Как крупной компании создать чат-бот для техподдержки, чтобы он работал не только в мечтах

Зачем делать корпоративный чат-бот, какие задачи ему делегировать и сколько ресурсов потребуется для разработки. Своим опытом делится производитель топливных карт для бизнеса — компания ППР.

В любой компании есть отдел, который никогда не радуется, что клиентов становится больше. Это служба поддержки. Так и у нас в ППР: в какой-то момент call-центр перестал справляться с потоком звонков. Компания оказалась перед выбором: расширять штат операторов и тратить на это огромные деньги или вложиться в чат-бот. Мы решили пойти по второму пути.

Поначалу казалось, что в этом нет ничего сложного, ведь боты уже освоили многие и все шишки набили до нас. Реальность оказалась другой, и на каждом этапе разработки возникали проблемы. Мы решили собрать весь опыт и поделиться с теми, кто только планирует внедрять чат-бот.

В первую очередь мы составили пошаговый план: что предстоит сделать. Выглядел он так:

Теперь обо всем по порядку.

Когда клиенты звонят на горячую линию, оператор заполняет специальную форму с информацией об обращении. Именно эти формы мы анализировали, чтобы понять, какие вопросы задают люди и какие ответы можно переложить на бот. 90% вопросов оказались простыми и рутинными. Условно мы разделили их на две категории:

Информационные запросы. Это вопросы в духе «Какой у меня лимит на карте?», «Где ближайшая АЗС, на которой можно заправиться по моей карте?».

Проблемы. Чаще всего это совсем простые запросы вроде «Я потерял карту, как ее заблокировать, чтобы кто-то другой не воспользовался?» или «Я забыл ПИН-код от карты, что делать?».

На эти вопросы ответы всегда одинаковые. Оператор смотрит скрипт и проговаривает одни и те же фразы. Или, как в случае с ближайшей АЗС, смотрит информацию по карте и озвучивает клиенту.

Оставшиеся 10% вопросов — сложные проблемы вроде такой: «На заправке мне залили не тот бензин, что делать?». Здесь шаблонным ответом не обойтись, нужно разбираться детально.

В итоге мы решили так:

Параллельно с анализом вопросов клиентов мы подбирали людей для разработки бота. От идеи воспользоваться услугами подрядчиков пришлось отказаться сразу: против этого выступили юристы и служба безопасности компании. Дело в том, что подрядчики получили бы доступ к персональным данным клиентов и информации об их счетах и картах.

В итоге к созданию бота привлекли сотрудников компании.

Мы решили сперва запустить чат-бот в мессенджерах и только потом интегрировать в мобильное приложение и личный кабинет ППР. При выборе мессенджеров ориентировались на предпочтения наших пользователей: выяснили, что 90% клиентов предпочитают WhatsApp, — с него и начали. Менее приоритетными оказались Telegram и Viber — там бот появился позже.

Подключение к боту. Чтобы начать диалог с ботом в первый раз, пользователи авторизуются по номеру топливной карты ППР. Им не нужно запрашивать дополнительные данные для доступа к боту у руководителя автопарка компании.

Когда водители обращаются за помощью, информация им нужна срочно. Простая авторизация в таких условиях — гарантия того, что получить доступ к боту получится быстро.

Навигация. Схема навигации чат-бота — почти такая же, как в голосовом меню (это когда вы звоните в компанию, и робот просит вас нажать определенные кнопки для связи с нужным отделом). Сначала пользователь выбирает категорию, к которой относится его вопрос. У бота есть такие категории:

В некоторых категориях есть дополнительные подкатегории. Например, так реализована категория «АЗС»:

Команды и произвольные запросы. Бот сразу отправляет пользователю список команд, которые лучше всего «понимает». Но это нравится не всем: люди хотят быстрее получить ответ, а не действовать по указке робота. Поэтому мы обучили бот распознавать произвольные фразы и по ключевым словам понимать намерения пользователя.

