Привет! Меня зовут Юрий, я руковожу группой SupportAI в «Ростелеком-ЦОД».
Пару лет назад наша техподдержка зашивалась с возрастающим количеством обращений от клиентов, монтажников и сотрудников компании. Мы вручную обрабатывали тысячи запросов, поступавших через разные системы и мессенджеры.
С текущими ресурсами этот объем было не закрыть, а на полноценное обучение новых операторов не было времени, поэтому мы решили автоматизировать первую линию техподдержки (1 ЛТП). В этой статье, на примере процессов в сервисе «Виртуальная АТС», я расскажу, как работает новый алгоритм решения проблем клиентов.
Содержание статьи:
Проблема. Жизненный цикл обращения
Задача. Что мы хотели?
Решение. Внедряем бот
Как работает бот?
Что делает ИИ?
Что мы получили в итоге?
Планы
Проблема. Жизненный цикл обращения
В сервисе «Виртуальная АТС» клиент мог обратиться в техподдержку тремя способами:
позвонить в колл-центр;
обратиться к своему менеджеру;
оставить обращение из личного кабинета для юридических лиц.
До того как завести обращение в тикет-систему, менеджер клиента или сотрудник 1ЛТП вручную проверял, какие вопросы клиент задавал ранее, баланс, не заблокирован ли сервис и т. д. После этого консультировал.
Если первая консультация устраивала клиента, на вторую линию поддержки (2ЛТП) обращение не попадало. Если у клиента оставались вопросы вне зоны ответственности оператора колл-центра или личного менеджера, задача регистрировалась в тикет-системе и уходила на 2ЛТП.
Полный цикл обращения клиента в техподдержку иногда занимал до одного часа — от звонка до получения обратной связи. Время уходило на дозвон оператору, ручной поиск информации по клиенту, регистрацию обращения в тикет-системе и ожидание обратной связи от специалиста.
Задача. Что мы хотели?
Максимально быстро отвечать на вопросы клиентов.
Дать клиентам возможность самостоятельно решать часть задач (удобный доступ к базе знаний, инструкциям, скриншотам и документации).
Повысить лояльность клиентов.
Оптимизировать затраты на ТП.
Снизить нагрузку на наших сотрудников.
Унифицировать каналы приема обращений.
Сократить время обучения сотрудников ТП.
Не раздувать штат.
Решение. Внедряем бот
Автоматизация обработки обращений и ответов на вопросы клиентов стала решением наших проблем. Для этого мы использовали омниканальную платформу AutoFAQ на основе искусственного интеллекта, далее — просто «бот».
Нам было нужно свести потоки обращений в один канал и выстроить структуру техподдержки по принципу одного окна. Помимо этих задач мы хотели, чтобы бот:
давал возможность быстро связаться со специалистом службы поддержки;
самостоятельно подключал оператора к диалогам в сложных ситуациях;
автоматизировал взаимодействие с клиентом.
Как работает бот?
Главная задача AutoFAQ — перевести общение с клиентом в чат. Чат размещен в личном кабинете сервиса виртуальной АТС в виде виджета.
Клиент открывает личный кабинет, запускает виджет и видит приветствие и меню.
Кликнув на раздел, пользователь попадает в более подробное меню.
Если предложенные темы не подходят, то клиент пишет вопрос и получает ответ от бота.
Если бот не нашел ответ в базах знаний, то переводит диалог на оператора.
Когда клиент пишет в чат впервые, срабатывает интеграция с внутренними системами компании и собирается исходная информация по этому клиенту: различные идентификаторы, домен, ИНН, лицевой счет, МРФ, состояние баланса и т. д.
Бот проверяет наличие закрытых или открытых тикетов и какие обращения поступали от этого клиента раньше. Если клиент ранее обращался через виджет и его запросы поступали в тикет-систему, то в приветственном сообщении будет доступна кнопка «Активные обращения». Кликнув по ней, он увидит номера своих тикетов. Клиент может посмотреть тему обращения, статус задачи и как долго ждать решения.
В этом же окне есть кнопка «Требуется помощь оператора»: бот уточнит тему вопроса, спросит у клиента номер телефона, как к нему можно обращаться и переведет на оператора.
Когда сообщение попадает в очередь, оператор 2ЛТП получает сообщение в Telegram о том, что появился новый диалог. Он переходит по ссылке в AutoFAQ и берет диалог в работу.
Из интерфейса оператора можно зарегистрировать обращение в тикет-системе, посмотреть предыдущие обращения, проверить, дублировались ли запросы от этого клиента.
Предыдущие обращения клиента показываются в виде ссылок на диалоги. Можно запустить поиск решенных и активных инцидентов по клиенту, зарегистрированному через AutoFAQ в тикет-системе.
