Как простой чат обрёл интеллект и стал целой аналитической платформой

Альфа-Банк превратил диалоги с клиентами в стратегический актив.

У каждого бизнес-клиента Альфа-Банка есть свой персональный менеджер. Если возникает какой-либо вопрос или проблема — можно смело звонить ему за помощью. Или написать в специальный чат в приложении Альфа-Банка. Самое интересное, что в этот момент работает не только ваш менеджер, но и сам чат.

Пока менеджер решает вопрос, обращение параллельно обрабатывается несколькими алгоритмами искусственного интеллекта. Диалог превращается в ещё один квант коммуникаций, на основании которого Альфа-Банк становится лучше. Рассказываем, каким образом переосмысление чатов как данных помогает сделать клиентский сервис идеальным.

В 1960-х годах Калифорнийский университет в Ирвайне строил кампус для учебных занятий и проживания преподавателей и учащихся. Этот вуз одним из первых в США не стал прокладывать заранее каких-либо дорожек между зданиями. Профессора и студенты ходили по зеленым газонам как им вздумается. Спустя год на траве проявилась паутина четко вытоптанных линий. Именно вдоль «народных троп» строители затем и проложили дорожки. Эти пути не просто соединяли строения друг с другом — они отражали естественные предпочтения в перемещении людей. В ландшафтном дизайне такие дорожки называют «выбранными».

Примерно в то же время один из пионеров искусственного интеллекта и специалист по менеджменту Рассел Акофф предложил почти то же самое в управлении организациями. Например, чтобы ассортимент магазинов у дома формировали не региональные директора по закупкам и логистике, а продавцы на низовом уровне, так как именно они взаимодействуют с покупателями и знают их предпочтения. В результате лояльность клиентов увеличится, а на полках не останется нераспроданных остатков. Идея была продуктивной, но отсутствие развитой вычислительной техники и методов работы с большими данными тогда не позволило ей реализоваться на все сто.

В обеих историях речь идёт об одном и том же принципе: идти за потребителями. Или, если сформулировать строго научно, — «корректировать работу системы с помощью обратной связи». Проблема в том, что чем больше компании, тем сложнее им получать такую обратную связь. Многие проводят исследования лояльности с помощью анкет и социологических методов. Но Альфа-Банк этим не ограничивается. Есть ещё один действенный и более передовой способ, которым пока не пользуются большинство компаний. А ведь у них прямо под ногами лежат россыпи ценнейших данных — ежедневные диалоги менеджеров с клиентами, где последние сами, регулярно и очевидным образом формулируют все свои боли, проблемы и потребности.

Изначально чат с менеджером задумывался как внутренний стабильно работающий в любых условиях и защищенный канал связи бизнес-клиентов со своими персональными помощниками в банке. Качество и продуктивность коммуникации менеджера здесь на первом месте. А значит и методы оценки требуются иные, нежели для рядового оператора контактного центра. Да и перечень запросов клиентов гораздо шире и сложнее.

Усложнение системы оценок постепенно превратило чат в платформу с продвинутой аналитикой. Общение в чатах идёт в свободной манере, используется обычная разговорная речь. Поэтому для анализа применяется несколько моделей обработки естественного языка. Одна выделяет ключевые слова, паттерны, связанные с теми или иными сервисами, технологиями или сотрудниками. Другая служит для сентимент-анализа. С его помощью выявляется тональность — эмоциональная окраска тех или иных фраз: позитивная, нейтральная либо, что особенно важно, негативная. При этом данные из чатов никогда не покидают контура банка.

Как это работает? Итак, вы пишете сообщение в чат, а искусственный интеллект в реальном времени оценивает тему вопроса, ваши эмоции и намерения (например, готовы ли вы закрыть депозит или, наоборот, хотите открыть новый). Менеджер тут же получает в интерфейсе чата подсказку, например: «клиенту сейчас грустно, предложите ему специальные условия по кредиту».

Особенно ценно если недовольство всплывает во множестве диалогов из-за повторяющейся технической проблемы — ошибки в приложении или непонятного клиентского пути — тогда система автоматически отправляет сигнал о ней продуктовой команде. Кстати, в этом случае анализируется и негатив самих менеджеров в рабочих чатах с другими специалистами банка, когда они пытаются помочь клиентам. Это ещё один «звоночек» о необходимости исправлений.

Ещё реплики клиентов отлично выявляют «слепые пятна» у разработчиков и продакт-менеджеров. Например, при проектировании чата с менеджером никто не предполагал, что клиентам захочется общаться с помощью голосовых сообщений. В реальности — это один из постоянных запросов, который скоро будет реализован.

По итогам длительных периодов анализа для руководителей собирается дашборд со статистикой. В нём наглядно видны самые частые и наиболее серьезные проблемы клиентов, требующие улучшения в разных аспектах сервиса. Отдельно выводится рейтинг качества работы менеджеров, а также эффективность использования полученных от ИИ подсказок. Последнее создает ещё одну петлю обратной связи уже для улучшения самих моделей. Важно, что ИИ анализирует сообщения обезличено и никак не использует и не обрабатывает персональные данные клиентов.

Так коммуникации из «черного ящика» превращаются в драйвер постоянных изменений. Бессмысленный архив чатов на серверах — в стратегический актив. Каждый диалог — в инсайт для улучшения клиентского опыта.

Новый подход к диалогам в чатах с персональными менеджерами даёт прямой экономический эффект — клиентов не нужно мучить длинными анкетами, а маркетинговым агентствам платить за исследования. Но самое главное:

Потребители получают более качественный сервис. Банк в большинстве случаев предлагает именно то, что им действительно нужно в данный момент. Коммуникация персонализируется под каждого клиента.