Чем больше произвольных фраз распознает бот, тем точнее его ответы. Важно, чтобы бот понимал ключевые слова:

Помощь пользователю. Мы понимали, что ботом будут пользоваться люди, которые привыкли звонить в поддержку и следовать инструкциям оператора. Чтобы им было проще разобраться с ботом, мы добавили в него раздел «Помощь».

Подключение консультанта к чату. Если клиенту сложно разобраться в инструкциях бота или нужно задать дополнительные вопросы, он может вызвать в чат живого оператора. Для этого есть команда «Консультант».

Также бот может вызвать оператора в чат автоматически — если не распознает команды пользователя.

Ключевыми шагами в процессе разработки были:

Разработать бот недостаточно, нужно убедить людей пользоваться им. Это сложно, когда аудитория — консервативные водители. Чтобы преодолеть их нежелание пользоваться техническими новинками, мы действовали в двух направлениях:

Уведомили руководителей. Мы контактируем с компаниями-клиентами через их руководителей автопарков. У руководителей есть личные кабинеты ППР, где они отслеживают информацию по картам водителей. В первую очередь мы разослали уведомления о новом чат-боте в личные кабинеты руководителей и попросили их рассказать о боте своим подчиненным. Это логично: менеджеры сами заинтересованы в том, чтобы водители без проблем пользовались картами и получали информационную поддержку.

Придумали, как донести информацию до самих водителей. Компания ППР контактирует с водителями, только когда они звонят в call-центр. Мы решили использовать этот канал связи для продвижения бота: изменили скрипты работы операторов. Когда водитель звонил с простой проблемой, оператор сообщал ему, что теперь такие вопросы тот может задавать боту и получать ответы моментально, без ожидания на линии.

Люди будут пользоваться ботом, только если он решает их проблемы. Поэтому важно постоянно отслеживать эффективность его работы. Чтобы понять, справляется ли бот со своими задачами и где его нужно дорабатывать, сразу после запуска мы начали собирать обратную связь.

Изначально, когда водитель завершал сессию общения с ботом, ему приходило сообщение с просьбой оценить консультацию по шкале от 1 до 5. Вскоре мы отказались от этого подхода, так как выяснилось, что такая оценка довольно субъективна. Сейчас бот просто задает клиенту вопрос: была ли решена его проблема. Если клиент говорит «Нет», ему перезванивает оператор — чтобы помочь разобраться с проблемой и заодно получить обратную связь о консультации бота.

Поначалу бот плохо распознавал сложные фразы пользователей и выдавал нерелевантные ответы. Еще в первое время возникали проблемы с доставкой сообщений в чатах. Все это мы выявляли с помощью логирования — записей данных о работе программы, которые активно вели для выявления потенциальных проблем.

Сразу после запуска мы дообучали бот распознавать сложные фразы пользователя. Человек, который занимался этим, добавлял новые обучающие фразы — выборки, соответствующие определенному намерению пользователя.

Например, в намерение «Узнать лимит по карте» можно добавить обучающую фразу «Я хотел бы уточнить свой лимит». Это всего один пример, а на самом деле на каждое намерение очень много обучающих фраз. Чем их больше, тем больше вариаций запроса распознает бот.

Распознавание сложных фраз — не единственная цель дообучения бота. В компании появляются новые бизнес-требования, меняются запущенные продукты и появляются новые. Все изменения нужно как можно быстрее учитывать в логике работы бота, а значит, дорабатывать его и добавлять новые функции. Процесс не заканчивается никогда. Это нужно понимать и выделять на дообучение бота ресурсы — человеческие и финансовые.

Снизили время ожидания ответа. Раньше водители ждали ответа оператора по телефону по несколько минут. С ростом количества звонков время ожидания могло увеличиваться. Сейчас бот отвечает моментально. Если нужно, сотрудник приходит в чат через 2–5 минут после запроса.

Поручаем операторам call-центра только сложные и интересные задачи. Пока большую часть рутинных вопросов обрабатывает бот, сотрудники разбирают только сложные ситуации клиентов.