Как снизить затраты колл-центра транспортной компании в 2 раза с помощью ботов

Twin автоматизировала колл-центр логистического оператора. Теперь на запросы клиентов отвечают голосовые и чат-боты. Затраты колл-центра сократились в 2 раза, а региональные продажи выросли в 6 раз. Рассказываем, как мы этого добились.

В закладки

Как работает Twin

Twin — платформа для построения омниканальных автоматизированных коммуникаций с клиентами. Она помогает создавать и интегрировать голосовые и чат-боты. Платформа поддерживает звонки, SMS, email, а также сообщения в мессенджерах и соцсетях.

Сегодня робот Twin второго поколения может поддерживать 50 000 параллельных разговоров, и только 4% абонентов понимают, что с ними общается не человек. Чтобы это проверять, в компании есть практика оценки голосового бота. 5 разных людей прослушивают звонки и ставят оценки по 10-балльной шкале.

В Twin клиент платит только исходя из нагрузки робота. Платформа использует технологию определения автоответчиков и IVR на основе Machine Learning. Это сокращает расходы на «немые вызовы», и клиенту не приходится оплачивать общение с автоответчиком.

Клиент: колл-центр транспортной компании

Клиент — одна из крупнейших транспортных компаний в России. Компания занимается перевозкой и доставкой грузов по стране и за ее пределами, клиенты — физические лица. В собственном колл-центре 39 сотрудников, еще 165 человек — на аутсорсинге. Вместе они обрабатывают 1,5 млн сообщений, 200 000 входящих и 50 000 исходящих звонков в месяц.

Проблема: звонков все больше, лояльность клиентов все ниже

Сотрудники колл-центра перестали справляться с потоком заявок. В пиковые моменты нагрузка увеличивалась в 60 раз, операторы не успевали отвечать на звонки, лиды и сообщения клиентов терялись.

Клиентам приходилось до 30-40 минут висеть на линии и ждать ответа, а при переключении на других специалистов — каждый раз заново объяснять суть вопроса. Чтобы справиться с растущим потоком заявок, нужно было бы нанять в колл-центр еще 400 человек по всей стране. Клиент обратился в Twin.

Решение: автоматизация колл-центра с Twin

Что сделали специалисты Twin, чтобы исправить ситуацию?

1. Изучили бизнес-процессы, финансовые и другие показатели: процент пропущенных вызовов, конверсию звонка в продажу, скорость обработки звонка, повторные обращения. Обнаружили причины потерь денег и времени и сконцентрировались на их устранении.

Количество пропущенных вызовов в месяц до начала сотрудничества​

2. Чтобы снизить издержки, заменили SMS-уведомление получателя груза голосовым сообщением, которое дешевле в 2 раза (1,25 рубля за 15 секунд голосового уведомления вместо 2,5 рублей за SMS).

3. Чтобы данные не терялись, сделали интеграцию с SAP клиента, научили боты автоматически транскрибировать голосовые сообщения клиентов из большинства известных мессенджеров, а также заполнять данные о звонках в карточке клиента.

4. Начали использовать различные виды уведомлений через различные каналы: push, Viber, VK, Telegram и так далее. Для коммуникации с клиентом используются более дешевые каналы коммуникаций. Если не получилось связаться через них, уведомление уходит в более дорогой канал, например SMS.

5. Создали интеллектуальный бот, который информирует о статусе груза, определяет локацию клиента, предлагает удобную доставку и самостоятельно обрабатывает заказы — как голосом, так и в чатах. Таким образом, разгрузили операторов и повысили скорость обработки заявок.

​Диалог с ботом о доставке груза во Вконтакте

Результаты: как Twin разгрузила колл-центр

90%
запросов клиентов транспортной компании Twin обрабатывает самостоятельно.

Сейчас Twin самостоятельно обрабатывает 90% запросов клиентов транспортной компании. Оставшиеся 10% обращений обрабатываются через телефонию и чат-платформу Twin. Технология рабочего места оператора call-центра предоставлена на базе Twin.

Интерфейс оператора в чат-платформе TWIN

Количество операторов, обрабатывающих входящие звонки, до и после интеграции

0 пропущенных звонков. До интеграции с Twin более 20% клиентов не могли дозвониться до call-центра. После интеграции в компании нет ни одного пропущенного звонка. А вопросы о статусе груза, которые составляют 80–90% всех входящих звонков, боты обрабатывают моментально.

