«Тинькофф» — один из двух крупнейших банков России по количеству активных клиентов. Ведет обслуживание полностью дистанционно и не имеет розничных отделений. По итогам 2021 года активы достигли 1,32 трлн рублей. Банк входит в TCS Group, которая управляет онлайн-экосистемой, основанной на финансовых и лайфстайл-услугах.
Задачи
- Создать инструмент для контроля качества клиентского обслуживания внутри банка.
- Улучшить работу специалистов контакт-центра и существующие сценарии общения с клиентами.
- Предоставить другим компаниям готовое решение, позволяющее повышать качество обслуживания.
Предпосылки и мотивация
В отличие от большинства крупных банков, «Тинькофф» с самого начала работал только в онлайне. Поэтому задача обеспечить высокое качество обслуживания без физических отделений была ключевой. А это, в свою очередь, предполагало безупречную работу не только приложений, но и контакт-центра, который стал самым крупным в Европе. Облачный контакт-центр «Тинькофф» обеспечивает рабочими местами около 25 тыс. человек. Его сотрудники могут работать удаленно из любой точки России.
Первое время «Тинькофф» использовал готовое внешнее решение от израильского поставщика. Но оно плохо настраивалось под внутренние процессы банка и не давало нужных возможностей для контроля за работой контакт-центра.
Решение
В «Тинькофф» разработали собственную платформу речевой аналитики, которая позволяет в режиме реального времени анализировать общение операторов с клиентами по телефону и в чатах мобильного приложения и улучшать качество обслуживания. Когда решение опробовали и масштабировали внутри банка, его превратили в рыночный продукт.
Реализация
Собственный инструмент для контакт-центра начали создавать в 2017 году силами внутренней команды разработки. На старте речь шла об относительно простом наборе возможностей. «Мы хотели дать операционный интерфейс, где можно было быстро искать и слушать звонки, ставить оценки операторам», — рассказывает руководитель платформы речевой аналитики «Тинькофф» Артур Самигуллин.
За два года это решение успели масштабировать на все сервисные линии банка по всей группе компаний. Возник вопрос, что делать дальше. «Стало понятно, что мы должны постепенно автоматизировать оценку качества, сделать так, чтобы пользователь действовал эффективнее. Так появилась идея делать платформу речевой аналитики», — продолжает Самигуллин.
Разработчики создали целый набор ML-моделей, которые решают прикладные задачи. Прежде всего, автоматизируют обнаружение ошибок операторов в консультациях или выявляют эмоции клиентов — например, находят негативные реакции в разговоре только по интонации собеседника.
В среднем каждый месяц в «Тинькофф» поступает 10 млн обращений от клиентов. Весь этот объем платформа может проанализировать за несколько минут и подсветить те диалоги, на которые стоит обратить внимание.
Для сотрудников сделали удобный пользовательский интерфейс, в котором можно изучить диалоги с клиентами и сделанные ошибки.
Но просто функционального интерфейса недостаточно, чтобы повлиять на поведение сотрудника. Поэтому вознаграждение операторов привязано к результатам, которые фиксируются на платформе. По итогам месяца создается отчет, где отражено количество звонков, доля ошибок, динамика. От этого зависит зарплата сотрудника.
Самый важный для сотрудников раздел — это рекомендации, которые формируются на основе метрик из контакт-центра. Если оператор регулярно совершает одну и ту же ошибку, ему предлагают определенные материалы для обучения, в том числе примеры звонков и образовательные статьи.
Помимо операторов, с платформой работают руководители команд и отдел развития качества. Если раньше основной задачей этого отдела был поиск ошибок, то теперь — развитие сотрудника, выявление проблемы, обратная связь. «Исходя из аналитики, эти люди внедряют изменения в систему обучения и процессы, меняют скрипты», — объясняет Самигуллин. На платформе они могут отбирать диалоги по фразам, интонациям, результатам беседы.
