Мировой рынок разговорного искусственного интеллекта находится на стадии активного роста. По данным McKinsey (Global Survey on AI, 2020), 50% компаний-респондентов внедрили AI как минимум в один из бизнес-процессов. Аналитики Canalys утверждают, что количество умных устройств с голосовым ассистентом у Google превышает 1 млрд, у Apple — более 500 млн, а у Microsoft — более 400 млн.

Масштабы Сбера не позволяли игнорировать эту тенденцию, но ещё три года назад, обладая самым крупным в России центром телемаркетинга, более трёх тысяч операторов, мы на 40% реже контактировали с клиентами, чем остальные участники рынка. Решением стало создание первого в России робота телемаркетинга на базе AI, которого внедрили в бизнес-процессы Сбера. Сегодня робот показывает впечатляющие результаты: совершает более 2 млн звонков в день (причём только 0,5% звонков переводятся на оператора), распознаёт речь с точностью равной 98%, а CIR робота в пять раз ниже, чем у среднестатистического сотрудника колл-центра.

Дальнейшей целью стала разработка персонализированного подход робота телемаркетинга к общению с клиентами. Мы провели аналитику и подтвердили, что все клиенты воспринимают информацию, тип голоса и другие характеристики диалога по-разному. Оператору-человеку сложно и практически невозможно менять тембр и темп голоса. При этом подстроить манеру общения и другие параметры техники речи для робота — легко. Так был запущен проект по персонализации типа голоса робота телемаркетинга и AI-подбору определенной манеры общения для каждого клиента. Вместо одного типа голоса были созданы три — для разных клиентов с учетом их индивидуальных особенностей и предпочтений: стандартный, эффективный и эмпатичный.

Основная цель подхода нашей команды к взаимодействию с клиентом Сбера — создать максимально персонализированный клиентский опыт на каждом этапе его жизненного пути. С помощью инструментов и возможностей телемаркетинга мы стремимся максимально персонализировать общение оператора и клиента, робота и человека.

Для реализации проекта перед нами стояли следующие задачи:

• разработать основные типы и характеристики голоса робота телемаркетинга;
• выявить склонности клиентов к тому или иному типу общения, тембру голоса, темпу речи;
• создать рекомендательную ИИ-систему, которая подбирает подходящий тип голоса под каждого клиента;
• провести тестирование модели и проанализировать результаты;
• запустить проект в пром на всю клиентскую базу.

Мы хотели, чтобы, общаясь с роботом телемаркетинга, наши клиенты избавились от ощущения, что они разговаривают с бездушной машиной. Если углубляться в детали, то мы научились понимать, с каким тембром, темпом речи и манерой общения звонить каждому клиенту. Всё это было сделано для того, чтобы каждый клиент чувствовал себя уникальным и ему было комфортно общаться со Сбером.

Проект разрабатывается в дивизионе «Массовая персонализация» Розничного блока Сбера силами команды «Развитие Сбертипа» и при активной поддержке команды телемаркетинга SberTM. Разработка типов голосов ведётся совместно с лабораторией нейронаук и поведения человека СберБанка.

В работе мы используем Agile-методологию управления проектами и взаимодействуем со всеми членами команды в соответствии с принципами Agile. Это позволило менее чем за год реализовать проект от идеи до вывода в пром.

В поисках наилучшего подхода к персонализации голоса робота команда телемаркетинга Сбера протестировала влияние мужского и женского голосов (мы называем их Максим и Александра) на клиентов. В результате мы не обнаружили гендерной зависимости влияния мужского и женского голосов на клиента.

Так появилась гипотеза о необходимости детальной персонализации голоса робота. Были изменены характеристики голоса: интонация, высота, длительность пауз, скорость речи. В итоге мы получили три разных типа: стандартный, эффективный и эмпатичный. По результатам тестирования именно этот подход оказал значительное влияние на восприятие и отклик клиентов.

