурсы.

На третьем этапе прописываются интенты – ключевые слова, отражающие в запросах клиента те или иные намерения. Каждому интенту соответствует определенный перечень статей из базы знаний.

Четвертый этап предполагает комплексное тестирование системы вне контура контакт-центра, но при активном участии заказчика. По результатам и при необходимости вносятся финальные доработки и коррективы. На всё про всё от двух недель до месяца.

Финальный пятый этап — интеграция в контакт-центр. Решение тестируется на самых опытных операторах. Например, если в контакт-центре 100 операторов, то интеграция начинается с двух-пяти операторов, а затем масштабируется на весь штат.

Обязательная часть внедрения. Создаётся проектная команда, в неё входят: руководитель и менеджер проекта, аналитики, разработчики, специалист или несколько специалистов по обучению если проект масштабный. Для операторов предусмотрены наставники. Задача специалиста по обучению и группы наставников - подготовить операторов к работе с ботом-суфлером с учетом профиля деятельности и бизнес-процессами заказчика.

Представленный расчет эффективности внедрения основан на эксплуатации ботов-суфлеров на нескольких аутсорсинговых проектах разного профиля. Контакт-центр из 25 операторов, стоимость минуты работы оператора — 15 рублей. При среднем рабочем времени одного оператора в 165 часов, расходы на всех операторов составляют 2 413 125 рублей в месяц. Благодаря боту-суфлеру среднее время обработки обращения (АНТ) сокращается на треть — с 6 до 4 минут. Умножаем 2 413 125 рублей на две трети, добавляем расходы на бота-суфлера и получаем 1 704 188 рублей. То есть 708 938 рублей чистой экономии в месяц, или 8 507 250 рублей в год.