Здравствуйте, это Сбер для Бизнеса!

Именно этой фразой мы приветствуем миллионы корпоративных клиентов нашего Банка, которые обращаются к нам за помощью.

Мы – это Центр Корпоративных Решений (ЦКР) Сбербанка: огромный контактный центр, состоящий из 7 распределённых площадок, 9 функциональных направлений и более 5000 сотрудников, готовых оказать поддержку 3 млн клиентов по сервисным и техническим вопросам в режиме 24/7.

Портфель продуктов и услуг Сбера достаточно велик и разнообразен, а ЦКР продолжает непрерывно развиваться, открывая дополнительные площадки и принимая на поддержку всё новые и новые продукты и услуги Банка. В месяц мы обрабатываем более двух миллионов обращений в голосовом канале и около миллиона в текстовом.

Именно поэтому так важно при обращении клиента в контактный центр максимально точно определить его проблему и организовать корректную маршрутизацию на подходящего оператора.

Чтобы наиболее качественно решить данную задачу, мы разработали сервис «Предиктивная маршрутизация».

Данный сервис, используя технологии искусственного интеллекта и анализ больших данных, прогнозирует тему обращения клиента в КЦ Сбера и подбирает того оператора, который обладает оптимальными навыками для решения данной проблемы клиента.

Для предсказания используются как данные о действиях клиента в системах Банка, которые он совершал непосредственно перед звонком, так и исторические тренды, склонность к определённым паттернам действий и прочее.

Сервис запущен в голосовом канале контактного центра: он уже подтвердил свою эффективность и сейчас проходит активную фазу развития и масштабирования.

Сервис разрабатывался как альтернатива классическим инструментам маршрутизации: DTMF-меню и Голосовому ассистенту. Его задача - исправить их слабые стороны, при этом не теряя в качестве относительно сложившихся стандартов обслуживания.

Общемировые практики показывают, что сервисы, построенные на больших данных, открывают для бизнеса новые возможности, позволяя увидеть вещи, не всегда заметные взгляду эксперта.

При разработке мы преследовали следующие цели.

Повышение точности маршрутизации

Основная специфика нашей деятельности заключается в богатом портфеле продуктов и услуг Банка, что продуцирует большое количество целей для маршрутизации (таргетов).

DTMF-меню не удовлетворяет данному критерию, поэтому от него пришлось полностью отказаться.

Голосовой ассистент не ограничивает в числе таргетов, но, сталкиваясь с ним, клиенты часто неодназначно формулируют свой вопрос, а около 5% клиентов не готовы общаться с роботом в принципе, что негативно влияет на точность определения таргета.

Предиктивная маршрутизация с высокой вероятностью «знает» конкретную тему обращения клиента уже на моменте попадания клиента в IVR, тем самым минимизируя влияние человеческого фактора.

Снижение времени, необходимого для маршрутизации

Понимание с высокой точностью темы обращения уже на начале звонка позволяет исключить IVR, как таковой, в принципе. Время нахождения в инструменте маршрутизации в нашем КЦ сведено к разумному минимуму.

Экономия ресурсов КЦ

За счёт более точной маршрутизации мы снижаем долю звонков, по которым оператор совершил перевод. Это позволяет снизить нагрузку на операторов и экономить на ФОТе.

Кроме того, сокращая время на линии и переводы, мы улучшаем клиентский путь.

Также сервис позволяет экономить на трафике от провайдеров связи за счёт снижения времени в IVR.

Действующие и потенциальные клиенты Банка

Разумеется, основной потребитель нашего сервиса – это корпоративные клиенты Сбера. Таких большинство: порядка 90% от всех, звонящих на общую линию поддержки Банка. Они получают ускоренное и более качественное обслуживание.

При этом мы должны опознавать и уметь обслуживать и обращения от клиентов-физических лиц, желающих открыть собственный бизнес либо по ошибке нашедших контакт для сегмента B2B, и тех людей, кто пока ещё не является клиентом Банка.

