Перспективы развития чат-ботов в банковском секторе: голосовой ИИ, прогнозирование поведения, анализ настроения

Сегодня активно внедряют чат-боты только лидеры рынка, готовые к инновациям. Согласно исследованию MarksWebb сейчас чат-ботам не хватает стандарта, по которому можно ставить цели своей команде и сверять статус по ходу внедрения. В клиентском опыте остается еще много некачественных решений, в среднем по рынку показатель неудовлетворенности превышает 10% — это генерирует неприязнь к чат-ботам.

Все меняется, когда клиент получает положительный опыт. В статье разбираемся, что не хватает банковским ботам, чтобы заслужить доверие пользователей, и куда движется сфера чат-ботов.

Банковский бот Тинькофф банка реализовал множество UX и UI-решений в чате: всплывающие подсказки, баннеры и кнопки. Текстовый ассистент может блокировать карту, отправлять выписку и управлять услугами, а также консультировать по подключенным продуктам, предоставляя клиенту персональную информацию. Но при этом робот довольно медленно отвечает, не помогает подобрать новый продукт, работает только с клиентами банка и недоступен на сайте и в мессенджерах.

Россельхозбанк смог реализовать в чате подбор вклада, бот Банка Хоум Кредит умеет формировать выписку с печатью для посольства, в чате Альфа-Банка можно получить персональную информацию по кредитным картам, робот Совкомбанка советует дебетовую карту, ассистент ВТБ лучше других участников группы обрабатывает финансовые жалобы, Сбербанк оказывает в чате помощь с навигацией в приложении, а текстовый канал Почта Банка помогает решать проблемы, связанные с техническими неполадками.

Райффайзенбанк и ОТП Банк — единственные участники исследования, которые внедрили ботов во все каналы. Их текстовые роботы всегда готовы быстро переключить на консультанта или подсказать, где клиент может самостоятельно найти нужную ему информацию. Но они не решают эти задачи сами, что отдаляет их от уровня продвинутых ботов.

Пользователи не могут найти чат

Часто функционал чата спрятан глубоко в интерфейсе банковского приложения или незаметен для пользователей. Некоторые чат-боты имеют непонятное название — «консультант» или «обратная связь». Клиент не понимает, что за этой кнопкой находится именно чат, а не переадресация на почту.

Отсутствие онбординга

От первого входа в чат зависит, будет ли клиент пользоваться данным функционалом. При входе в окно чата приложения пользователь не знает, что именно перед ним — диалоговый чат-бот или кнопочный, искусственный интеллект или живой оператор. Отсутствие онбординга оставляет клиента без ответа, он просто не будет знать, как использовать канал для своих задач.

Отсутствие персонализированного ответа

Боты не учитывают контекст клиента, а похожи на справочники и дают только общую информацию. Чат-бот должен быть не только навигатором и подсказывать, где найти баланс, выбранные категории кешбэка в текущем месяце и как оплатить кредит, но и давать решение прямо в чате — сообщить остаток денежных средств на счете, показать действующие категории клиента, напомнить сумму минимального платежа.

Отсутствие банковского функционала

Даже если какой-то чат-бот может дать персонализированную информацию, пока их функционал не позволяет совершить перевод, не покидая окно чата. Либо чат-бот рассказывает, куда нужно нажать, чтобы сформировать выписку по счету, либо предлагает гиперссылку на функцию. Вместо того, чтобы рассказывать, как совершить перевод по реквизитам, оплатить ЖКХ и найти категории кешбэка на предстоящий месяц, бот должен предлагать сделать это прямо в чат-боте.

Непонимание запроса

Несмотря развитость машинного обучения (ML), искусственного интеллекта (AI) и обработки естественного языка (NLP), многие банковские чат-боты испытывают сложности с распознаванием слишком общих или слишком подробных запросов. Чтобы любой чат-бот на основе искусственного интеллекта был успешным и эффективным, он должен быть интегрирован с контекстом и давать осмысленные ответы, неотличимые от ответов оператора.

VentureBeat рассказал, что около 200 000 разработчиков уже использовали платформу Facebook Messenger с момента ее запуска два года назад. Бот-платформа была использована для создания 300 000 ботов, что подтверждает теорию о желании пользователей общаться с компаниями напрямую в мессенджерах — там, где удобно клиенту. Рассмотрим, чем отличается бот в приложении банка от бота в мессенджере на примере чат-бота TalkBank.

Ведет клиента

Сценарий чат-бота от TalkBank построен таким образом, что проводит клиента с момента регистрации до получения услуги, рассказывая обо всех возможных функциях. Например, бот, созданный для банка Уралсиб, консультирует по условиям тарифа, регистрирует нового клиента, позволяет выбрать место и время доставки карты. На случай, если пользователь хочет переключиться на менеджера, бот интегрирован с коммуникационной платформой банка для общения клиента со специалистами.

