Чат-бот ВТБ с ИИ

Чат-бот — современный канал поддержки для розничных клиентов ВТБ. Бот мультифункциональный: он не только отвечает на вопросы по продуктам и услугам банка, но и помогает совершать ежедневные финансовые операции прямо в чате. Отсюда и имя: Помощник ВТБ.

Бот консультирует клиентов по широкому кругу вопросов: от обновления приложения и условий по вкладам до персональной информации, например, о списании денег или дате очередного платежа по кредиту. Помощник ВТБ владеет знаниями обо всех продуктах банка и помогает их оформлять.

Чат-бот также способствует повышению финансовой грамотности, объясняя, как работают финансовые инструменты и как пользоваться сервисами ВТБ.

Большинство клиентов взаимодействуют с ботом через ВТБ Онлайн, а часть — через мессенджеры (Telegram, WhatsApp, VK). Кроме того, бот доступен в прелогин-зоне, что позволяет помогать клиентам со входом в приложение и консультировать тех, кто еще не стал клиентом банка.

Задача — сделать так, чтобы бот точнее распознавал запросы клиентов и быстрее выдавал информацию.

Сейчас перед каждым релизом нового сценария на клиентов мы проводим автотесты, пополняем базу ML-модели примерами и работаем с логами пользовательских вопросов.

Если раньше бот распознавал одно намерение клиента, то теперь, благодаря проработке правил и технологиям ИИ, бот выявляет два вопроса в одном сообщении. Кроме того, мы научили Помощника ВТБ отвечать на повторный вопрос клиента другими словами. Это создает ощущение человеческого общения и повышает доверие к чат-боту.

Благодаря активному развитию чат-бота, за последний год доля чата от всех обращений выросла до 61% — больше половины клиентов выбирает чат для решения своих вопросов.

Основная цель проекта — улучшение клиентского опыта. Бот должен мгновенно давать ответы на вопросы, избавляя от необходимости ждать оператора или искать информацию самому. Таким образом мы снижаем количество переводов на сотрудника поддержки и экономим время клиента.

В основе успешного развития чат-бота лежат:

- Анализ потребностей клиентов. Мы проводим исследования, анализируем сессии в чате, разговариваем с потенциальными и текущими пользователями. 

-Развитие интерфейса чата. Мы добавляем функции, которые помогают легко находить нужную информацию, решать проблемы пользователя и быстро совершать операции.

- Внедрение интеграций — специальных надстроек в сценарии, которые помогают предоставлять персонализированную информацию, оформлять продукты в чате и совершать другие популярные операции.

- Регулярные обновления контента. Пользователи получают актуальную информацию: сейчас в сценарии более 1800 тематик, и они постоянно улучшаются в 10 каналах.

Оптимизация работы платформы и внедрение технологических решений, которые оптимизируют работу бота: используем новые инструменты и системы, в том числе машинное обучение.  Интеграция искусственного интеллекта стала важным этапом эволюции чат-бота. Теперь бот лучше понимает естественную речь, точнее определяет контекст и извлекает максимум информации из запроса. Это позволяет:

- Не переспрашивать клиентов.

- Исключить необходимость предоставления данных, которые уже есть у банка, для популярных сценариев (в 50% запросов).

- Закрывать 85% обращений без участия операторов.

В этом году у чат-бота ВТБ появились дополнительные преимущества:

1. Возможность определять 2 вопроса клиента в одном сообщении.

2. «Очеловечивание» диалога: если клиент 2 раза попадает в одну и ту же тему, бот дает более детальный ответ или отвечает другими словами.

3. Опечаточник, который исправляет неточности в запросе клиента.

Эти нововведения стали возможны благодаря внедрению искусственного интеллекта и креативным подходам, упрощающим доступ к информации и услугам банка.

Мы применяем технологии искусственного интеллекта для более качественного определения намерений клиента. Постоянно работаем над улучшением модели ИИ и обучаем ее на ежедневной основе. Для этого мы добавляем новые примеры и корректируем старые, анализируем ситуации, когда модель на правилах и модель машинного обучения дают разные ответы, и мониторим ошибки в отчетах.

Этот процесс позволил:

- Увеличить качество распознавания запросов на 6,3% — 76,1% обращений обрабатываются без переспросов и уточнений от бота.

- Повысить уровень автоматизации на 5,5% (с мая 2024 года) — до 85%.

- Чат-бот банка знает 1800 тематик, из которых уже 800 работают с применением технологий искусственного интеллекта. В будущем расширение тематик, которые знает ML-модель, позволит улучшить качество решения задач чат-ботом в несколько раз.

Все наши действия направлены на улучшение пользовательского опыта и повышение лояльности клиентов. Внедрение алгоритмов машинного обучения позволяет нам лучше понимать проблемы пользователей и быстрее их решать.

Как мы это понимаем? Ориентируемся на ключевой показатель — долю удовлетворенности. Это отношение «пятерок» ко всем оценкам, которые ставят клиенты после диалога с чат-ботом. После внедрения ИИ показатель ДУ вырос до 78,2%.

