Обрабатывать больше сегментов и увеличить конверсию в КЭВ на 23%: нейросеть для производителя кухонь

Крупнейший производитель доступных кухонь и встраиваемой техники в Санкт-Петербурге. Основан в 2008 году, ведёт продажи без торговых площадей и магазинов, использует собственную службу доставки.

Главной задачей для Антареса была оценка лидогенерации: насколько она эффективна в целом и лиды из какого канала — Яндекс. Директ, исходящий обзвон, сайт — наиболее качественные. До внедрения bewise оценку затруднял человеческий фактор: какое-то количество целевых заявок постоянно обнаруживалось в «корзине», и это при том, что в компании действовал специальный регламент, чётко описывающий, какой лид считается целевым, а какой нет.
Адекватная оценка лидогенерации была тем важнее, что в Антаресе использовался отдел маркетинга на подряде; телемаркетинг с исходящим обзвоном тоже был внешним. Хотелось оценивать их работу без погрешностей и попробовать сократить затраты, т.к. стоимость лида выглядела слишком большой.

Ещё одним вызовом была оценка классификации лидов. Их обработкой в Антаресе занимается колл-центр, который ведёт их по отдельной воронке. В компании было несколько штатных специалистов (ОКК), контролировавших этот процесс и занимавшихся оценкой звонков, но они сталкивались с классической проблемой: звонков много, ресурса мало, прослушивать удаётся выборку в 15−20%. Руководство понимало, что такая цифра не может отображать полной картины. А если ОКК сталкивался с наплывом больничных или внезапным увольнением, его пропускная способность снижалась ещё больше.
Были вопросы и к процессу анализа: отдел работал по графику 2/2, в результате задачи по разбору инцидентов часто ставились одной сменой на другую, из-за чего терялась плотность контроля.
Кроме того, качество квалификации лидов нужно было не просто оценивать, а отслеживать её динамику — есть ли улучшения, насколько значительные.

И, наконец, работу колл-центра хотелось автоматизировать, отдав на нейросеть рутинные действия. Одной из болей были комментарии к сделкам — менеджеры практически их не писали, экономя время, и по итогу при каждом следующем касании с лидом контекст сделки (пожелания клиента, возражения, вопросы) зачастую терялся.

Чтобы решить вопрос с оценкой лидогенерации, мы предложили отдать определение вида лида — целевой или нецелевой — и его сегмента на bewise. Нейросеть должна была определять это по диалогу и вписывать вид-сегмент в отдельное поле Битрикса.

В ходе этой задачи наш заказчик слегка пересмотрен сценарий квалификации: какие-то части диалога были объединены в одну, от каких-то вопросов было решено отказаться.
Для автосегментации мы научили нейросеть распознавать такие критерии из диалогов:

Получилась разбивка на три сегмента: горячие, оценивающие рынок, отложенный спрос (клиенты без доступа в помещение; чаще всего это покупатели квартир, ждущие ключей).
И если раньше колл-центр передавал в работу только горячих клиентов, то автоматизация позволила обрабатывать и два других сегмента. Забегая вперёд, скажем, что сейчас эти лиды составляют до 46% от общего потока.

Благодаря всегда заполненному полю «сегмент» удалось автоматизировать и переход между воронками квалификации и собственно продаж. Это автодействие было настроено со стороны Битрикса.
Что касается погрешности в сегментации, то она снизилась примерно до 7%; кроме того, bewise. ai автоматически перемещает сделку на нужные этапы в зависимости от выявленного сегмента, что позволяет повысить точность аналитики.

Для анализа качества квалификации мы научили bewise распознавать ряд уникальных критериев диалога, свойственных именно бизнесу Антареса:

Все результаты оценки нейросеть выводит на дэшборд. На большинстве проектов мы конструируем его по шаблону, но для Антареса сделали полностью кастомную настройку. На каждую страницу дэшборда мы вывели одинаковый набор
фильтров: менеджер, сегмент, товарная группа и бренд, регион клиента - оценку можно смотреть в разрезе каждого или нескольких из них.
А стандартный функционал дашбордов в виде календарных фильтров закрыл пожелание видеть результаты колл-центра в динамике.

В рамках автоматизации работы менеджеров мы настроили автозаполнение дополнительных (помимо сегмента) полей в карточке лида. Нейросеть может заполнять (если этого не сделал человек):

Также для bewise было создано отдельное текстовое поле, куда искусственный интеллект пишет рекомендации для менеджеров, на основе данных, имеющихся о поступившем лиде. Этот функционал пока что находится в тестировании.