Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел

На примере банка для предпринимателей «Точка».

Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел

Если у вас есть бизнес, связанный с обслуживанием и поддержкой большого количества клиентов, то вы знаете, как важно учитывать и уметь правильно администрировать расписания, пиковые нагрузки, время ожидания пользователей на линии.

Если вы неоптимально составили график операторов, не сумели предвидеть пиковый период обращений, не позаботились о том, чтобы пользователи могли получить ответы на свои вопросы заранее, это неминуемо приведёт к тому, что ваши клиенты будут по 10 минут слушать музыку в телефонной трубке в ожидании ответа специалиста. В результате ощущение от сервиса портится, клиенты бесятся, сотрудники поддержки в мыле и переработках, а вы сгораете от стыда.

В «Точке» обслуживают больше 100 тысяч предпринимателей, которым мы обещаем брать трубку с первого гудка и решать любую проблему за один разговор без переключений между специалистами.

Нельзя сказать, что у нас всегда получается выполнять это обещание, но мы постоянно оптимизируем работу поддержки и ищем новые способы улучшить ключевые показатели. В конце 2017 года у нас получилось сократить количество клиентских обращений на 35% в самый пиковый месяц — декабрь, при этом совершив доброе дело.

Опыт подсказывает, что в декабре случается коллапс, и все клиенты начинают звонить в поддержку по самым разнообразным вопросам. Помимо увеличения времени ожидания ответа, страдания пользователей и необходимости выводить больше людей на поддержку, мы несём дополнительные расходы, ведь каждый звонок в «Точку» стоит нам денег.

Банк для предпринимателей решил кое-что предпринять: мы проанализировали, по каким вопросам больше всего обращаются клиенты в декабре. Всё оказалось достаточно предсказуемо — это конец года, предприниматели спешат закрыть сделки, заплатить налоги, зафиксировать прибыль. Мы взяли декабрьскую статистику за прошлые годы и наложили на ситуацию в конце 2017 года, разбили обращения по портретам клиентов. Топ вопросов выглядит так:

  • как пополнить расчётный счёт;
  • хочу оплатить картой или снять деньги в банкомате;
  • как получить выписку по счёту и другие документы;
  • как и когда сделать платёж в бюджет;
  • забыл логин и пароль от интернет-банка;
  • сколько и где можно снять денег;
  • как ходят платежи в праздники.

Далее нужно было спрогнозировать на основе прошлых данных и с учётом постоянного роста и изменения клиентской базы, сколько обращений и в какие даты нам ждать.

Мы собрали статистику обращений, смоделировали рост клиентской базы и структурировали обращения по месяцам. В итоге мы получили выборку и с помощью методов машинного обучения построили прогнозную модель обращений в службу поддержки.

Для корректного прогнозирования пиковых нагрузок мы перебрали несколько методов машинного обучения, опробовав поочерёдно регрессионную модель, эволюционные алгоритмы и нейронную сеть.

Прогнозная модель по количеству обращений в поддержку «Точки» в декабре 2017 года
Прогнозная модель по количеству обращений в поддержку «Точки» в декабре 2017 года

По прогнозному графику стало ясно, что для комфортной работы нужно сократить количество обращений в полтора раза. И мы решили заранее напомнить клиентам о самых важных делах, которые нужно сделать: написали ответы на самые частые вопросы, составили чек-лист, разбили по портретам клиентов и подготовили письма для рассылки по базе.

Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел

У нас достаточно хорошие показатели по рассылкам, как правило, открывают письма 50-60% из получивших, отвечают примерно 1-2%, проходят по ссылкам около 7%, отписываются от рассылок меньше 1% читающих.

На этом можно было бы остановиться, но мы все хорошо знаем, что прочитать простыню текста от банка, пусть даже написанную на нормальном языке, и пройти чек-лист для занятого предпринимателя, у которого почта всегда «в огне» — тот ещё подвиг. В лучшем случае письмо прочитают по диагонали с мыслью: «Всё круто, но мне некогда, поэтому, если что, я лучше потом позвоню и всё узнаю».