Пример: как это работает
С помощью платформы речевой аналитики в банке исследовали отработку возражений, поскольку она больше всего влияет на конверсию продаж. Анализ показал, что в наиболее успешных диалогах упоминается доставка карты представителем.
Банк решил провести тест и узнать, что произойдет, если сотрудник специально будет упоминать в диалоге доставку карты представителем банка. Оказалось, что это облегчает для клиента принятие решения и увеличивает конверсию звонков в продажи на 15%.
Превратить речевую аналитику «Тинькофф» в продукт для внешних пользователей не составило большого труда. «Каких-то глобальных изменений не потребовалось. Мы поняли, что наше внутреннее решение оказалось очень конкурентоспособным. И в первый же год продаж мы окупили все расходы, которые потребовались, чтобы вывести продукт на рынок», — рассказывает руководитель платформы.
Речевая аналитика оказалась востребована практически во всех сферах, где есть голосовое обслуживание клиентов. Первым из них был агрегатор отзывов Zoon.ru. Вслед за агрегаторами платформу начали активно использовать банки, телекоммуникационные и страховые компании. Сейчас среди клиентов много компаний из сферы электронной коммерции, а также аптек и медклиник.
Для каких задач компании используют платформу речевой аналитики «Тинькофф».
- Оптимизация контроля качества
С помощью речевой аналитики задачу можно решить в автоматическом режиме. В результате бизнес получает возможность перераспределить ресурсы и направить сотрудников на решение более сложных задач.
- Выявление проблем в контакт-центре, которые мешают компании зарабатывать
С такой задачей к «Тинькофф» обратился один из российских онлайн-кинотеатров. После анализа выяснилось, что в 90% случаев на просьбу отменить подписку сотрудники не отрабатывают возражения и просто отвечают: «Да, хорошо, давайте отменим». Это приводило к потере потенциальной годовой выручки около ₽200 млн. Компания изменила скрипты и начала сокращать упущенную выгоду.
- Анализ эффективности сотрудников
Платформа позволяет выяснить, какие сотрудники наиболее эффективны и почему. Их поведение изучают с помощью речевой аналитики, а полученные инсайты масштабируют на весь отдел продаж.
Результаты
Платформа речевой аналитики помогла «Тинькофф» автоматизировать процесс развития персонала. В любых массовых профессиях, в том числе в контакт-центрах, традиционно большая текучка. Поэтому для компании крайне важно, чтобы сотрудник как можно быстрее обучился и начал обеспечивать необходимую скорость и качество обслуживания, определяя и сглаживая негатив.
В 2020 году, до запуска речевой аналитики, необходимых показателей качества сотрудники достигали за 12 месяцев. Сейчас этот срок сократился до девяти месяцев.
Платформой речевой аналитики «Тинькофф» сейчас пользуются более 40 крупных компаний. Решение помогает им повысить ключевые метрики продаж, улучшить работу конткт-центров и обслуживание. Так, у одного из банков-клиентов уже в ходе пилота конверсия продаж выросла на 15%.
Кейс клиента: глубина прослушивания и оптимизация штата в Zoon
C помощью инструментов речевой аналитики компания хотела увеличить глубину прослушивания звонков с 15–25% до 30–50%. Еще одна задача — не расширять отдел контроля качества, поскольку было запланировано увеличение отдела продаж в два раза.
Платформу речевой аналитики от «Тинькофф» интегрировали в 2020 году. Всю работу сотрудников отдела контроля качества перенесли из Google Таблиц в единый интерфейс платформы. Кроме того, компания настроила автооценку звонков.
Что получилось:
- глубина прослушивания звонков выросла с 15–25% до 100%;
- штат отдела контроля качества удалось оптимизировать — теперь вместо десяти человек работает пять, при этом отдел продаж расширился с 90 до 130 сотрудников;
- фонд оплаты труда отдела контроля качества сократился на 50%.
