AI-ростовщик, или как мы автоматизировали 99% всех обращений в МФО при помощи ИИ

Уже 10 лет мы занимаемся автоматизацией. И не простой, а автоматизацией микрофинансовых организаций (МФО) и ломбардов.

В глазах обывателя микрофинансовый бизнес — это какие-то бандиты и коллекторы, которые загоняют пенсионеров в долги и забирают последнюю копейку на диких процентах.

С одной стороны, такое мнение вполне объяснимо. Люди часто сталкиваются с судьбами финансово неграмотного населения, попавшего в сложную ситуацию. А тут всегда найдется тема для спекуляций.

Но со стороны владельца бизнеса, МФО — это просто его «карман», из которого он выдаёт деньги желающим. И в идеале хочет их вернуть. Да, выдаёт под высокий процент, потому что и уровень риска в этой сфере высокий.

⚠ Риск = невозврат выданных денег.

⬇ Чем чаще удается вернуть — тем меньше можно делать процент.

⬆ Чем реже удается вернуть — тем процент должен быть больше, чтоб невозвраты покрывать и ещё хоть какую-то прибыль иметь.

И вот с прибылью последние годы большие проблемы. Государственные органы, в частности Центробанк, каждый квартал уменьшают допустимые процентные ставки. И текущие ставки, мягко говоря, вообще не выгодны.

Точнее, чтоб они были выгодными, оборотный капитал должен быть не меньше 10 млн руб. По крайней мере, на текущую дату именно такая сумма в обороте будет плюс-минус давать точку безубыточности.

А что такое прибыль по существу? Это доходы минус расходы. Поэтому повышать её можно либо путём увеличения доходов, либо путём сокращения расходов.

И тот, и другой вариант обычно применяют одновременно. Но если речь идёт о нерастущем рынке, то вариант с сокращением расходов даже более популярен. Потому что повышать доходы становится либо слишком сложно, либо вообще невозможно.

Вот в этот момент мы и подошли к самому главному (спасибо тем, кто дочитал) — к автоматизации.

Автоматизация — это инструмент, который всегда влияет на одну из двух вещей:

🟢 либо на повышение доходов — за счёт возможности масштабирования;

🔵 либо на сокращение расходов — за счёт уменьшения числа рутинных операций и увольнения ненужных сотрудников.

Заметили, наверное, что сейчас каждая вторая статья на VC — про искусственный интеллект.

Но в погоне за хайпом и красивыми картинками для запрещённой в России социальной сети важно помнить, что бизнесу ИИ интересен для решения прикладных задач.

Поэтому я расскажу, как ИИ может РЕАЛЬНО решать задачи бизнеса — и доходы повышать, и расходы сокращать.

Как-то в кафе один мой знакомый владелец МФО (Саша, если читаешь, — привет!) посетовал, что рентабельность бизнеса уменьшается с каждым годом и что пора бы что-то с этим делать.

Я к тому времени уже больше года жил в ОАЭ и, помимо основного бизнеса по автоматизации МФО, запустил новый стартап – Савви, платформу для создания цифровых сотрудников. По-простому — «умных чат-ботов».

Мы много времени потратили на поиск рабочей схемы, чтобы боты давали высокий уровень точности ответов и гибкую настройку без сложного внедрения. И самое интересное, что мы были так увлечены существующими клиентами и проектами, что не обратили внимание на рынок, который, собственно, находился у нас под носом.

А Саша мне при встрече и сказал: «Мне нужен твой бот». Я говорю: «Зачем?!»

Оказалось, что у Сашиной МФО (МКК «Выручка») большой объём выдачи происходит в онлайне. Они относятся к тем современным компаниям, которые поняли, что офлайн-МФО постепенно умирают, и в нужное время сделали основную ставку на онлайн.

Так вот, выяснилось, что в онлайне у МФО есть рутинные процессы — консультация клиентов на сайте.

Как это обычно происходит в компании?

Есть менеджер, у которого полно своей работы. ⏩ Ему говорят, что теперь он будет ещё и консультировать. ⏩ Он приступает к новой обязанности. ⏩ В итоге она начинает занимать весомую часть его времени. А отказаться нельзя — клиенты обращаются, у них есть вопросы, какие-то сложности и пр. ⏩ Все недовольны и теряют в деньгах и времени.

И тут меня осенило — это же прям наша тема!

Сейчас мы позиционируем наш сервис как ИИ для отделов продаж. Но ведь консультации — это тоже часть процесса продажи! Причём одна из первоначальных, а в некоторых бизнесах — вообще основная.

Но автоматизация ради автоматизации — это выброшенные на ветер деньги, поэтому нам важно было понять, как там обстоят дела с цифрами.

1. Обработкой заявок с сайта занимаются 3 специалиста, которые совмещают её с основными задачами.

2. В день приходит около 45 обращений.

3. Время ответа на обращение составляет до 1 минуты.

Что в целом довольно неплохой результат, но это со слов заказчика. Реальное медианное время по всем обращениям, скорее всего, больше.

4. Среднее время на один диалог — 3,5 минуты.

Итого: 160 минут в день. Или почти 3 часа в день на ответы клиентам.

