Привет, Оксана Соколова: как мы создавали цифрового советника для страховой компании

Цифровой советник, сотрудник, секретарь и ассистент — голосовой бот Оксана Соколова выполняет сразу несколько задач и уже помогает компании экономить ресурсы. Игорь Калинин, основатель компании TWIN, рассказывает, как создавался умный помощник для СК УРАЛСИБ Страхование, и какие открытия компания сделала в процессе разработки.

Голосовые помощники для бизнеса — один из главных трендов 2020-го. Многие компании все еще работают удаленно — это касается и колл-центров, нагрузка на которые возросла из-за пандемии. Например, авиакомпании и сети отелей стали обрабатывать в два раза больше звонков после закрытия границ. Аналитики Accenture отмечают, что чат-боты и голосовые ассистенты сейчас как раз на пике спроса, а многие компании уже разрабатывают виртуальные колл-центры и цифровые офисы — это и более эффективно, и более экономно.

В TWIN мы помогаем бизнесу автоматизировать коммуникации с клиентами: создаем голосовых и текстовых ботов, пишем сценарии диалогов, настраиваем аналитику звонков и интегрируем все это в омниканальную систему. Если представить, что цифровой офис — это конструкция из LEGO, то наш продукт — один из блоков в его фундаменте. Как раз за этим к нам обратилась команда СК УРАЛСИБ Страхование. Компания поинтересовалась, какие голосовые решения мы можем предложить с учетом специфики их деятельности. Мы определили три сценария взаимодействия с голосовым ботом:

Разработка подобных ботов — это стандартная задача для TWIN, но СК УРАЛСИБ Страхование стала первой страховой компанией, с которой нам предстояло работать.

У финансовых компаний особый формат коммуникации с клиентами: оператору важно быть подчеркнуто корректным и взвешивать каждое слово, нужно проявлять заботу о клиенте, но в некоторых случаях требуется строгость и лаконичность.

При этом не забываем, что в России голосовые помощники пока не так распространены, и люди с подозрением относятся к новым технологиям. Пользователи предпочитают эмоциональных, но тактичных собеседников. Только тогда они захотят продолжить диалог и выслушать предложение от банка или компании.

Технологии: Обычно при создании ботов-ассистентов мы используем графовую модель машинного обучения — это один из наиболее популярных сегодня методов разработки ИИ. Графы – это единицы представления данных. С их помощью легко трансформировать референсные диалоги в материал для обучения нейросети. Используя машинное обучение и большие данные, мы создаем виртуального помощника с функцией распознавания и синтеза речи. В основе такой архитектуры лежат методы понимания естественного языка (NLU, или Natural Language Understanding).

Следующий эволюционный этап: создание единого центра управления коммуникациями. Этот централизованный хаб позволит компании мониторить все каналы связи компании в режиме «одного окна». На российском рынке такие системы пока редкость, но мы планируем внедрять их в ближайшие годы.

Голос и тембр: Обсудив задачу с клиентом, мы сразу определили, что у цифрового советника будет женский голос – люди лучше воспринимают такую речь и в целом более охотно идут на контакт с собеседницей.

Определить идеальный тембр и интонацию, а также прописать образцовый сценарий нам помогли референсные звонки — успешные кейсы действующих операторов колл-центра. Мы протестировали 3-5 голосов на отдельном диалоге и выбрали тот вариант, который обладал максимальной конверсией. После этого создали базу предзаписанных сниппетов — фраз и словосочетаний, которые звучат максимально живо и эмоционально, и вызывают у клиента доверие к советнику. Часто пользователям кажется, что они общаются с реальным человеком.

Для озвучивания переменных — ФИО, суммы платежа, даты и номера договора — мы использовали синтез речи. В этом случае советник автоматически зачитывает данные из базы компании, а его речь генерируется автоматически. При этом в процессе синтеза используется тот же референсный голос, который применялся при создании сниппетов, — заметить расхождение между записанной и сгенерированной речью практически невозможно.

Сценарии диалогов: В TWIN мы крайне редко используем линейные сценарии — только если этого требует заказчик. Обычно мы стараемся закладывать вариативность. Для СК УРАЛСИБ Страхование наша команда разработала набор скриптов: для этого мы изучили референсные диалоги и определили несколько возможных направлений беседы. Такой прием делает общение более живым и непринужденным.

Имя и бренд: Голосовому помощнику необходимо имя, чтобы клиент ассоциировал собеседника с реальным сотрудником, а не с абстрактной цифровой «сущностью». Как показывает наш опыт, в финансовом секторе лучше использовать одновременно имя и фамилию — это внушает больше доверия.

Разработчики назвали советника «Оксаной Соколовой» — в тот период в прокат как раз вышла комедия «Ну, здравствуй, Оксана Соколова!». Эта отсылка добавила оригинальности имени, сделала его более запоминающимся и в целом вызывала положительные ассоциации. Поскольку компания хотела зарегистрировать бренд, взять имя из фильма она не смогла — оно уже было занято. В какой-то момент советника переименовали в Оксану Соловьеву. К этому моменту компания определилась с главным юзеркейсом — помощница будет выполнять роль цифрового советника и станет для клиентов навигатором в мире страхования. Исходя из этого, бота нужно было сделать более дружелюбным и открытым — и новая фамилия помогла смягчить образ. Сейчас команда УРАЛСИБа работает над визуальным образом Оксаны — а мы с интересом следим за разработкой.

Внимание к деталям: На пользовательский опыт влияет не только «личность» голосового помощника и сценарий, по которому он работает. Важную роль играют, на первый взгляд, незначительные детали. Например, правильное ударение, когда советник озвучивает ФИО пользователя. В TWIN мы создали отдельную команду, которая проверяет правильность ударений в базах данных и помогает боту безошибочно произносить имена.

Другая сложность, которая возникла в процессе работы над цифровым советником, — это согласование адреса электронной почты. Даже при общении с реальным оператором это сложный и неудобный процесс. Человеку приходится объяснять «i как палочка с точкой» и «s как змейка». Многим трудно разобраться в различиях между кириллицей и латиницей — например, английская «e» пишется как русская «е», а произносится как «и».

Из-за этих нюансов советник не всегда мог корректно распознать буквы и записать e-mail. А когда бот сам диктовал электронной адрес клиента, чтобы тот проверил его на соответствие, человек путался и терял терпение. Для решения этой проблемы мы разработали две тактики:

Да, это небольшой нюанс и проблема не столько технологическая, сколько коммуникационная. Но если не уделять внимание таким деталям, создать реалистичного и автономного помощника не удастся.

Каждую разработку мы оцениваем не только с точки зрения эффективности, но и с точки зрения инсайтов, которые мы извлекли в процессе работы над продуктом. В результате сотрудничества с СК УРАЛСИБ Страхование мы:

Оксану Соколову оценил не только заказчик. В конце августа вместе с СК УРАЛСИБ Страхование мы получили награду Finaward за третье место в номинации «Технологическое внедрение/решение в страховой компании». Это было неожиданно и приятно.

#голосовойпомощник #робот #страхование