«Ожидания от внедрения речевой аналитики полностью
оправдались. Планируем пользоваться инструментом и дальше. Также хочу отметить, что мы были одними из первых на рынке, кто попробовал речевую аналитику от «Тинькофф». За это время у платформы появились новые, нужные нам, возможности.
Например, теги и метрики», — говорит руководитель отдела телемаркетинга Zoon Александр Козичев.
Кейс клиента: анализ коммуникаций и отработка негатива в level.travel
Компания начала использовать инструменты речевой аналитики в июле 2022 года. «Мы выбрали платформу «Тинькофф», потому что нам нравится бренд и технологии. При этом я сама пользуюсь «Тинькофф Мобайл» и вижу, как хорошо их технология распознает речь», — рассказывает директор клиентского сервиса level.travel Ольга Анисько.
Благодаря инструментам речевой аналитики компания внедрила новый процесс отработки негатива. Причины обращений клиентов удалось детализировать по темам, например, «рейсы», «багаж», «регистрация». Кроме того, компания устраивает тематические проверки обращений (по странам, по ошибкам авторизации, по промокодам) для принятия бизнес-решений.
Что получилось:
- охват анализируемых коммуникаций вырос с 0,3% до 100%;
- улучшилось качество обслуживания клиентов — доля негативных звонков упала с 15% до 8%;
- с июня по август CSI (Customer Satisfaction Index, уровень удовлетворенности клиента) вырос на 8%, а NPS (Net Promoter Score, уровень лояльности клиента) — на 5%.
В дальнейшем level.travel рассчитывает сократить расходы на компенсации клиентам в полтора раза за счет раннего выявления негатива с помощью речевой аналитики.
«Обязательно продолжим пользоваться инструментами речевой аналитики. Со стороны ребят из «Тинькофф», конечно, все круто: поддержка работает очень хорошо, у них есть чат, в котором отвечают моментально, есть лид-менеджер, который полностью ведет проект и хорошо погружен в специфику бизнеса», — отмечает Анисько.
Планы и перспективы
В «Тинькофф» видят несколько направлений для развития решения по речевой аналитике.
- Создание аналитического инструмента, который позволит выстроить оптимальную стратегию диалога. «Мы можем просчитать, что при использовании одних фраз беседы заканчиваются успешно с определенной частотой, а при использовании других — переходят в отказ», — объясняет Самигуллин. На базе этой информации можно создавать скрипты для контакт-центров по принципу шахматной стратегии.
- Обучение моделей на малых объемах и автосегментация. Чтобы обучить модель под конкретного клиента, обычно требуется большое количество диалогов. «Тинькофф» хочет предложить рынку решение, которое позволит этого избежать. Понадобятся уже не тысячи, а полторы сотни диалогов, и платформа автоматически начнет обучаться и сегментировать диалоги по тематикам, эмоциям и т.д.
- Онлайн-подсказки для сотрудников. Обратную связь оператору можно предоставить не по итогам диалога, а прямо во время разговора. «Допустим, клиент закипает, система это фиксирует и дает рекомендацию — пора переключить звонящего на опытного сотрудника или произнести определенные фразы», — описывает механизм Самигуллин.
Все эти новации планируется запустить не позднее следующего года.
Создатели платформы ожидают, что в ближайшее время все больше компаний будут внедрять у себя сервисы речевой аналитики.
«Раньше многие считали такие услуги «жирком», от которого в кризис можно отказаться. Но теперь речевая аналитика становится базовым, жизненно необходимым продуктом. Без CRM ты не можешь работать с клиентами, без мессенджера — общаться в корпоративном чате, а без аналитики — обеспечить качественное обслуживание», — рассказывают в «Тинькофф».
Здесь уверены, что речевая аналитика пройдет тот же путь, который недавно прошли корпоративные мессенджеры вроде Slack или таск-менеджеры вроде Trello. Сначала мало кто понимал, какую ценность они приносят. Но вскоре все осознали: это обязательное решение для того, чтобы быть эффективным.