Тут важно ещё учесть, что люди отвечают не сразу. Поэтому время, которое отведено на диалог, уже очищенное.

С точки зрения эффективности — любое постоянное переключение с задачи на задачу очень сильно снижает продуктивность. Существуют очень наглядные тесты про это.

Вот, например, этот:

Какие требования выдвинул заказчик к нашему ИИ:

1. Точное соблюдение скриптов компании.

2. Высокая точность и прогнозируемость ответов.

3. Естественность ответов — в идеале клиенты не должны понимать, что это бот.

4. Интеграция в существующую систему обмена сообщениями с клиентами - JIVO.

Мы изначально делали продукт для себя и проверили все возможные варианты работы ИИ-ботов с базой знаний конкретных компаний. Так что у нас был готова технология, которая даёт максимальную точность ответов, без потери эффекта «человечности».

Было сложно, но у нас получилось.

P. S. Те, кто пробует делать что-то подобное, поймут, что я имею ввиду.

Прикол ботов на ИИ даже не в том, что они отвечают как человек, а в том, как они понимают контекст разговора, и насколько точно они выдают итоговый ответ. При проектировании ИИ бота мы не применяем, например, строгую иерархию ответов, как это принято в обычных ботах, нам все равно в какой последовательности клиент задаст вопрос - нам важно, чтобы он понимал контекст от начала и до конца и давал максимально точный ответ. База знаний представляет из себя обычные текстовые шаблоны, но бот адаптирует их под конкретную ситуацию + имеет различные технические приемы, позволяющие создавать схожесть с человеком (искусственные задержки при ответах, объединение сообщений и т.д.):

Надо сказать, что в случае с МКК "Выручка" не было сложных сценариев, где требуется расчет стоимости, вариация ответов, в зависимости от предыдущих ответов клиента, хотя возможности Савви позволяют это делать.

По сути, он понимает такие же инструкции, как, если бы это был человек, например, вот инструкция по расчету стоимости у другого нашего клиента, компании занимающейся арендой грязесборных ковров:

Согласно требованиям заказчика мы сделали интеграцию с JIVO и прикрутили бота к сайту компании. Это наша не первая интеграция, из коробки бот имеет интеграцию с разными каналами (amoCRM, Битрикс24, Telegram, WhatsApp и т.д.).

В результате настройки и внедрения бота в первые две недели мы получили следующие цифры:

1. 80% всех обращений на сайте МКК «Выручка» обрабатывается ботом.

2. Клиенты иногда распознают, что с ним общается бот, т. к. в первые две недели не все скрипты базы знаний были заполнены.

Спустя три месяца работы мы получили результаты, которые нас приятно удивили:

1. 99% всех обращений на сайте МКК «Выручка» обрабатывается ботом.

2. Клиенты не распознают, что с ним общается бот.

А главное, чего нам удалось добиться — мы полностью освободили от этой рутинной задачи менеджеров, которые ранее тратили на неё около 15% своего времени.

💲Если перевести в денежное выражение, то это 20 600₽ ежемесячно (средняя зарплата — 50 000₽ в месяц).

Стоимость работы бота при таком объёме обращений — около 9 000₽ в месяц.

Т.е. прямая экономия составляет 11 600₽ в месяц или 139 200₽ в год.

Кроме того, есть такая важная деталь, как недополученная прибыль.

Менеджеры, вынужденные обрабатывать обращения, по факту тратили то время, которое могли бы потратить на основную работу — продажи (в данной компании менеджеры занимаются холодными звонками).

Если перевести эти высвобожденные часы в реальный доход, то, путём перемножения потраченного времени на «пустые» консультации, количество продаж за месяц и средний чек, мы получим объём недополученной прибыли.

Для данной компании — это еще +40 000₽ за год. Да, сумма не большая, но это без учёта LTV. А в микрофинансовых организациях LTV играет большую роль, обычно первая продажа сейчас вообще идёт в минус.

И ещё один важный эффект, который пока сложно измерить — менеджеры перестали переключаются на менее приоритетные, но обязательные рутинные задачи. Со слов руководителя, работники стали более сфокусировано и эффективно заниматься основной обязанностью — продажами по телефону.

И это я даже не говорю о расходах на налоги (+43% к зарплате), увольнение, найм и обучение, которые в среднем косвенно составляют ещё 1–3 месячных оклада.

Если посчитать весь экономический эффект от внедрения, мы получим следующие результаты:

1. Экономия на З/П: 139 200 ₽.

2. Зарплатные налоги: 106 296 ₽.

3. Затраты на увольнение, найм и обучение (в случае увольнения сотрудника): 50 000 ₽.

4. Недополученная прибыль (без учета LTV): 40 000 ₽.

💲Итого: 335 496 ₽ за год.

По мне так, довольно неплохо. А если ещё поставить задачу масштабировать обращения, например, по новым клиентам, то тут числа могут вообще вырасти экспоненциально…

Цифры брал крупными мазками, если вам есть что добавить — открыт к обсуждению в комментариях или если хотите потестировать демо-бота, пишите мне в Telegram: @anton_bes88