1 секунда ожидания вместо 18 минут. Мы сделали интеграцию с SAP транспортной компании, чтобы сразу приветствовать клиента по имени и предугадывать возможный вопрос. Что-то вроде «Иван Иванович, ваш груз придет завтра, 25 февраля». И более 80% таких запросов не требуют дальнейшего продолжения диалога. Такой простой шаг существенно ускорил обработку клиентских запросов: раньше клиенты ждали по 18 минут, теперь узнают статус груза за секунду.

44 сотрудника вместо 205. Теперь для управления проектом достаточно одного человека со стороны заказчика и техподдержки Twin 24/7. Необходимость в найме дополнительных операторов отпала, более того — удалось сократить штат с 205 до 44 сотрудников.

5% — рост конверсии из звонка в заявку на доставку. У тех, кто остался, освободилось время на личное общение с клиентами. Теперь они общаются с ними не по стандартным, рутинным вопросам, а тогда, когда необходима квалифицированная помощь. Кроме того, у них есть возможность продавать дополнительные услуги. Мы на 5% повысили конверсию в заявку на доставку из звонков, которые не касались статуса груза.

20–40 заявок на одного сотрудника вместо 10–20. Есть и еще одно существенное изменение — рост количества внутригородских доставок. В городе-миллионнике 3–10 логистов формируют лист доставок. Раньше они звонили и предлагали доставку по городу. Теперь холодными продажами занимается бот, а сотрудники работают только с теплыми лидами, которых передает робот. Количество заявок на доставку на одного сотрудника выросло с 10–20 до 20–40. В отдельных регионах продажи дополнительных услуг по внутригородской доставке выросли в 6 раз.

Затраты на оповещение клиентов снижены на 70%. До интеграции с Twin всем клиентам отправляли SMS, и каждое обходилось в 2,5 рубля. После интеграции клиенты получают короткие голосовые уведомления, стоимость которых в 2 раза ниже, чем стоимость SMS. Затраты на оповещение снизились на 70% за счет приоритизации каналов. Использование голосовых уведомлений позволило не только снизить стоимость, но и зафиксировать, ответил ли клиент, подтвердил ли самовывоз или заказал доставку до двери. В случае споров, мы всегда можем предъявить запись звонка.

Вот что говорит представитель транспортной компании:

Мы планировали расширять call-центр в связи с развитием бизнеса, это повлекло бы расходы на найм и обучение дополнительно 400 человек по всей стране. Решение от Twin позволило выполнять этот объем, а также снизить затраты на обязательное уведомление клиентов о статусе грузов.

Телефонный робот смог эффективно заменить SMS по тарифу, стоимость которого в два раза ниже. Да, перед внедрением решения Twin у нас были страхи, насколько наши абоненты будут готовы общаться с роботом, как это скажется на их лояльности.

Пилотный проект и дальнейшее сотрудничество показали, что телефонный робот Twin это интеллектуальное решение, не уступающее квалифицированному специалисту call-центра, — подавляющее большинство абонентов вообще не заметили, что они говорят с роботом.

Что дальше: планы на 2020 год

В 2020 году мы собираемся расширить возможности бота и добавить интервальную доставку. Бот будет запрашивать у клиента дату, адрес, удобное время, подъем на этаж, пропускной режим и другие детали доставки.Что дальше: планы на 2020 год

Кроме того, через 4 месяца мы выпустим BOX-версию продукта, заточенного под самую крупную компанию по доставке грузов в РФ. Сейчас Twin — это SaaS, а BOX-версию мы установим на оборудование клиента, используя его мощности и серверы. Так мы обеспечим хранение информации на серверах клиента, а значит, решим вопрос с безопасностью данных. Кроме того, использование собственных серверов клиента позволит оптимизировать расходы на трафик.

Материал опубликован пользователем.
Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "Олег Юшков", "author_type": "self", "tags": [], "comments": 2, "likes": 3, "favorites": 20, "is_advertisement": false, "subsite_label": "marketing", "id": 109948, "is_wide": false, "is_ugc": true, "date": "Mon, 02 Mar 2020 10:31:23 +0300", "is_special": false }
0
2 комментария
Популярные
По порядку
1

первый!

Ответить
0

не читал, но одобряю

Ответить

Прямой эфир