Чтобы сделать этот показатель еще более эффективным, мы существенно обновили форму оценки. Теперь мы ждем оценку от клиента до 3 дней, и если клиент ее не поставил, направляем пуш-уведомление с приглашением оценить диалог. Также для экономии времени клиента добавили возможность выбрать быстрый комментарий: например, «Понятный ответ» или «Вопрос не решен».

Результат — количество оцененных сессий с ботом и операторами выросло в 3 раза.

Для улучшения опыта взаимодействия клиентов с чатом мы развиваем интерфейс чата и придумываем новые способы для бесшовного ведения диалога. Ранее мы ввели подсказки при вводе сообщения, добавили кнопки в ответы для логичных переходов в темы.

С внедрением алгоритмов машинного обучения у нас появились новые инструменты для развития сервиса, которые позволили упростить переписку с чат-ботом.

Так, мы улучшили распознавание нетипичных и загадочных вопросов от клиентов, которые раньше бот не мог определить. Например:

- «Хочу крутить колесо» — бот распознал как запрос по сценарию «Велобайк».

- «Как связаться с аспиратором» — как «Просьба соединить с оператором».

Также мы добавили возможность исправлять опечатки, которые совершают клиенты в запросах к чат-боту. Так мы улучшили опыт взаимодействия с нашим продуктом и ускорили обслуживание в чате.

Сокращение нагрузки на контактный центр — важный результат автоматизации. Машинное обучение позволяет операторам сосредоточиться на сложных вопросах, обеспечивая более глубокое взаимодействие с клиентами.

Алгоритмы ML автоматизировали почти половину всех сценариев чат-бота (800 тематик). Это позволило нам улучшить качество распознавания запросов клиентов с 69,8% до 79%, а также вырастить общую автоматизацию чат-бота на 5,5 п.п. — с 79,5% в марте 2024 до 85%.

Совместные проекты с другими подразделениями помогают нам масштабировать использование чат-бота:

- Разработан сценарий сбора информации для опротестования операций, что сократило время обслуживания клиента. Мы потратили на это минимальное количество времени, так как машинное обучение позволило быстро наполнить сценарий примерами.

- Дополнительно внедрено 100 сценариев для премиальных клиентов с самыми полезными консультациями и операциями.

Алгоритмы машинного обучения позволяют поддерживать качество на высоком уровне и обеспечивать наилучший сервис для всех сегментов клиентов. А для нас освобождает ресурсы на решение креативных задач.

Перед запуском чат-бота на машинном обучении мы провели ряд тестов и решили сравнить, насколько технология закрывает реальные потребности клиента. Так мы запустили одновременно 2 чат-бота: один работал на правилах распознавания, которые писали вручную, второй — на алгоритмах машинного обучения.

При этом на машинное обучение ставили дополнительный штраф уверенности распознавания, чтобы не дать ИИ неверно консультировать клиента. Штраф повышает порог уверенности, который необходимо преодолеть чат-боту с ML.

Заметив, что результаты двух чат-ботов приблизительно равны, а качество чат-бота с ML не ниже бота на правилах, мы решили снизить порог штрафа. Постепенно чат-бот с ML начал давать более высокие результаты за счет постоянного дообучения и регулировки модели. Таким образом мы выбрали наилучшие настройки алгоритмов и масштабировали чат-бота с ML на всех клиентов.

Мы считаем, что наш подход является наиболее клиентоориентированным, так как мы тестировали и внедряли бота на ML не в искусственных условиях, а на реальном продукте.

Ключевой экономический эффект чат-бота — сокращение расходов на операторов контактного центра. В 2024 году экономия составила рекордные 3,5 млрд рублей.

Мы внедрили алгоритмы машинного обучения почти в половину сценариев бота. Это повлияло на сокращение издержек бизнеса на ручную обработку большинства популярных запросов.

Внедрение искусственного интеллекта в чат-бот ВТБ также позволило:

- Ускорить создание новых сценариев и облегчить поддержку текущих — трудозатраты сократились на 15%. Теперь команда не пишет правила, по которым чат-бот определяет тематику запроса, а собирает большое количество примеров и обучает на них ИИ-модель. 

- Сократить time2market вывода сценариев в продакшн в 1,5 раза — обучение чат-бота проходит намного быстрее. Мы доносим до клиента больше важной информации и оперативно решаем их проблемы. 

Эти изменения улучшают внутренние процессы и повышают операционную эффективность, помогая сосредоточить ресурсы на стратегически важных задачах.

Наш продукт стабильно входит в тройку лучших чат-ботов мобильных банков, по версии консалтингового агентства Markswebb. 4 года подряд чат-бот занимает первые места в рейтинге компании Naumen. В этом году мы выиграли в 4 номинациях: Помощника ВТБ признали лучшим чат-ботом на рынке, а также лидером по доступности и качеству обслуживания в цифровых каналах, в соцсетях и мессенджерах. А в рейтинге контакт-центров 2024 от компании Frank RG ВТБ занял первое место в номинации «Самый высокий уровень автоматизации консультирования в чате».

Мы продолжаем расширять возможности машинного обучения, следим за трендами в диалоговых интерфейсах, встраиваем чат-бота в новые каналы обслуживания и обеспечиваем лучший клиентский опыт на рынке.