Маленький шаг искусственного интеллекта — большой для аналитики

Как увеличить конверсию, эффективность менеджеров и грамотно оптимизировать рекламу — три вечных вопроса в digital-маркетинге. Однако у искусственного интеллекта есть ответы на них в этой статье.

Всем привет! Меня по-прежнему зовут Павел Мрыкин, я являюсь экспертом по сквозной аналитике в Calltouch. Сегодня я хотел бы поговорить с вами о возможностях, которые получает бизнес при объединении двух технологий, а именно — сквозной аналитики и искусственного интеллекта.

Зачем она вообще нужна бизнесу? Чтобы управлять процессами на основе данных, а не магической «чуйки». Сквозная аналитика позволяет в одном окне объединить все данные, которые важны для принятия управленческих решений.

Однако что делать, если потребовались данные, которые не передаются из CRM, или нужно срочно оценить качество и характер входящих звонков, но чтобы сделать это, нужно сначала прослушать каждый звонок?

Есть три варианта исхода событий:

1. «Забить». Ну нет данных и нет, как-то до этого же без них работали, давайте посмотрим, что можно сделать без них. Мы, конечно, так делать не будем, и поэтому идём дальше.

2. Настроить CRM на передачу необходимых данных, нанять сотрудника, который будет прослушивать и тегировать дальше звонки. Идея с CRM правильная, но в реальности мы часто встречаемся с тем, что разработчик занят и у него сейчас другие приоритетные задачи.

Что же касается людей, то они могут заболеть, устать, ошибиться при выборе тега, не сохранить работу и так далее. Таким образом влияние человеческого фактора слишком велико. Если же вы уверены, что за сотрудником не нужно будет проверять его работу и она будет на 90% сходиться с реальностью — или вам очень повезло с сотрудником или пора проснуться.

3. Если же задачу нужно решать, а предыдущий вариант сам себя дискредитирует, то предлагаю переложить обработку всех данных на бездушные машины. Работают они 24/7, не устают, качество работы зачастую превосходит ручной труд, а некоторые из них даже дополнительных денег не просят. И кофе пить не ходят.

Предлагаю на реальных примерах рассмотреть задачи, которые рано или поздно встают перед бизнесом и как с их решением может помочь искусственный интеллект.

Первым делом мы зайдём в отчёт по источникам трафика, выберем в качестве метрики% в сделки и выберем два последних месяца. Как видим — конверсия в сделки стала неуклонно падать.

В то же время, если сопоставить процент сделок с количеством поступающих уникально-целевых звонков мы увидим, что тренды прямо противоположные.

Здесь мне могут возразить и сказать о том, что логично, звонков в прошлом месяце было меньше, оттого и сделок в следующем меньше. И это правда, особенно в тематике с длинным циклом сделки, однако если мы добавим ещё месяц, то общая картина не изменится.

Причина таких тенденций была обнаружена после начала прослушивания звонков. Оказалось, что перед тем, как на стороне колл-центра оператор поднимет трубку — срабатывает автоматическое приветствие и это событие воспринимается системой как целевое.

По факту же произошло следующее. В связи со спадом входящих обращений в период самоизоляции в компании сократили количество операторов. Это привело к тому, что когда спрос начал расти, то текущими силами операторы перестали справляться с входящими звонками и обрабатывали только те, на которые успели ответить.

В то же время, клиенты, которые пытались дозвониться — какое-то время слушали приветствие, музыку, а потом уходили к конкурентам.

Задача состоит в том, чтобы помечать звонок целевым только в случае состоявшегося диалога между клиентом и оператором колл-центра.

Именно это и делает робот: он прослушивает запись на наличие в ней голоса клиента. При этом вы можете задать сколько времени должен звучать голос клиента для пометки звонка успешным.

Конечно данный функционал не повышает конверсию напрямую, однако если бы бизнес вовремя увидел количество необработанных звонков, то вовремя бы нанял новых сотрудников и не упустил клиентов.

