Это база. Как в МТС управляют знаниями сотрудников клиентского сервиса

Рассказываем, как развивали систему управления знаниями и повысили удовлетворённость сотрудников базой знаний на 30%.

Привет, VC! Я Вова Ходаков, продакт системы управления знаниями в МТС. С 2020 года мы развиваем базу знаний департамента клиентского сервиса. В этой статье я расскажу, как она появилась, в чём её особенности и как мы смогли повысить удовлетворённость сотрудников базой знаний на 30%.

Система управления знаниями (СУЗ) помогает автоматизировать процесс сбора, хранения и распространения корпоративных знаний для эффективной работы компании.

Благодаря базе знаний сотрудники могут быстро находить нужную информацию, делиться опытом, улучшать коммуникацию и сокращать повторные ошибки.

Сложность в работе с базой знаний заключаются в том, что необходимо собирать и структурировать большой объём информации, а также поддерживать актуальность и принятие информации от сотрудников. Всё это зависит в том числе от выбора подходящей IT-платформы.

В 2019 году, пока многие досматривали финал «Игры престолов», департамент клиентского сервиса МТС решил создать свою систему управления знаниями. И вот из-за чего.

✖ Неактуальное решение
Существующая база работала медленно и не удовлетворяла растущие требования. У неё не было мобильной версии и открытого API, а компании нужны были гибкость и интеграция с другими системами.

✖ Фрагментированность знаний
Внутри компании не было единой базы знаний. Каждое подразделение использовало свои инструменты и методы — это затрудняло обмен информацией и снижало эффективность взаимодействия между командами.

✖ Устаревшая поисковая машина
Искать информацию было тяжело и долго, а из-за ограничений по размеру документа база обновлялась с трудом.

✖ Отсутствие автоматизации
Размещением и актуализацией контента занимались редакторы, и это требовало больших трудозатрат.

Мы провели опросы. Оказалось, больше половины пользователей недовольны существующей базой знаний, а в некоторых подразделениях таких сотрудников вдвое больше, чем удовлетворённых. Самыми серьёзными проблемами были медленная работа базы и неудобный поиск информации.

В январе 2020-го началось создание собственной базы знаний для сотрудников МТС. Вот как этот процесс выглядел по этапам — с момента принятия решения и до сегодняшних дней.

1 этап — «Старт», 2020 г.

Сформировали ТЗ и roadmap, открыли финансирование и начали работу над СУЗ. Основным разработчиком была подрядная организация, а со стороны МТС в проекте участвовало 5 человек.

Одна часть наших сотрудников готовила ТЗ, а вторая занималась доставкой продукта в продакшн. Мы планировали запустить новую базу и начать миграцию из старой в этом же году.

2 этап — «Незапланированный», 2020–2021 гг.

Коронавирус и его последствия повлияли на скорость разработки. Это привело к незапланированным изменениям в roadmap, и сроки запуска сдвинулись. Но всё же команде удалось:

• перенести контент и пользователей в новую базу
• реализовать API для передачи данных во внешние системы
  
• выпустить функционал пошагового вывода информации и подбора контента по параметрам
  

Мы усилили команду МТС, и наши ребята взяли на себя большую часть разработки. А внешний подрядчик поддерживал работоспособность системы и устранял баги.

3 этап — «Запуск», 2021–2022 гг.

Продукт полностью перешёл под развитие и поддержку команды МТС. Система получила статус промышленной эксплуатации и высокий класс критичности с доступностью в 99,9%.

СУЗ обзавелась мобильной версией, функционалом черновиков и улучшенной обратной связью. В конце 2022 года команду усилил разработчик-эксперт в elastic search (спойлер: именно этот поисковый движок использует наша система).

4 этап — «Развитие», 2023 г.

Сейчас мы развиваем поиск и функционал подбора контента по параметрам, повышаем производительность и улучшаем пользовательский опыт. Пробуем использовать генеративный искусственный интеллект, чтобы помогать искать в базе ответы на вопросы и рерайтить контент.

База знаний доступна как в десктопной, так и в мобильной версии. Ежедневно в неё заходят 10 000 сотрудников, которые просматривают 25 000 статей. Но самое главное — функционал базы облегчает жизнь редакторам и специалистам клиентского обслуживания.

Сейчас приведу примеры такого функционала.

Пошаговый вывод контента

Этот интерактивный способ показа контента зависит от параметров, которые вводит читатель. Контент-менеджер может объединить схожие сценарии в одну статью и не дублировать информацию: просто указать название перехода и шаг, в который попадёт читатель при нажатии кнопки.

Например, так выглядит полный путь от первого до последнего шага:

А здесь — та же статья, в которой читатель сразу попадает на последний шаг:

Вот несколько причин, по которым пошаговый вывод контента — must have:

• читатель не видит «лишний» контент, его не пугает большой объём текста
• большую инструкцию можно разместить на одной странице
  
• сотрудники следуют единому сценарию, и за счёт этого качество обслуживания растёт
  

Благодаря пошаговому выводу контента редакторам удавалось уменьшить среднее время чтения некоторых статей вдвое. В основном такой эффект давали объёмные инструкции, в которых трудно искать информацию.

Подбор контента по параметрам

Структурирует информацию о тарифах, услугах и продуктах так, чтобы её можно было легко обновлять и использовать при создании статьи.

Так, редактор может загружать данные из Excel и оперировать ими при создании статьи: выводить, фильтровать, вычислять значения и соединять слова, используя указанные параметры.

Приведу пример статьи для тарифа МТС.

Было: редактор формировал несколько однотипных документов, в каждом указывал стоимость и особенности обслуживания тарифа в том или ином регионе. Это могло быть 10 или даже 50 статей в зависимости от особенностей тарифа. Дальше редактору нужно было поддерживать актуальность текстов.

Стало: редактор загружает в базу знаний справочник с параметрами и региональными особенностями тарифа. Далее формирует одну шаблонную статью, в которой создаёт фильтр с регионами и размещает поля, которые он будет забирать из справочника. Когда читатель откроет эту статью, он увидит пустой шаблон. Но как только выберет регион, данные по тарифу отобразятся.

Мы продолжаем развивать базу знаний и уже можем похвастаться результатами:

• количество удовлетворённых пользователей выросло на 30%
• среднее время загрузки страницы сократилось на полторы секунды
  

В ближайшее время планируем:

• Устранить баги и улучшить внешний вид функционала пошагового вывода контента.
• Расширить функционал подбора контента по параметрам.
• Научить генеративный ИИ помогать пользователям искать ответы на вопросы, а контент-менеджерам создавать и рерайтить контент.

Мы уверены: компании, которая специализируется на клиентском сервисе, не обойтись без единой базы знаний. Её наличие напрямую связано с качеством обслуживания клиентов.