Что такое ассистент Олег и как он устроен?

3 марта мы организовали онлайн-конференцию Machine Learning в Digital-продуктах с участием спикеров из Тинькофф, СБЕРа, МТС, Checklens GmbH, Brickit, Epoch8 и AGIMA. В рамках онлайн-конференции мы поговорили вместе с представителями Тинькофф и выяснили, как с помощью бота удалось автоматизировать работу.

Елизавета Корнеева и Серафима Чекулаева рассказали, как с помощью чат-бота удалось автоматизировать работу, как его воспринимают живые люди и почему все больше людей предпочитают общаться с ботами.

Это было в далеком 2017 году, тогда мы поняли, что банк растет, количество пользователей увеличивается, а это значит, что нам необходимо поддерживать высокий уровень сервиса. Для этого требуется расширять штат сотрудников Call-центра, но это было почти невозможно. В первую очередь мы задумались над тем, чтобы сократить расходы на сложные процессы и поддерживать работу операторов. Прописали всем одинаковые инструкции, чтобы быстро отвечать клиентам. После появления набора скриптов пришло понимание, что часть из них можно автоматизировать. Первой частью автоматизации были всплывающие подсказки в чате, но это давало небольшой процент автоматизированных процессов, поэтому мы пошли дальше и начали делать ML-модели.

Следующим шагом было движение в другую сторону. Вместо того чтобы давать указания пользователю что нажимать, бот выполнял эти действия на основе нашей CRM-системы. Мы стали интегрировать ее в другие проекты и поняли, что можем создавать еще более крутой клиентский опыт: делать исходящие коммуникации, что-то предвосхищать. Именно так появилась идея вырастить из простых ответов на вопросы финансового ассистента.

В 2019 году был запущен первый финансовый ассистент. Так получилось, что поддержка и ассистент находились в одном чате. Для пользователей это был совершенно одинаковый продукт под одним брендом, который они никак не дифференцируют. Быстро стало понятно, что у продуктов разные цели и задачи. В рамках ассистента Олега создаются сценарии про финансы, которые не требуют участия операторов, они направлены на то, чтобы пользователь общался только с ботом. Поддержка решает клиентские вопросы и перенаправляет к оператору Call-центра. Именно поэтому мы решили разделить их по разным чатам, так как появился негативный клиентский опыт.

Для чат-бота автоматизации показателем качества будет являться помощь клиентам. Если нам удалось ответить на запрос: «как сменить пин код?», а клиент получил полную информацию, которую он смог применить, то это будет показателем успешно выполненной работы. Мы ведем обратную связь и выясняем: удовлетворен ли клиент работой чат-бота, что плохого или хорошего есть в нем по мнению пользователя.

Если говорить про финансового ассистента, то здесь важно понимать, что такая технология еще на стадии открытия. Финансовый ассистент все еще пытается понять, что нужно пользователю больше всего. Поэтому мы постоянно анализируем клиентский опыт, тестируем новые гипотезы, сценарии, изучаем отношение пользователя к ним.

Это помогает нам быть лучше и продолжать автоматизировать работу.

Работа чат-бота состоит двух главных пунктов:

Мы выстраиваем сценарий и понимаем, какие данные нам нужны, чтобы сделать действие или дать верную консультацию. Дальше мы создаем тексты, они здесь играют ключевую роль, в том числе и для финансового ассистента. Когда пользователя консультируют в чате хочется как можно меньше текста, поэтому наша редакция пишет тексты, учитывая, как клиенту будет понятнее. Мы не пытаемся навязать ему свои банковские термины, наоборот, пытаемся быть с клиентом на одной волне, если принято говорить «кредитка», то так мы и будем говорить. Получается, что не только искусственный интеллект подстраивается под пользователей, но и сами пользователи подстраиваются под него. Это проявляется в разных формах общения и помогает улучшить клиентский опыт.

Наша основная метрика продукта — лояльная аудитория. Здесь мы говорим про то, что существуют группы, которые пользуются ассистентом Олегом за определенное время, определенное количество раз. Это значит, что пользователи к нам еще вернутся. Здесь важно понимать, что просто воспользоваться сценарием несколько раз — это еще не быть лояльным юзером, необходимо оценить: достиг ли клиент своих целей с помощью бота.

В процентном соотношении лояльных потребителей от общего числа пользователя 15% на 75%. Сейчас наблюдается большой прирост именно лояльной аудитории.

Цель нашего бота — не раздражать клиента, не портить клиентский опыт, а только улучшать его. В этом нам помогает искусственный интеллект, который имеет потрясающий эффект. Он способствует автоматизации и ускорению выполняемой работы.

Если говорить про ассистентов, то сегодня они только набирают популярность, какая участь их ждет дальше, пока неизвестно. Мы больше верим в нишевых ассистентов, которые будут экспертами в определенной сфере. Примером служит финансовый помощник Олег, который сможет вести финансовую часть жизни на автопилоте, а самое главное делать это хорошо и быстро.

Надеемся, что материал был полезным для каждого читателя.

Видео доклада для тех, кто любит смотреть и слушать.

Что такое ассистент Олег и как он устроен?

Здесь вы можете посмотреть онлайн-конференцию: Практическое применение Machine Learning в Digital-продуктах.

В предыдущей серии:

Как применять Machine Learning в Digital-продуктах

Применение алгоритмов компьютерного зрения в ресторанах IKEA