Наша команда занимается разработкой Голосового помощника, встречающего клиента при звонке в СБЕР. В начале этого года железная леди приобрела имя, и её стали называть Афина. Ежедневно к нам обращаются в среднем 800 000 клиентов с вопросами и проблемами разной сложности. Задача Афины — решать эти вопросы, чтобы снять большой пласт нагрузки с операторов контактного центра. Так, в среднем 60% всех запросов решаются именно силами бота.

Мы понимаем, что у каждого звонящего к нам клиента уже имеется какой-либо вопрос. Для того, чтобы определить потребность клиента в самом начале звонка ещё до начала диалога, Афина получает информацию о том, что происходило с клиентом в других системах банка, и что могло спровоцировать звонок на 900. Это позволяет определить потребность клиента ещё до того, как он задал вопрос, и предвосхитить его ожидания, а также сократить время диалога.

После того как мы определили потребность, бот предиктивно предлагает клиенту помощь по конкретному вопросу. Если клиент соглашается, запускаются соответствующие сценарии, которые также называются навыками. Навыки, предлагаемые до вопроса клиента, называются предиктивными.

Итак, мы создаем предиктивные сценарии трёх категорий:

• Сценарии для клиентов, часто звонящих по определенному вопросу;
• Таргетированные сценарии, в которых информация сообщается только определенному списку клиентов;
• Сервисные, триггером для которых являются действия клиента в сервисах банка.

Главная цель нашей команды — помочь операторам контактного центра в решении вопросов клиентов силами голосового помощника, также известного как IVR (Interactive Voice Response). Мы понимаем, насколько мы успешны в достижении этой цели, при помощи бизнес-метрик.

Ключевым показателем для нас является количество переводов на операторов КЦ. Чем меньше эта цифра, тем эффективнее работает бот. Мы перешли именно на абсолютные целевые значения в связи с тем, что относительные не всегда могут отобразить действительную нагрузку на операторов. Так, например, было в период повышенного фона звонков во время пандемии в 2020 году. Хотя на бумаге процент автоматизации рос, реальная нагрузка на контактный центр превышала прогнозируемые объемы.

При этом мы не перестали упускать из поля зрения долю автоматизированных клиентов. Благодаря такой метрике, как «процент автоматизации», мы понимаем, насколько полезны наши сценарии для клиентов. Формула расчёта этого показателя — количество звонков, в которых клиент получил на вопрос, делённая на количество обращений.

При сокращении количества переводов на оператора важно отслеживать, насколько клиент удовлетворен предоставленной услугой, для этого мы используем классическую метрику CSI (Customer Satisfying Index). В данный момент этот показатель составляет 79%.

Для достижения наших целей ставим перед собой следующие задачи:

• Точно определять потребность звонящих к нам клиентов;
• Удовлетворять данные потребности за счёт расширения количества навыков Афины;
• Совершенствовать уже существующие, постоянно анализируя обратную связь от клиентов и смежных коллег.

Согласно исследованию команды Frank RG, более чем для половины клиентов предпочтительным каналом связи с банками является звонок в контактный центр. Именно из-за большой аудитории наш продукт является своеобразным хабом, в котором сконцентрирована информация практически по всем продуктам банка и экосистемы, таким как дебетовые и кредитные карты, вклады, кредиты, СберМаркет, ЕАПТЕКА и многие другие. Соответственно, круг владельцев продуктов, заинтересованных в размещении информации в IVR, довольно обширен.

Не менее важным участником является Единый распределённый контактный центр. Афина помогает снять большое количество обращений на операторов, и не допустить роста времени ожидания в очереди. Коллеги из КЦ являются наиболее частыми заказчиками навыков Афины.

Также по причине того, что в IVR не хранится каких-либо персональных, Афина постоянно «общается» со смежными автоматизированными системами, в которых находится нужная нам информация. Например, для того чтобы получить знания о клиенте и о его продуктах или перевыпустить карту, мы используем интеграцию с соответствующими системами.

Для того чтобы сохранить данные клиента и системы банка в безопасности, мы согласуем все свои интеграции и доработки со службой кибербезопасности.

Но, конечно же, самым важным стейкхолдером для нас, как и для всего СБЕРа, является клиент. Качественный клиентский путь — главный приоритет нашей команды. На постоянной основе мы проводим исследования, анализируем обратную связь от клиентов для совершенствования нашего продукта. Ведь положительный клиентский опыт определённо способствует достижению наших целей.

Предиктивные сценарии появились в нашем боте с самого начала существования IVR. Однако список этих навыков постоянно пополняется.

В данном разделе предлагаю более подробно познакомиться с каждой из категорий предиктивных навыков, указанных в первом разделе этого эссе.

• Сценарии для клиентов, часто звонящих по определенному вопросу.

По сути, эти навыки работают на основе machine learning модели, обученной на тематиках вопросов, которые конкретный клиент наиболее часто склонен задавать. Если клиент звонит на номер 900 в основном для того, чтобы узнать свой баланс, то модель присвоит ему определённый маркер. При следующем звонке Афина увидит маркер и спросит: «Хотите ли узнать баланс по карте?».

• Таргетированные сценарии.

Технология работы данного класса навыков очень проста: если коллегам из смежной команды необходимо разместить в IVR информацию, которая может быть полезна определённому пулу клиентов, то заказчик формирует список клиентов. Всё, что остаётся — это научить Афину говорить нужную реплику при звонке клиента, входящего в таргет.

Главный плюс этого инструмента в том, что им может воспользоваться любой участник системы банка и экосистемы. Также time to market данных навыков рекордно низкий. Например, зачастую сценарии выходят в продакшен через несколько часов после возникновения необходимости.

• Сервисные сценарии.

Это наиболее автоматизированная категория из трёх. В данном случае нужно только один раз настроить реакцию Афины на определённое событие в какой-либо системе банка. После того как сработал триггер и клиент позвонил в банк, ему будет предложена помощь по решению возникшей проблемы.

Здесь мы уже интегрированы с такими системами банка, как перевыпуск карт, аресты, CRM, системой по заявкам на кредиты и ипотеки и т.д.

Данный список постоянно расширяется. Так, например, в ходе одного из исследований клиентского пути мы поняли, что 30% клиентов звонят на 900 после каких-либо действий в приложении СберБанк Онлайн. Таким образом, был проделан большой анализ клиентского пути в мобильном приложении (click stream), в результате чего IVR научился реагировать на проблемы клиента в СберБанк Онлайн и автоматизировать их решение.

Одним из таких навыков является предложение помощи при входе в мобильное приложение Сбербанк Онлайн. Если до звонка пользователь пытался войти в приложение, но у него не получилось, и клиент решает позвонить по номеру 900, то диалог будет выглядеть следующим образом:

Афина: Здравствуйте, Иван Иванович, это СберБанк, я — ваш виртуальный ассистент Афина. Я уже знаю, что вы не могли войти в Сбербанк Онлайн, хотите расскажу, что делать, если забыли пятизначный пароль для входа? Скажите «да» или «нет».

Клиент: Да.

Афина: На странице входа нажмите на кнопку «Не можете войти?», далее — кнопка «Создать новый пароль», и выберите удобный для вас вариант восстановления пароля — по номеру карты или по логину от СберБанк Онлайн, после чего нужно будет подтвердить регистрацию кодом из СМС и придумать новый пароль.

Стоит сказать, что если у клиента имеется несколько предикторов, то они будут приоритизированы по важности информации и клиенту будет озвучено самое важное предложение.

Предиктивность, занимает особое место в работе Афины, так как данный подход давно доказал своё положительное влияние на бизнес и клиентский опыт.

С начала 2022 года клиентами было получено более 70 000 000 предложений. Более половины из них — 40 000 000 — составляет предложение получить баланс по карте, т.к. это наиболее популярная среди звонящих к нам клиентов тематика.

В этом году мы добавили в начало каждого предиктивного навыка вопрос-приглашение, чтобы предоставлять клиенту информацию, только если она действительно ему нужна. В результате мы понимаем, что ежемесячно предложение получают около 6.3 млн. звонков, при этом оглашаются прослушать 2.5 млн клиентов, что составляет 40% от всех предложений.

Всего навыки предиктивного типа автоматизируют примерно 48 000 звонков в день, 1.4 млн в месяц. Таким образом, 10% от всей автоматизации IVR мы получаем именно благодаря предиктивным сценариям. Что выводит их в топ-3 источников автоматизации.

Если представить, что предиктивные навыки перестали существовать, то только для облуживания данных вопросов придется открывать полноценный контактный центр. Как итог, данная технология экономит не одну сотню миллионов рублей.

При этом важным показателем эффективности сценария является индекс удовлетворенности. В среднем по всем предиктивным навыкам в 2022 году CSI составил 80,0%. Это говорит о том, что бо?льшая часть клиентов ставит Афине высокие оценки после таких сценариев.

Подводя итог, можно сказать, что предиктивность — это только одна из многих составляющих нашего голосового помощника. Однако высокая эффективность позволяет нам гордиться этой технологией.

Те навыки, которые уже реализованы в нашем IVR, не являют собой финальную версию предиктивности Афины. Мы понимаем динамику изменений бизнес-сегмента в последние годы и поэтому постоянно развиваем и пополняем навыки бота, в том числе и предиктивные. Кроме того, мы изменяем сам подход к предоставлению предиктивной информации. Например, сейчас нами прорабатывается технология рекомендательной системы (RecSys), которая будет оценивать отклики клиентов на наши предложения и учитывать их при выборе Афиной нужного навыка.

Как бы то ни было, при любых обстоятельствах Сбер ставит клиента в центре всего, стратегия банка основана именно на интересах и потребностях наших клиентов, и наша команда не исключение.

В связи с этим мы акцентировали внимание именно на предоставлении персонализированной информации и уверенно идём в этом направлении.