Дублирование запросов чаще всего происходит в крупных компаниях, когда есть один клиент и один домен услуги. В этом домене может быть несколько пользователей, у некоторых компаний — больше ста человек. И всегда есть вероятность, что писать будут одновременно несколько пользователей. Поэтому мы добавили возможность маркировать дубли обращения от одной компании.
Задачи, которые AutoFAQ закрывает без участия оператора, не регистрируются в тикет-системе. Статистический учет таких обращений происходит по данным, полученным напрямую из AutoFAQ.
А что с SLA?
Мы сделали специальную надстройку, чтобы сквозной показатель SLA переходил в тикет-систему из AutoFAQ, ведь при попадании обращения в тикет-систему может пройти какое-то время от момента создания диалога в AutoFAQ до того, как оператор принял решение зарегистрировать тикет. В тикет-системе время начала отсчета SLA равно времени создания чата в AutoFAQ. Таким образом, у нас есть возможность учитывать весь жизненный цикл обращения от момента, когда клиент обратился к нам, до фактического решения его вопроса и строить прозрачную статистику внутри сервиса.
Операторы AutoFAQ
Техподдержка сервиса «Виртуальная АТС» работает круглосуточно. Постоянных операторов всего два.
Если у операторов в работе больше двух диалогов, то привлекаются еще два специалиста. Если у них по два диалога, то привлекаются еще двое, и так до восьми человек. Пока одновременно работало максимум трое, в целом справляются два оператора. Они же занимаются обучением бота, чтобы он мог как можно больше обращений решать сам.
Что делает ИИ?
ИИ ищет ответы на вопросы в базе знаний, которую мы сами написали и постоянно пополняем.
У ИИ есть режим уточнений: если клиент задает вопрос, а ИИ видит, что на него есть 3-4 варианта ответа, то бот уточняет запрос и сужает выбор вариантов ответа. ИИ может предложить пройти по различным веткам диагностики, чтобы максимально точно решить проблему.
На оператора ИИ переводит диалог в двух случаях: когда не находит ответа вообще и когда не уверен в том, что ответ подходит. Если уровень уверенности бота ниже 90%, он переключает диалог на оператора.
Чтобы ИИ мог давать более точные ответы, мы регулярно добавляем новые статьи в базу знаний.
База знаний
На старте было порядка 200 документов, они поделены по темам. Документ обязательно содержит основной вопрос и различные его вариации. ИИ сопоставляет формулировки в обращении клиента и формулировки в документе, а когда находит ответ на вопрос клиента, показывает нужный текст или запускает нужный скрипт.
Есть специалисты, которые работают с базой знаний. Они наполняют базу контентом, пишут статьи, описывают фразы, слова и теги, которые помогут клиенту точнее сформулировать вопрос.
Пользователь может получить документы по свободному запросу или следовать сценарию в меню бота, то есть переходить по кнопкам и выбирать тему в меню.
Также у нас есть раздел видеоинструкций, которые дублируются в текстовой форме.
Что мы получили в итоге?
На простые вопросы, например, как подключить оборудование или как настроить интерфейс, бот отвечает мгновенно.
С января 2023 года по сегодняшний день мы получили примерно 3 500 обращений. Около 45% запросов бот обработал и решил без привлечения человека, что существенно облегчило работу службе поддержки.
Постепенно увеличивается процент обращений, идущих в AutoFAQ. Процент того, что попадает в тикет-систему, уменьшается.
На взятие диалога в работу нужно до 1 минуты: мы приветствуем клиента, проверяем информацию по вопросу и принимаемся за решение задачи. Если раньше клиент тратил 15 минут только на то, чтобы дозвониться, не говоря о том, чтобы с ним связались, с AutoFAQ за эти 15 минут можно полностью решить проблему.
Работа дежурного стала продуктивнее. Теперь специалисты тратят время только на нетривиальные задачи, а время реакции на обращение сократилось в десять раз.
Мы стали нанимать меньше людей в ТП. Также мы сократили время обучения новых сотрудников, теперь они могут приступать к работе уже через две-три недели.
Планы
Мы стремимся к тому, чтобы бот решал максимальное количество запросов, и для этого расширяем функциональность виджета. С ростом числа обращений планируем автоматизировать их классификацию.
В дальнейшем хотим автоматизировать поддержку в голосовых способах связи и планируем доработать Telegram-канал для клиентов «Виртуальной АТС». После его настройки мы перетянем в AutoFAQ больший процент обращений.
Спасибо коллегам из AutoFAQ за четкую и слаженную работу! Этот чат-бот уже используется и в других сервисах «Ростелеком-ЦОД». В следующих статьях мы расскажем, как адаптировали чат-бот к работе в других сервисах.
Stay tuned!