Теперь в ежедневных бизнес-процессах телемаркетинга мы используем один мужской и один женский голос, и каждый их них мы делим ещё на три типа, каждый со своими речевыми особенностями:

• «Стандартный» — тип голоса, который не отличается от обычного тона голоса оператора или робота телемаркетинга;
• «Эффективный» — тип голоса, которому присущи более быстрый темп речи и короткие паузы между словами, при общении с клиентом поддерживается эмоционально нейтральная деловая коммуникация;
• «Эмпатичный» — наиболее эмоционально окрашенный тип голоса, с клиентом ведётся «вежливый» диалог, манера речи уважительная в стиле «важный клиент», во время разговора клиент чувствует радость от общения, тёплое и дружелюбное отношение робота-оператора, так как некоторые фразы произносятся «через улыбку».

Сценарии разговора и текст скрипта одинаковы для всех типов, манера общения — разная: именно такой поход приносит результат, повышая удовлетворенность клиентов и эффективность продаж. Чтобы послушать разные типы голоса робота, посмотрите видео в приложении.

С помощью A/B-тестов на трёх аналогичных группах клиентов мы увидели, что, по сравнению со стандартным типом голоса, эффективный и эмпатичный типы увеличивают продажу финансовых продуктов на 5%. На этапе аналитики мы подтвердили, что все клиенты по-разному воспринимают тип голоса, поэтому создали AI-модель, которая подбирает наиболее подходящую подачу голоса для каждого клиента. Она увеличивает прирост отклика на 10% относительно стандартного подхода и на 6,5% — количество согласий на получение услуг.

На этапе тестирования модели, определяющей склонность клиента к конкретному тону голоса, мы выявили факторы успеха нашего подхода и получили перспективные результаты. Модель поиска подходящего тембра для коммуникации с клиентом использует классический инструментарий ML: выбор ключевых из более чем 2 000 параметров, характеризующих клиента (финансовые привычки, интересы, поведение в экосистеме Сбера и другие данные, которые мы собираем с его согласия), и модель градиентного бустинга в сочетании с подходом «один против всех». Данная спецификация обладает рядом преимуществ: интерпретируемость, высокая скорость построения модели и её обучения. Представленная нами модель на сегодняшний день является лучшим вариантом по соотношению эффективности ко времени, необходимому для её имплементации.

На данный момент модель способна разметить всю активную клиентскую базу СберБанка — 103 миллиона человек. Таким образом, мы стали первыми, кто разработал инновационный подход к взаимодействию с клиентами в роботизированном телемаркетинге и успешно внедрил его в бизнес.

Благодаря внедрению персонализированного подхода робота телемаркетинга к общению с клиентами мы увеличили выручку Банка и повысили лояльность клиентов:

• 45,5 млн рублей NPV (принёс проект за счёт продажи кредитных карт и привлечения клиентов в новый премиальный формат «СберБанк Премьер»);
• на 6,5% увеличилось количество согласий на получение продукта после презентации клиенту;
• на 10% увеличились фактические продажи банковских продуктов.

Мы значительно улучшили клиентский опыт, о чём свидетельствует обратная связь от клиентов по результатам общения с роботом («эмпатичный» тип голоса):

• робот Максим: Скажите, пожалуйста, у вас есть вопросы по использованию кредитной карты или по программе «Спасибо»?;
• клиент: Нет, спасибо, Максим. Вы очень доступно всё рассказали. Вы молодец!

В скором времени мы увеличим количество персонализированных типов голоса робота телемаркетинга и масштабируем подход на все продукты и услуги группы Сбера.

Подбирая для каждого клиента определенные типы голоса робота, а именно меняя тональность, эмоциональность, размер пауз с учётом большей предрасположенности клиента к тому или иному типу, мы добились уникального персонализированного подхода к взаимодействию с каждым клиентом Сбера через канал телемаркетинга.

Клиент слышит голос, который точно ему понравится: робот всегда в хорошем настроении, он вежлив и терпелив, не допускает ошибок по вине человеческого фактора. А наш подход оказывает положительное влияние на эффективность коммуникаций: мы значительно улучшили клиентский опыт, о чём свидетельствует рост согласий клиентов на оформление продуктов, а также рост продаж и NPV. Несомненно, этот кейс можно считать неким бенчмарком для других компаний, использующих AI в канале телемаркетинга. Мы уверены, что наш проект — это ещё один шаг к улучшению уровня общения с клиентами на рынке роботизированного телемаркетинга.