Исследование Markswebb: в каких российских мобильных банках самые эффективные чат-боты

Markswebb изучили чат-боты в 11 российских мобильных банках и выяснили, какие из них лучше всего помогают клиентам.

За прошедший год чат-боты улучшили показатели в двух направлениях: в способности решать запросы пользователей и в удобстве интерфейса. При этом третье направление — способность бота вести диалог с человеком — не показывает динамики.

Скорость и быстрота понимания запроса — факторы лидерства.

Если чат-бот не понимает запрос сразу, пользователи, скорее всего, обратятся к оператору, что приводит к утрате автоматизации, хотя такой вопрос мог бы быть решен ботом при иной формулировке. Чат-боты лидеров корректно обрабатывают вопросы пользователей с первой попытки, замыкающие рейтинг чат-боты могут обработать с первого раза только около половины запросов.

Одна из ключевых трудностей, с которой сталкиваются пользователи при общении с чат-ботом, — это проблема понимания намерений. Например, когда в запросе сочетаются несколько ключевых слов из разных тематик — бот может ориентироваться только на одно ключевое слово, проигнорировав контекст.

Общая зона роста — использование изображений в качестве источника запросов. Обработка графических запросов не только облегчает взаимодействие с пользователем, но также иллюстрирует уровень современных технологий. Тем не менее, пока зачастую боты не пытаются распознать содержимое скриншота и сразу перенаправляет запрос к оператору, что приводит к снижению уровня автоматизации.

С точки зрения пользовательского опыта наиболее оптимальны интеграционные сценарии — они позволяют решить вопрос в том же канале, куда изначально обратился пользователь. Кроме того, актуальны реализации в области движения в сторону предиктивных механик — вслед за общим трендом на персонализацию и максимальную «подстройку» под пользователей.

Уже не первый год рынок чат-ботов находится на зрелой стадии развития, когда все ключевые запросы пользователей решаются полностью автоматически, поэтому ответ на вопрос о том, куда двигаться дальше, лежит в следующих областях:

— в области автоматизации более сложных сценариев — которые ранее традиционно отдавались операторам;

— в области улучшения текущих сценариев, например, к переходу от статичных сценариев к интеграционным; это история про улучшение пользовательского опыта, когда автоматизация самого сценария и так уже высокая.

Они позволяют ускорить процесс получения помощи, поскольку пользователь не тратит дополнительное время, например, на формулирование вопроса. С другой стороны, предиктивные механики позволяют продемонстрировать пользователю персональный подход и клиентоориентированность, что позитивно отражается на удовлетворенности.

Пока наивысший уровень предиктивных мехник — анализ активности пользователя в реальном времени, например, если пользователь 3 минуты назад изучал условия по страховым продуктам, и чат-бот это учитывает.

Работа с негативными пользователями поможет снизить количество переключений на оператора в случаях, когда бот может обработать вопросы сам.

Для этого можно:

— Проактивно информировать о новых функциях и вовлекать в их использование.

— Демонстрировать достижения чат-бота.

— Перед переключением на оператора предлагать попробовать решить вопрос через бота.

Автоматический перевод на оператора иногда может быть преждевременным и излишним, вот несколько примеров:

Кроме того, автоматический перевод на оператора может нарушать базовый приницип свободы действий — пользователя принудительно подключают на оператора, и пути назад (например, отменить перевод на оператора) нет.

Что умеют чат-боты в 2024 году: