Тендеры и лиды
Информация
Недавно мы работали над проектом автоматизации поддержки для интернет-магазина шин. Исходная проблема выглядела типично: сотрудники горячей линии были перегружены, количество обращений росло, а часть вопросов повторялась изо дня в день.
На первый взгляд решение очевидно — внедрить чат-бота. Но прежде чем выбирать платформу и строить сценарии, мы решили разобраться, что именно происходит в поддержке и какие процессы действительно стоит автоматизировать.
В этой статье расскажем, как подошли к задаче, какие сложности возникли при проектировании сценариев и почему в некоторых случаях сценарный чат-бот оказывается эффективнее сложных AI-решений.
До начала проекта на сайте уже работал стандартный онлайн-чат. Пользователь мог написать вопрос и получить ответ от оператора. Проблема заключалась в том, что практически каждое обращение требовало одинаковой последовательности действий. Например, клиент хочет узнать статус заказа. Диалог выглядел бы примерно так:
Вопрос клиента простой, но оператору приходилось собирать данные вручную. Если подобных обращений больше сотни в день, значительная часть рабочего времени уходит не на решение вопросов, а на получение исходной информации.
Мы проанализировали работу поддержки и стало понятно, что многие запросы повторяются:
узнать статус заказа;
уточнить наличие товара;
узнать характеристики шин;
уточнить год производства;
получить промокод или информацию об акциях.
Каждый раз оператор проходил один и тот же путь, задавал уточняющие вопросы, собирал контекст и только после переходил к решению исходного вопроса.
Когда речь заходит об автоматизации поддержки, сразу возникает желание создать максимально умного бота, который сможет отвечать на любые вопросы пользователей. На практике такой подход редко оказывается эффективным.
После анализа обращений за последние шесть месяцев и общения с сотрудниками поддержки мы сформулировали более прагматичные требования.
Чат-бот должен:
обрабатывать самые частые обращения клиентов;
работать круглосуточно;
собирать необходимую информацию до подключения оператора;
корректно распознавать разные формулировки одного и того же вопроса;
учитывать особенности структуры бизнеса;
не загонять пользователя в тупик;
передавать оператору весь собранный контекст общения.
Важно отметить, что нашей целью не была замена операторов. Мы хотели убрать рутинные действия и сократить время, которое сотрудники тратят на первичный сбор информации.
Перед проектированием сценариев мы изучили историю обращений клиентов и выделили наиболее популярные категории запросов:
статус заказа;
наличие товара;
характеристики шин;
год производства шин;
получение промокодов и скидок.
Анализ показал, что значительная часть обращений имеет типовую структуру и может быть автоматизирована с помощью заранее подготовленных сценариев. Именно эти сценарии легли в основу первой версии чат-бота.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13768 тендеров
проведено за восемь лет работы нашего сайта.
Проанализировав обращения мы поняли, что для решения задачи не нужно внедрять сложные AI-системы, потому что большинство запросов пользователей имели типовую структуру и укладываются в сценарную логику.
Для реализации проекта выбрали связку Jivo и SaluteJazz от Сбера, а проект разделили на два этапа.
На первом этапе реализовали сценарного чат-бота SaluteBot для обработки наиболее популярных обращений и сбора информации перед подключением оператора.
На втором этапе предусмотрели интеграцию с внутренними системами интернет-магазина через API, которая автоматизирует получение данных о заказах, наличии товаров и других сущностях.
Это помогло нам начать автоматизацию с наиболее востребованных сценариев и одновременно подготовить архитектуру для дальнейшего развития.
На первом этапе схема работы простая:
1. Пользователь обращается через чат на сайте.
2. Сообщение попадает в чат-бота, который анализирует запрос и определяет подходящий сценарий.
3. Далее бот задает уточняющие вопросы, собирает необходимые данные и принимает одно из двух решений:
выдает готовый ответ;
передает обращение оператору вместе с собранной информацией.
Архитектура решения строилась на связке Jivo и SaluteJazz. Схематично процесс выглядит следующим образом:
Пользователь → Jivo → SaluteJazz → сценарий обработки → ответ клиенту или передача оператору
Фактически чат-бот выполняет роль первой линии поддержки и помогает автоматизировать обработку типовых запросов.
Одной из важных задач первого этапа стало наполнение справочника сущностей и пользовательских формулировок. На практике клиенты редко задают вопросы одинаковыми словами.
Например, запрос на получение информации о заказе может выглядеть как:
Где мой заказ?
Что с заказом?
Узнать статус заказа.
Когда доставят заказ?
Заказ ещё не приехал.
Для корректного определения сценария был сформирован набор сущностей и синонимов, который позволял объединять различные формулировки в единое намерение пользователя. Благодаря этому бот мог корректно определять сценарий обращения даже при использовании разных формулировок одного и того же вопроса.
Архитектура решения сразу проектировалась с учетом последующего подключения API интернет-магазина. В такой конфигурации схема взаимодействия будет выглядеть следующим образом:
Пользователь → Jivo → SaluteJazz → API интернет-магазина → ответ клиенту
Например, при запросе статуса заказа бот получает номер заказа от пользователя, формирует запрос к системе магазина, получает актуальный статус и автоматически возвращает ответ клиенту. Это позволяет постепенно увеличивать уровень автоматизации без необходимости перестраивать всю систему.
Один из самых востребованных сценариев. Бот уточняет необходимые данные и передает оператору уже подготовленное обращение.
После получения необходимых данных бот передает оператору всю собранную информацию, а на следующем этапе развития проекта этот сценарий сможет работать через API автоматически.
Для корректного ответа необходимо было собрать параметры: город клиента; марку товара; модель; дополнительные характеристики.
Раньше эти данные вручную собирал оператор. Теперь эту работу выполняет чат-бот.
Отдельный сценарий был предусмотрен для вопросов о характеристиках шин, включая уточнение параметров и года производства.
Часть вопросов не требует участия оператора вообще. В таких случаях бот может сразу предоставить пользователю необходимую информацию.
Наибольшие сложности появились не на этапе настройки платформы, а при проектировании пользовательских сценариев.
Изначально некоторые цепочки выглядели логично с точки зрения разработчиков. Например, пользователь спрашивает, как оформить заказ → бот отправляет инструкцию → сценарий завершен.
Но для клиента история на этом часто не заканчивается. У него может появиться дополнительный вопрос или новая задача. Если не предусмотреть дальнейшие действия, пользователь оказывается в ситуации, когда не понимает, что делать дальше.
Для решения этой проблемы мы добавили в каждый сценарий несколько универсальных вариантов действий:
задать другой вопрос;
начать сначала;
вызвать оператора;
завершить диалог.
Это позволило избежать ситуаций, когда пользователь оказывается в «подвешенном» состоянии.
Во время анализа обращений быстро выяснилось, что даже простой запрос может иметь множество формулировок.
Например, вопрос о статусе заказа пользователи задавали совершенно по-разному:
Где мой заказ?
Узнать статус заказа.
Когда доставят заказ?
Что с моим заказом?
Заказ ещё не приехал.
Для каждого популярного сценария пришлось собрать набор синонимов и вариантов формулировок, которые бот должен распознавать как одно намерение пользователя.
У заказчика несколько представительств в разных городах России. Поэтому недостаточно было просто передать обращение оператору. Нужно было определить, какому специалисту оно должно попасть.
Для этого в сценарии добавили дополнительный шаг — определение города клиента. После этого обращение автоматически направлялось нужной группе операторов.
Этот проект еще раз подтвердил мысль, с которой мы сталкиваемся практически во всех задачах автоматизации поддержки: цель чат-бота не в том, чтобы заменить оператора. Гораздо эффективнее использовать его для решения рутинных задач, которые ежедневно отнимают время у сотрудников.
Использование связки Jivo и SaluteJazz позволило нам быстро внедрить сценарного чат-бота, автоматизировать наиболее популярные обращения и подготовить основу для дальнейшей интеграции с внутренними системами интернет-магазина. После внедрения чат-бота нам удалось:
Снизить нагрузку на сотрудников горячей линии.
Ускорить обработку запросов за счет автоматического сбора данных.
Повысить эффективность поддержки без потери качества.
