Какой толк от голосового робота на линии поддержки клиентов

Итоги четырехмесячного эксперимента с роботом Натальей в техподдержке «Первого Бита».

Привет, я Юлия Мизгирева, руководитель службы качества в компании «Первый Бит». Среди прочего я слежу, чтобы операторы линии техподдержки быстро принимали звонки и передавали заявки нужным специалистам. Но во время пиковых нагрузок до трети клиентов ждет ответа дольше 40 секунд (столько, по мнению исследователей, большинство людей готовы ждать без раздражения), а часть из них бросает трубку. Это проблема.

Мы перепробовали массу вариантов, чтобы её решить, даже внедрили Telegram-бота. Он фиксировал пропущенные звонки и передавал номера операторам, чтобы те перезвонили как можно скорее. Полноценным такое решение не назовешь, ведь клиент уже недоволен: у него проблема, а все операторы заняты. Так появилась идея поэкспериментировать с голосовым роботом.

Надеюсь, наш опыт пригодится компаниям и организациям, у которых есть линия консультаций. Особенно тем, кто сталкивается с супернагрузкой по разным причинам: сезонная активность клиентов, массовый технический сбой и прочее.

На нашей круглосуточной линии работает в среднем 10 операторов. Иногда больше, иногда меньше. Их задача — выяснить, какая у клиента проблема, и маршрутизировать запрос нужному специалисту. Звонят, например, с таким запросом: «При оприходовании товара в валюте не заносится декларация ГТД». Или таким: «В 6-НДФЛ не встают цифры». Или: «У меня что-то произошло при закрытии программы, теперь она просит какие-то старые периоды перезакрывать».

В общем, чаще всего звонят бухгалтеры насчет решений на базе «1С». Доля подобных технических вопросов — 70%. Остальные 30% приходятся на клиентов, которые хотят узнать чей-то добавочный номер, купить какую-то доработку и так далее — такие звонки серьезно влияют на загруженность линии техподдержки. Но наша боль — не просто загруженность, а её непредсказуемость на протяжении дня, недели, месяца и года.

Допустим, мы знаем, что у нас жарко с 9:00 до 18:00. Знаем, что с конца января до мая, в июле и октябре будет шквал обращений, потому что бухгалтеры готовят отчетность. Мы учитываем эту информацию, составляя графики операторов. Но потом, в одну прекрасную секунду, позвонят 15 клиентов, пять из которых не станут ждать ответа. Затем будут три минуты полного затишья: все операторы свободны, но никто не звонит.

Такая «волновая» загрузка может случиться в любой день недели, в любое время года, и ни один суперкомпьютер не способен точно её спрогнозировать.

Существует проверенный способ избавить нас от боли — нанять еще, скажем, 20 операторов и повысить стоимость технического обслуживания для клиентов. «Или нанять одного робота, который теоретически заменит 200 операторов», — подсказали мне коллеги, которые занимаются нейросетями. «Окей, посмотрим, что получится на практике», — сказала я. В октябре 2019-го мы стартовали.

Сразу скажу, что у меня нет иллюзий насчет нейросетей. Если нейросеть пишет музыку и обыгрывает людей в го, это не значит, что она сравнится с оператором техподдержки. По разным прогнозам, нейросети достигнут возможностей человеческого мозга только через 80-100 лет, поэтому робота надо оценивать адекватно — как нечто среднее между автоответчиком и человеком. И учитывать это, когда формулируешь задачи.

Вот как мы сформулировали обязанности для робота:

Фактически от робота требуется воспроизвести заранее записанный скрипт, ориентируясь на ответы человека, перевести голос клиента в текст и отправить по указанному пути. По-моему, ничего сверхъестественного.

Еще мы решили, что раз уж клиенту пришлось разговаривать с роботом вместо оператора, пусть это будет быстро и ненавязчиво. Поэтому скрипт рассчитан на 1–1,5 минуты вместо обычных 3–4 минут.