Учитывает контекст

Простые чат-боты работают со списком заранее определенных вопросов и предоставляют стандартный список пунктов меню для решения ожидаемых запросов пользователей об их услугах. Чат-бот TalkBank находится в контексте и использует проактивный подход. Например, встроенный умный робот-консультант «Баффет» анализирует расходы, ведет календарь регулярных выплат, напоминает о дате возврата денег, если клиент дал кому-то в долг, присылает рекомендации по управлению личными финансами на основе персональной активности клиента.

Предлагает банковский функционал

При помощи бота можно проводить различные операции прямо в окне мессенджера: оплата счетов, погашение кредитов, пополнение вкладов, перевод на карты и счета, пополнение инвест-продуктов. Также можно задавать возможность делать это на регулярной основе согласно определенному сценарию и автоматизировать процесс платежей.

Понимает пользователя

В основе технологии чат-ботов лежит обработка естественного языка или NLP, та же технология, которая лежит в основе систем распознавания голоса, используемых виртуальными помощниками, такими как Google Assistant, Siri от Apple и Cortana от Microsoft.

Чат-бот обрабатывает текст, прежде чем отвечать в соответствии со сложной серией алгоритмов, которые интерпретируют и идентифицируют то, что сказал пользователь. Делает вывод о том, что они имеют в виду, и дают ответ из серии соответствующих вопросов.

Имеет низкую стоимость

Хотя большинство предприятий в какой-то мере начали внедрять технологии чат-ботов в свою повседневную практику, большинство малых и средних предприятий по-прежнему уклоняются от использования чат-ботов из-за фактора высокой стоимости. Если говорить о чат-ботах в глобальном масштабе, во многих странах чат-боты по-прежнему рассматриваются как способ выкачивания денег, доступный только ведущим брендам. TalkBank дает готовое решение, которое выгоднее по стоимости в сравнении с разработкой бота в мобильном приложении банка. Решения TalkBank позволяют догнать уходящих в отрыв лидеров рынка. Банки могут оставаться в конкурентной среде с другими банками и финтех-сервисами, которые уже реализовали эти инструменты.

Помня о недостатках и идя в ногу с ожиданиями потребителей, банки теперь больше сосредоточены на создании чат-ботов, неотличимых от людей, с помощью машинного обучения (ML), искусственного интеллекта (AI) и обработки естественного языка (NLP).

Чат-боты с более разговорчивым ИИ могут:

— предоставить индивидуальный подход к работе с клиентами для улучшения отношений с ними;

— повысить удобство пользования приложением и лояльность клиентов;

— положительно повлиять на восприятие клиентов, чтобы получить положительные отзывы и создать базу довольных клиентов.

Интеграция с контекстом клиента

Чтобы любой чат-бот на основе ИИ был успешным и эффективным, он должен быть интегрирован с контекстом и осмысленными ответами. Если чат-бот ведет разговоры без контекста, он будет расплывчатым и бесполезным. Создание таких чат-ботов может быть невероятно сложной задачей для компаний, поскольку им необходимо развивать и поддерживать память ботов, чтобы эффективно предлагать персонализированные ответы.

Для решения таких задач в продвинутых компаниях используется машинное обучение или NLP, которое помогает ботам до некоторой степени понимать глубину разговора. Проблема с этим решением заключается в том, что люди не обязательно взаимодействуют с ботом в определенной последовательности. Для этого разработчикам необходимо обеспечить интеллектуальное заполнение слотов, чтобы учитывать предпочтения пользователей и поддерживать память бота.

Голос — следующий большой шаг

Пользователи уже привыкли начинать свои дни со слов «Окей, Google, что у меня сегодня в календаре?». По данным Forbes, более 50% всех поисковых запросов будут осуществляться с помощью голоса. Это быстро развивающаяся тенденция разговорного банковского дела.

Боты для разговорного банкинга используют искусственный интеллект и способны оказывать помощь как с помощью текста, так и с помощью голоса. В 2022 году тенденция к автоматизации взаимодействия с клиентами продолжит расти, что поможет в таких секторах, как страхование, путешествия и финансовые услуги.

Прогнозирование поведения клиентов

Чат-боты перейдут от простых пользовательских запросов к более продвинутым разговорам в реальном времени на основе прогнозной аналитики. Контакт-центры смогут использовать прогнозный анализ для запуска продукта и предугадывания намерений клиентов.

Анализ настроения

Чат-боты становятся более разговорчивыми, и следующим шагом будет анализ настроения пользователя. Здесь речь идет уже не только об эффективном ответе или решении, но и предвосхищении ожиданий клиентов. С помощью анализа настроения чат-боты смогут понять, хорошо ли идет разговор, чтобы соответствующим образом отреагировать на эмоции клиента. Чат-бот сможет изменять свои ответы, чтобы они соответствовали эмоциям пользователя. Это также позволит вовремя перевести диалог на консультанта для решения вопроса.