Операторы контактного центра

Благодаря нашему сервису сотрудники получают более целевой трафик, что позволяет им качественнее консультировать клиентов, а также улучшать свои метрики. Что безусловно влияет на размер премии и вовлечённость сотрудников.

Операционные директора и руководители направлений контактного центра

Использование сервиса даёт возможность эффективнее распоряжаться ресурсами, а также осуществлять оптимизацию затрат на его содержание. Также в дни повышенной нагрузки сервис Предиктивной маршрутизации позволяет организовывать сценарии самообслуживания для клиентов в IVR (например, уведомляя обращающихся по конкретному продукту о временных технических проблемах или отправляя СМС с инструкцией), тем самым закрывая часть вопросов ещё до выхода звонка на оператора.

Создавая сервис, большое внимание мы уделили выбору объекта предсказания для предиктивной маршрутизации (целевой переменной). Её таргетом мы выбрали проблематику, по которой обращается клиент.

Данный подход, в отличие от стандартной методики по распределению обращения на группу операторов, открывает более гибкие возможности для использования в будущем:

• уйти от универсальных операторов в сторону экспертов в узкой области
• подбирать специалиста с более высоким уровнем экспертизы по данному вопросу
• создавать сервисы самообслуживания в IVR и снижать загрузку операторов в КЦ
• в случае возникновения аварий и инцидентов воспроизводить уведомления только тем клиентам, которым они будут актуальны

Мы разметили пул звонков в КЦ за 1 год, в результате чего появились порядка 60 проблематик, заложенных в основу целевой модели.

Для формирования прогноза сервис использует данные из интеграций с большим количеством банковских систем. Среди них:

• данные об активности клиента в личном кабинете СберБизнес ОнЛайн
• данные о посещении клиентом страниц сайта Сбера
• данные из CRM систем (в т.ч. розничного сегмента бизнеса)
• данные по операциям в рамках зарплатного проекта
• данные по транзакциям
• СМС и Push-уведомления, отправленные клиенту с номера 900
• данные о возникающих ошибках
• данные о заявках на техобслуживание и оставленных офлайн-обращениях
• данные о предыдущих обращениях клиента в КЦ
• временные тренды
• ряд backend-признаков о клиенте (например, имеющиеся продукты, счета, и прочее)

Данные собираются из систем в режиме реального времени и раскладываются в вектор событий-триггеров по каждому клиенту. При обращении клиента в КЦ рекомендательная система анализирует данный вектор и делает предположение о возможных проблематиках обращения и степени уверенности в решении. В качестве результирующей выбирается наиболее вероятная.

Рекомендательная система «под капотом» имеет ряд алгоритмов машинного обучения, среди которых ансамбль AI-модели классификации и нейросети, работающие в синергии с экспертными правилами. При её разработке одним из главных требований была скорость ответа, т. к. сервис Предиктивной маршрутизации работает в онлайн режиме непосредственно на обращении клиента. Нам удалось достичь задержки менее, чем в 1 секунду: таким образом, пока клиент слышит приветствие на входящей линии поддержки, мы уже знаем тему его вопроса и готовы осуществить маршрутизацию.

Отдельная сложность, которую пришлось преодолеть – это задача идентификации клиента на входящем звонке. IVR имеет информацию только о номере телефона звонящего. Однако специфика обслуживания юридических лиц имеет ряд нюансов:

• с одного и того же телефона могут звонить разные люди
• один и тот же человек может звонить с разных телефонов
• клиент может проявлять активность с одного номера телефона, а обращаться с другого

Чтобы нивелировать данные риски, мы разработали дополнительную систему приоритизации при идентификации контактов, которая корректирует результирующую уверенность в прогнозе.

В результате своей работы рекомендательная система возвращает в IVR таргет маршрутизации. Обладая знанием, какая группа сотрудников обучена данной узкой проблематике, а также учитывая степень уверенности в данной проблематике, IVR подбирает нужный сценарий и маршрутизирует звонок в очередь.

