Как продавать недвижимость на супер-конкурентном рынке
Задача
Payoffer — крупная американская компания на рынке недвижимости. Регулярно необходимо совершать холодный обзвон по базе клиентов и получать на выходе запланированные встречи с клиентами (получить качественный лид) и информацию о состоянии объекта недвижимости. Обзвон необходимо производить по всем штатам США.
Создание бота
Был проведен детальный анализ базы клиентов и под разные категории разработаны и сформированы триггеры поведения голосового робота. Мы детально изучили опыт сотрудников агентства недвижимости, разработали голосового бота, голос которого адаптирован к американской речи (интонация, акцент).В тестовый период работы бота мы сравнили с человеком на небольшой выборке в 5000 человек. После обзвона мы получили 1% конверсии, который был равен конверсии человека при данной работе. Однако боту потребовалось на это несколько часов, а человеку, конечно же несколько дней, а может быть и недель.
Бот обзванивал клиентов, уточнял ценовое предпочтение, тем самым выявлял наш клиент или нет (до 200 тыс $), предлагал услуги и назначал время встречи. А также собирал информацию об объекте недвижимости (состояние объекта, время владение, где находится, год постройки и т.д.).
Преимущество Тwin, почему именно мы:
- У ботов Тwin нелинейный диалог. Это означает, что мы можем создать диалог, который позволяет проигрывать несколько сценариев, и самое главное, бот сделанный на основе реальных диалогов, подобен человеку. Речь идет не о предварительных записях, а о «живом диалоге» бота и человека, у ботов Twin синтез речи составляет 93-95% — разница в 5-7% зависит от качества связи. Была синтезирована речь с американским произношением, которая была похожа на 99,9%.
- Мы даем не только лиды, но и аналитику. В ходе разговора бот получал не просто готовый лид (назначение встречи клиенту и менеджеру), но и также собирал информацию об объекте недвижимости. На выходе получаем отчеты, удобные для пользования и дальнейшей работы.
- Также в компании была внедрена платформа twin, которая значительно повысила эффективность работы, поскольку бот не только делал холодный обзвон, но и обрабатывал текстовые запросы. Клиенты могли написать из любого канала коммуникации (мессенджеры, социальные сети, сайт и т.д.), а робот обрабатывал запрос.