Мы стали думать, чем бы таким зацепить клиентов и как вовлечь в игру «Не звони мне, не звони», одновременно решив все их проблемы. Так возникла идея объявить этот месяц временем бережливости и предновогодних чудес, воззвать к искренним человеческим чувствам и предложить сделать что-то хорошее вместе.

Изначально мы собирались сократить свои расходы на поддержку, но важнее было обеспечить нормальный режим работы специалистов и сделать так, чтобы клиенты решали свои вопросы в комфортном режиме. Мы решили все сэкономленные деньги отдать в детский Благотворительный Фонд Константина Хабенского, чтобы каждый смог почувствовать причастность.

Мы написали трогательное письмо, в котором предложили свою помощь в подготовке к предновогодней суете, попросили по возможности не звонить в банк в декабре и тем самым вместе помочь тем, кому эта помощь действительно необходима.

Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел
Управляем загруженностью службы поддержки с помощью машинного обучения и добрых дел

Что мы получили

Наше письмо открыли 52% получивших. По вопросам, которые мы разъяснили в письме, в банк обратилось на 35% меньше людей, чем мы прогнозировали.

Мы сэкономили 1 млн рублей на поддержке и перевели их в Благотворительный Фонд Константина Хабенского, что позволило шести мальчикам и шести девочкам, победившим опухоль мозга, провести новогодние каникулы в реабилитационном лагере в Подмосковье, а трём семьям с такими ребятами — пройти в январе-феврале интенсивный курс семейной реабилитации в Финляндии.

Реальная картинка обращений по отношению к прогнозной выглядит вот так: на графике видно, что нам удалось довольно точно предсказать пики с помощью мат-статистики и методов машинного обучения. Реальный график получился ниже прогнозного: наши письма получились действительно искренними, а предприниматели — отзывчивыми.

А ещё мы увидели, что применение даже простых методов машинного обучения позволяет нам строить достаточно точные прогнозные модели, например, для расчёта численности сотрудников поддержки и составления графиков работы.

Фактическое количество обращений в поддержку «Точки» в декабре 2017 года
Фактическое количество обращений в поддержку «Точки» в декабре 2017 года

Мы с радостью отмечаем, что интеграция благотворительных механик в российский бизнес срабатывает всё чаще — это прямо указывает на рост социальной ответственности нашего общества и вовлечённость бизнеса в развитие благотворительности в России.

Результат вдохновляет — 1 млн рублей и реальные изменения в жизни 15 детей, победивших опухоль мозга. Спасибо команде банка и предпринимателям, которые откликнулись на предложение принять участие в акции. Вместе мы добьёмся того, что в ближайшие годы благотворительность станет неотъемлемой частью жизни каждого человека в нашей стране

Анна Сысоева, директор по развитию Благотворительного Фонда Константина Хабенского
3030
17 комментариев

Модель прогноза SLA от количества обращений, числа операторов и средней длительности разговора в приближении Пуассоновского распределения была описана Эрлангом хрен знает сколько лет назад и применяется во всех системах WFM (workforce management). Зачем тут нейронная сеть, машинное обучение и прочие сложности? :)

12
Ответить

Я тоже прифигел от "мы перебрали несколько методов машинного обучения, опробовав поочерёдно регрессионную модель, эволюционные алгоритмы и нейронную сеть". Судя по прогнозу и результату достаточно было день недели и удаленность от НГ просто умножить на рост кол-ва клиентов.
Вам надо статью на хабре написать - поржём в комментах.

2
Ответить

Нам принципы подобия рассказывали в 5 классе на геометрии, но без нейронной сети сейчас никуда =).

2
Ответить

Авторам статьи и всему отделу, занимающемуся подобной аналитикой, советую книгу Хэмди А. Таха "Исследование операций". Там про теорию массового обслуживания достаточно подробно написано.
И да, напишите на Хабр, что вы конкретно сделали. Интересно будет обсудить :)

1
Ответить

Не кажется ли вам, что нужен просто FAQ, с которым стоит предлагать ознакомиться всем, открывающим счёт в Точке?
Обычно именно для этого и нужен "топ вопросов".

3
Ответить

что за кресло на первом фото? удобное?

вот интересно почему нет обзоров на удобные кресла для айтишников..

Ответить