{"id":13589,"url":"\/distributions\/13589\/click?bit=1&hash=3720b6943809baeceb4eeb125e52cc65148e8077ec6a583fabe968afcbb9a827","title":"\u0418\u043d\u0432\u0435\u0441\u0442\u0441\u043e\u0432\u0435\u0442 \u2116134 \u2014 \u043a\u0443\u043f\u0438\u0442\u044c \u0434\u043e\u043b\u044e \u0432 \u0442\u043e\u0440\u0433\u043e\u0432\u043e\u043c \u0446\u0435\u043d\u0442\u0440\u0435","buttonText":"\u0423\u0437\u043d\u0430\u0442\u044c","imageUuid":"b7711d0c-b7a0-5c9e-ac9d-819edff2cdfc","isPaidAndBannersEnabled":false}

Голосовой робот в помощь HR-отделу «Додо Пиццы»: как обрабатывать анкеты кандидатов и проводить exit-интервью

Экс-совладелец «Додо Пицца Сергиев Посад», а в настоящее время CEO Khrustalev Studio по разработке разговорных ИИ-решений Евгений Хрусталев делится кейсом, как голосовые роботы избавили HR-менеджеров от рутинных задач.

Эта история началась в декабре прошлого года, когда сотрудники HR-отдела сети «Додо Пицца» в Москве, Калуге, Обнинске и Смоленске узнали, что робот Таня заменила колл-центр, вернула 5000 клиентов и помогла ресторанам заработать более 6 млн руб. Они подумали и решили, что им нужен такой же бот, только для HR-задач, так как перед зимними каникулами потребность в найме резко возросла. Запрос показался мне интересным, и я взялся за разработку. Сейчас понятно, что решение можно масштабировать практически на любой бизнес, где ведется массовый набор персонала — службы такси, торговые сети, сервисные компании (например, клининг), доставку и пр.

Суть бота

Бот должен был закрыть два сценария. Они касались обязательных, но при этом рутинных и утомительных задач в работе HR-менеджеров. Первый сценарий — обработка «безнадежных» анкет соискателей. Рекрутмент в сети ресторанов «Додо Пицца» был устроен таким образом: HR-менеджер делал три попытки связаться с кандидатом, если дозвониться не удавалось, резюме отправлялось в отдельную папку. Таких «безнадежных» анкет накопилось несколько тысяч. По замыслу бот должен был дозвониться до таких кандидатов и уточнить, интересна ли им работа в «Додо Пицце» и устраивают ли условия. Если ответ был положительным, в следующий раз звонил HR-менеджер и проводил первое интервью.

Второй сценарий — exit-интервью с сотрудниками, покинувшими компанию. Бот должен был собрать их мнения о работе в «Додо Пицце» и выявить типичные проблемы.

Решение

Для разработки я снова выбрал визуальный no-code конструктор Aimylogic от Just AI, который удачно проявил себя во время моего первого ИИ-проекта с «Додо Пиццей», так как на нем можно создавать умных ботов без навыков программирования. HR-менеджер отправила мне типовой диалог с кандидатами, его нужно было только адаптировать под робота.

В разговоре бот представляется оператором Татьяной, реплики для него я снова записал голосом сотрудницы «Додо Пиццы». Показательно, что по сценариям мы фиксируем низкий процент отказа от разговора и вопросов в стиле «Ты бот?»: у аудитории есть потребность в диалоге с компанией.

Так выглядит часть сценария обзвона

Для интеграции бота Тани с базами для обзвона я использовал Google-таблицы. Если в результате звонка получается лид, его контакты сразу поступают HR-менеджерам сети. Чтобы исключить повторные номера, также в Google-таблице был организован учет обзвоненных абонентов, туда подгружаются имена и должности. В дальнейших планах — интеграция решения с Битрикс24, чтобы вся нужная информация подтягивалась автоматически.

Обучение бота

Как показывает практика, полностью готовые боты не получаются с первого раза, несмотря на длительную подготовку, тестирование и фокус-группы. Робота всегда нужно обучать после запуска, и целесообразно построить этот процесс на базе нераспознанных интентов. Поэтому намерения пользователей, которые не смогла понять бот Таня, я сразу начал собирать в таблицу.

Вот пример нераспознанного диалога:

— Добрый день! В данный момент у нас открыты три вакансии: курьер, пицца-мейкер и водитель. Какая Вас интересует?

— Третья / последняя, которую Вы назвали.

Человек может выстроить логическую цепочку и понять, что речь идет о вакансии водителя. Бот теоретически тоже способен на это, но ему нужно помочь на этапе обучения. Также зачастую ошибки распознавания связаны не с NLU, а с тем, что целевая аудитория обзвонов не всегда говорит на чистом русском языке.

Результат

7% из тех, с кем поговорил робот, согласились на звонок HR-менеджера. После собеседования 6% из них вышли на работу в «Додо Пиццу».

Если принять среднее время звонка за одну минуту, то получается, что сети ресторанов бот ежемесячно экономит до 8 дней работы одного HR-менеджера, а сам при этом трудится менее 8 часов с учётом подготовки баз. Таким образом, робот избавляет компанию от нужной, но монотонной и требующей много энергии задачи. Благодаря этому сотрудники могут сосредоточиться на более сложных делах, где требуются стратегическое видение и креативный подход, пока недоступные ИИ. Причем по экономии времени текущий результат предельным не является: робот способен выдерживать нагрузку до 6000 звонков в час, таким образом, это оптимальное решения для массового обзвона соискателей на вакансии.

0
1 комментарий
Аккаунт заморожен

Комментарий недоступен

Ответить
Развернуть ветку
Читать все 1 комментарий
null