Главное опасение было связано с тем, что люди будут возмущены самим фактом разговора с роботом. По нашей пессимистичной оценке, минимум половине клиентов это не понравится. Однако по итогам первого месяца оказалось, что претензии к роботу имеют меньше 20% клиентов. При этом большинство почти сразу понимают, что разговаривают с роботом.

Мы прослушали половину разговоров с роботом (всего их было 1552 за первый месяц), проанализировали обратную связь и выделили 4 основные причины недовольства.

1. «У робота неприятный голос». А нам казалось, что синтезированный голос очень человечный, вежливый и позитивный. Оказалось, это напрягает.

2. «Почему робот не спрашивает мой номер телефона? Куда вы будете перезванивать?» Мы считали, что такой вопрос будет лишним для нашего лаконичного скрипта — пусть специалист перезвонит на тот номер, с которого звонят. Мы ошиблись.

3. «Зачем робот спрашивает мой ИНН, у меня вопрос вообще про другое?» Это претензия тех, кому нужна не техническая поддержка, а, например, номер персонального менеджера. Окей, наша недоработка.

4. «Я в принципе не хочу разговаривать с роботом». Эта причина далеко не самая популярная, а значит, всё не так страшно, как мы предполагали.

На три из четырех причин мы легко можем повлиять, немного доработав скрипт. Добавляем вопрос про номер телефона и делаем так, чтобы робот сразу переводил на оператора, если заявка не касается техподдержки или с ним не хотят разговаривать. Вместо синтезированного голоса записываем реплики нашего оператора.

Вот как работ разговаривает сейчас:

Самое классное в этом разговоре то, что клиент, Татьяна Викторовна, спокойно и почти по слогам произносит свой запрос. Она догадалась, что имеет дело с роботом и заботится, чтобы было проще распознать её слова на фоне шума. Кажется, это идеальный тип клиента, который думает: если кто-то старается быстро решить мою проблему, какая разница, робот это или человек.

Особенность нейросети в том, что она постоянно учится и накапливает «опыт». С этим связана главная сложность: в самом начале робот неверно распознает некоторые имена, названия и специфические термины. Самый примечательный пример — вместо «1С» (один-эс) робот написал «адидас». Должно быть «Программа: 1С:Бухгалтерия», мы видим в заявке: «Программа: Адидас бухгалтерия».

Это лечится дополнительным обучением. Мы сообщаем разработчикам «Инфобота», с какими словами есть затруднения, а они прокачивают лексикон робота. Хотя, конечно, веселее работать, когда робот что-то не знает.

— Робот не полноценная замена оператора. Но он круто справляется с неравномерной загрузкой линии и помогает во время пиковых периодов. За неполных четыре месяца, — за исключением тестового октября 2019-го, — робот обработал 11 800 звонков.

— Робот решает проблемы с графиками операторов. Не надо лихорадочно перекраивать их, когда кто-то берет отгул, больничный или просто проспал. Один робот действительно может подменить десятки операторов.

— Абсолютное большинство клиентов лояльно относится к роботу. После доработки скрипта доля тех, кто не очень доволен общением с роботом, — в пределах 7-8%.

— Робот заметно дешевле оператора: один разговор обходится в 2 рубля (разговор оператора в среднем стоит 15 рублей). Правда, надо учесть разовые затраты на внедрение робота — они сопоставимы с двумя-тремя месячными зарплатами оператора.

— Нельзя бросать робота после внедрения. Его нужно развивать, приспосабливать под новые обстоятельства. Скоро мы интегрируем его с учетной системой, чтобы заявки напрямую попадали к техническим специалистам — сразу не интегрировали, потому что не знали, приживется робот или нет. Потом немного изменим скрипт, чтобы он не приедался клиентам. Потом еще что-нибудь придумаем, чтобы общение с роботом было еще комфортнее и полезнее.

Мы продолжаем эксперимент. Если появятся интересные подробности (вдруг наш робот выйдет из-под контроля и станет грубить, как какой-нибудь «Олег») — непременно расскажу о них. А если у вас появились вопросы — я здесь, в комментариях.