Повышать эффективность можно двумя способами: растить тех, кто хорошо работает и отказываться от тех, кто не справляется, а думает только об окладе.

Однако что делать, когда перед глазами пара сотен звонков, а информация о менеджере и результате разговора скрыта в записи разговора?

Опять же — использовать технологии. Если же всё-таки решитесь слушать вручную, не забудьте про возможность ускоренного прослушивания разговора — это сильно экономит время.

Итак, по факту перед нами встало две задачи:

• Определить менеджера
• Совершил ли клиент целевое действие во время звонка, будь то заказ или запись на приём.

Для первой задачи нам потребуется алгоритм, который скажет нам кто разговаривал с клиентом — Вася или Петя. Для того, чтобы машина начала «узнавать» ваших менеджеров, её нужно с ними познакомить. Точнее системе нужно «скормить» голоса всех ваших менеджеров.

Так как машинное обучение работает по принципу «найди максимально похожее», то при настройке важно добавить всех менеджеров и постоянно поддерживать их актуальность. В противном случае, если к Пете и Васе добавится Ваня, а система о нем не знает, то звонки, в которых он участвовал будут помечаться именем менеджера, чей голос будет максимально похож.

Отлично, менеджера определили, как решить задачу определения его эффективности? Подключаем речевую аналитику. Она решает сразу несколько задач:

• Быстрый просмотр содержания диалога по тексту
• Текстовый поиск по содержанию звонков
• Тегирование звонков с целевыми действиями.

Модель не нужно учить с нуля для перевода аудио в текст, а вот для корректного определения целевых действий в звонках — системе нужно на примерах показать, в каких звонках звонок заканчивался записью на приём или оформлением заказа. Именно на основе этих звонков модель и будет работать и обучаться дальше.

После всех настроек мы можем строить отчёты по эффективности менеджеров и анализировать качество их работы.

Задача сквозной аналитики — собрать в себе все необходимые данные для принятия управленческих решений. Одним из таких решений может быть — увеличение продаж или повышение рентабельности.

На основе данных о том, какой канал приносит больше сделок, а не только заявок, можно управлять кампаниями в рекламных кабинетах, но зачем, если этот процесс также можно отдать системам оптимизации?

Для настройки необходимо определить следующие параметры:

• Кампании для оптимизации
• Целевые действия (заявки, звонки, обратные звонки)
• Метод автоматизации: автоматическое управление или рекомендательная система

Особенно хочу остановиться на третьем пункте. Чаще всего, когда мы используем автоматические стратегии или системы оптимизации, то нам необходимо довериться им и постоянно контролировать. Если вы хотите оставить всю власть себе и самостоятельно принимать решения об изменении ставок, то система рекомендаций — ваш выбор.

Внедрённая сквозная аналитика не будет приносить пользы, если накопленные и сведённые данные не будут использоваться для управления рекламными бюджетами.

Поэтому логично использовать инструменты оптимизации и автоматические стратегии как внутри инструментов сквозной аналитики, так и на самих рекламных площадках.

Если есть возможность не тратить огромное количество часов на рутину и исключить влияние человеческого фактора на ваш бизнес, то почему бы не начать это делать уже сегодня?

Наступило то время, когда для автоматизации процессов и увеличения вашей эффективности можно использовать готовые решения, которые работают на основе алгоритмов машинного обучения.

Современные технологии позволяют вам:

• Контролировать загруженность колл-центра
• Контролировать исполнение продающих скриптов
• Выявлять эффективные приёмы продаж, на основе звонков, закончившихся целевым действием
• Оптимизировать рекламу в автоматическом режиме или на основе рекомендаций алгоритмов.

А в связке с данными по конверсиям, уникально-целевым звонкам, ROI источников вы принимаете грамотные решения, а не доверяетесь интуиции. Используйте возможности искусственного интеллекта для бизнеса, чтобы добиваться результата.