Как одна Зоя угодила 40% клиентов «Золотого Яблока»

Рассказываем про нашего чат-бота.

Каждый день в чат Золотого Яблока пишут тысячи клиентов: кто-то уточняет, когда будет доставка, кто-то консультируется по товару, кто-то не может найти, где в личном кабинете применить промокод. И кто же им отвечает в WhatsApp и Telegram? На помощь приходит Зоя — наш чат-бот на основе машинного обучения, который уже успел стать мемом, помощником и иногда даже шопинг-подругой.

Сегодня Зоя без помощи человека справляется с 37% всех обращений в службу поддержки. Да, это не все 100%, но и к таким результатам удалось прийти не сразу. Без ложной бравады признаемся, что было непросто. В этой статье расскажем, как родилась и закалялась Зоя, а также что еще мы планируем сделать с чат-ботом, чтобы всем понравилось.

Содержание статьи:

Штат колл-центра рос пропорционально росту числа клиентов, но интернет-магазин быстро и существенно увеличил число обращений, и в прежних темпах растить штат было очень сложно. Кроме того, в пиковые периоды, такие как Новый год и гендерные праздники, число обращений вырастает в несколько раз — исключительно штатом закрыть такой рост без потери в качестве невозможно. Нужна своего рода амортизационная подушка, которая позволит регулировать его загруженность для быстрых и качественных ответов. Кроме того, мы стремились упростить взаимодействие клиентов с компанией по всем неотложным ситуациям, связанным с покупкой и сервисом.

По наитию человеку удобнее общаться с человеком, уникальной личностью, а не с машиной. Но с другой стороны, именно благодаря чат-боту время на решение проблемы сокращается в разы до считаных минут или даже секунд. Поэтому мы постарались избежать «типичных» крайностей: наш чат-бот не притворяется человеком, но и не общается как бесчувственная машина.

Зоя работает на базе платформы Sherlock: команда Золотого Яблока разрабатывает Tone of voice, контент логику, темы и сценарии, а специалисты платформы отвечают за их техническую настройку. На старте Зоя закрывала не больше 10% чатов, а большинство вопросов отправлялись живым операторам. Мы понимали, что это временно — по мере роста числа клиентов растет и количество обращений, а для сервиса важно и качество ответов, и скорость, поэтому нужно развивать бота. До 2024 года функциональность бота увеличивалась, но оставалась на среднем уровне: Зоя старалась помочь, но не всегда понимала, что именно от нее хотят. Клиенты были снисходительны, смеялись и раздражались вместе с нами.

Архитектура нашего бота опирается на несколько платформ: для мониторинга диалогов в реальном времени и для работы бота в режиме сценариев. После того как обращение клиента поступило в чат, целый набор микросервисов анализирует запрос и определяет, к каким внутренним системам боту нужно обратиться (CRM, различные логистические системы, пользовательские корзины и т. п.).

На основе такого понимания обогащается исходная информация, полученная от клиента. Если говорить упрощенно, то система определяет набор сценариев, которым соответствует клиентский запрос, и на основании этого подбирает набор интерфейсов и систем, с которыми нужно взаимодействовать боту. Затем боту предоставляется набор подходящих ответов для клиента, которые он использует в дальнейшем диалоге. То есть Зоя не просто отвечает — она ориентируется в контексте. Например, понимает, что под «пенкой для мамы» может скрываться категория уходовой косметики с определенным антивозрастным фильтром. Или что «хочу подарок для мужа» — это не повод отсылать к носкам или дезодоранту, а стоит прописать целый сценарий, где обязательно надо уточнить предпочтения и предложить подходящие варианты.

Детально разработанные сценарии — важная составляющая работы бота. На практике это выглядит так: по первоначальному запросу клиента определяется сценарная группа для дальнейшего диалога. Затем бот задает клиенту несколько вопросов, ответы на которые «помощник» знает точно. По сути, клиенту предлагается выбрать один из сценариев, входящих в группу. Если сценарий, который выбран клиентом, уже разработан, общение продолжается с ботом. Если нет, то запрос переадресовывается оператору колл-центра. Мы видим объем обращений, которые не «попадают» в сценарии или даже сценарные группы, и стараемся его минимизировать за счет расширения заложенных ответов Зои.