Анализируя отчётность и исторические данные по работе сервиса, мы делаем выводы о качестве его работы и в случае необходимости корректируем его алгоритмы под изменившуюся структуру трафика. Ключевыми показателями для нас являются точность определения темы обращения и доля переводов звонков после маршрутизации на оператора.

Влияние на клиентский опыт

Сервис запущен в начале 2021 года, уже показал свою эффективность и сейчас проходит фазу активного развития и масштабирования.

При масштабировании основной метрикой для нас является покрытие сервиса, выраженное в отношении числа вызовов, маршрутизированных предиктивно, к общему входу в контактный центр. Сейчас покрытие составляет 80%. Благодаря этому, порядка 20 000 клиентов Сбера в день могут получать более качественное и быстрое обслуживание.

Время в IVR для клиентов, попавших в аудиторию сервиса сведено к разумному минимуму, и сейчас оно составляет порядка 13 секунд. Меньше делать нецелесообразно, так как велика вероятность ухудшения клиентского опыта и возникнут дополнительные сложности с выполнением требований законодательства.

На момент запуска сервиса это значение было сильно выше и составляло 60 секунд. Удалось снизить время в IVR более, чем в 4 раза, что напрямую повлияло на увеличение CSI клиентов, обращающихся в КЦ.

Динамика увеличения покрытия сервиса и снижения времени в IVR показана на слайде 12 Презентации к эссе.

Влияние на бизнес

За счёт более быстрого маршрута в IVR нам удаётся экономить порядка 1,3 млн минут операторского трафика в год, что напрямую ведёт к снижению затрат на содержание КЦ.

За счёт более точной маршрутизации к концу года мы снизили долю переводов на 10%, что равносильно снятию нагрузки с 30 операторов. Динамика показана на слайде 15 Презентации к эссе. Но и это не предел: продолжая работать над точностью наших алгоритмов и добавляя данные в модель, мы планируем снизить переводы до минимально возможных значений.

Помимо прочего сервис позволяет определять тематики обращений, которые находятся за рамками компетенций операторов ЦКР и переводить вызовы во внешние КЦ Сбера. На конец года это позволило снять нагрузку ещё с 58 операторов. Поквартальная динамика показана на слайде 16 Презентации к эссе.

Операционная эффективность

После внедрения и донастройки сервиса стоимость обслуживания клиента сократилась на 6%.

Суммарно за 2022 год экономия средств банка на нашем сервисе превысила 70 миллионов рублей.

Внедрение технологий искусственного интеллекта и анализа больших данных в повседневные бизнес-процессы в нашем случае значительно повысило их эффективность.

Проводя регулярный анализ клиентского опыта и глубокий статистический анализ, мы смогли лучше понять наших клиентов и наш трафик в целом. За время работы над сервисом наша команда выросла с 4 человек до 16 (см. слайд 13). Всё это позволило нам внедрять более эффективные алгоритмы и быстрее добиваться значимых результатов.

Разработав сервис Предиктивной маршрутизации, мы сделали не просто классификатор обращений, но создали платформу, предлагающую бизнесу новые возможности по улучшению качества клиентского сервиса и оптимизации деятельности контактного центра.

Сейчас мы работаем над увеличением покрытия и улучшением точности наших алгоритмов. Кроме того, мы хотим дополнительно анализировать поведенческие характеристики клиента в каналах обслуживания, чтобы предлагать действительно персонализированное обслуживание каждому, кто обратится в КЦ Сбера для юридических лиц. В том числе планируем делать сценарии мягкой автоматизации, помогая непосредственно в IVR решать вопросы тем клиентам, кто к этому готов.

Помимо этого, мы планируем сделать сервис омниканальным, перенеся его в текстовые каналы контактного центра и интегрировав с существующими ботами и виртуальными ассистентами.

На цифрах мы видим, насколько сильно наш сервис помогает клиентам Банка в ведении их бизнеса и решении ежедневных рутинных вопросов, ведь всё, что создаётся в Сбере – делается во благо клиента!