Сценарии и коммуникационная платформа — это еще не все. Основная сложность состоит в том, чтобы бот понял клиента и смог дать полезные рекомендации. Для реализации необходимо по реплике определить и классифицировать намерение клиента, распознать товарную категорию, характеристики товара и требуемые значения. Для этого используется ML-распознаватель: изначально это было решение от внешнего провайдера, но затем команда «Золотого Яблока» разработала собственный. Он постоянно обучается данными на основе клиентских запросов, которые сортируются по разным группам (тематикам). При обработке каждого нового запроса бот обращается к системе и ищет наибольшее совпадение с тематикой. Из текущих ограничений, которые Зоя пока не понимает, — это обращения не на русском языке, голосовые сообщения и слишком большие тексты.

Другой вызов — лексика. Клиенты в общении с ботом используют привычные для них слова, которые часто плохо согласуются со справочными, табличными данными товарных спецификаций. Например:

Если Зоя понимает вопрос буквально, она дает точный ответ на него, если приблизительно — пытается ответить по смысловым словам. Соответственно, одна из дополнительных задач, которую мы решаем, — это автоматическое извлечение ключевых пользовательских терминов и «связка» этих двух словарей.

Еще одна заминка, возникающая при подборе, — это построение оптимального диалогового сценария. Ее можно решать разными способами и по-разному подходить к самому критерию оптимальности. Например, минимизировать количество дополнительных вопросов. Правда, в этом случае некоторые вопросы для клиента могут показаться странными и неожиданными. Если говорить техническим языком, за «человечность» бота отвечают NLU-модули (natural language understanding) и технологии NLG (natural language generation). В 2024 году ИТ-команда Золотого Яблока сделала настоящий прорыв, который определил новый виток эволюции Зои: разработала и внедрила собственную речевую аналитику.

Сегодня Зоя — не просто автоматическая справочная, интегрированная во внутренние ИТ- и CRM-системы. Она берет на себя уже почти 40% всех клиентских запросов и умеет подбирать товары. Для сравнения: в начале 2024 года этот показатель не доходил и до 20%. Наша цель — довести этот показатель до 80%.

Зоя умеет:

При этом она не пытается казаться человеком. Она знает свои границы — и если клиент пишет «оператор», спокойно зовет на помощь живого специалиста. В среднем диалог с Зоей длится 3 минуты. За это время она не только помогает, но и делает это вежливо и с юмором — в рамках заложенного сценария. Но бывали и случаи, когда Зоя «уходила на шопинг» прямо посередине разговора: вместо нормального ответа на запрос говорила «Хотите, расскажу вам секрет?». На деле это был глюк сценария допродажи, который зациклился. Мы все поправили.

Зоя — не только сокращение от «Золотое Яблоко», но и результат конкурса среди операторов колл-центра: именно они выбрали ей имя. Мы долго думали, каким может быть ее образ — остановились на молодой, дерзкой и дружелюбной девушке, немного бьютиголике. Как-то подростки в TikTok просили ее продолжить песню — она не смогла (это сделали операторы), но история вирусилась. Зоя делала предсказания, дарила виртуальные валентинки и раздавала советы на 8 марта.

В контакт-центре Золотого Яблока работают несколько сотен сотрудников. В день мы получаем тысячи обращений, и сейчас Зоя закрывает 37% из них. Без нее штат пришлось бы расширять в среднем на 100 человек в месяц — и в этом случае скорость работы слишком сильно зависела бы от найма и обучения, особенно в периоды пиковой нагрузки. С Зоей многие вопросы стали решаться быстрее, а клиенты — чаще оставаться довольны. Такие маркеры, как высокий уровень удовлетворенности покупателей (CSI) и корректность прохождения сценария, подтверждают эффективность чат-бота — чем больше он развивается, тем большую пользу приносит клиентам. Темпы роста штата колл-центра замедлились, но качество поддержки при этом выросло. То, что раньше решалось только руками оператора, теперь решается за считаные минуты в мессенджере. При этом мы понимаем, что все еще далеки от совершенства и не 100% клиентов удовлетворены ответами бота. Стараемся учить его всему, что нужно, параллельно оттачивая работу операторов-людей.

Мы продолжаем развивать Зою — уже планируем расширение во ВКонтакте, улучшение навыков эмпатии и внедрение новых интерактивных сценариев. Разработав очередную функциональность, мы сразу принимаемся за новую, и этот процесс наверняка не закончится. За каждым этапом стоит команда, которой не все равно, как клиент чувствует себя в момент запроса.

Сегодня чат-бот Зоя — полноценный член нашей команды. Своенравный, но наш, а главное — с каждым месяцем всё умнее.