Сеть сервисов, которая занимается исключительно ремонтом выхлопных систем: удалением и заменой катализаторов, установкой пламегасителей и чип-тюнингом.
Особенность бизнес-модели — бесплатное снятие старого катализатора, если клиент оставляет саму деталь автосервису.

Автосервис «ВыхлопOFF»

О клиенте

Проблема: отсутствие сценария продаж, постоянного контроля менеджеров и полноценной аналитики

Отдела контроля качества (ОКК), который следит за коммуникациями продажников, в «ВыхлопOFF» нет. Обычно в таких случаях роль супервайзера продаж ложится либо на директора, либо на руководителя отдела (РОПа). В случае «ВыхлопOFF» ресурсов первого хватало только на операционные задачи, а силы второго в основном уходили на «тушение пожаров». Получалось так, что слушать звонки и читать переписки было некому, и контролем сейлзов никто не занимался. Но руководство прекрасно понимало, что не имеет полного контроля над продажами, и без него чувствовало себя некомфортно; дополнительно хотелось застраховаться от возможных сливов сделок.

Из отсутствия системы контроля вытекало ещё несколько проблем: в компании не было сценария продаж (каждый менеджер вёл диалог как считает нужным), не велись аналитика обратной связи клиентов и статистика отказов.

Дополнительно к этому компании хотелось отслеживать географию клиентов, чтобы попробовать оптимизировать затраты на контекстную рекламу.

Внедрение

Для контроля продаж мы внедрили «bewise» на этап воронки «первичный контакт», на котором происходит квалификация клиентов

Чтобы оценивать продажи, для «bewise» нужны критерии: про что должен спросить менеджер, как отреагировать на те или иные вопросы или возражения клиента. Поэтому сначала потребовалось совместно разработать сценарий продаж. На основании вводных от РОПа мы сформировали общую логику диалога. Далее мы разбили её на критерии, которые нейросеть должна распознавать в диалоге и ставить оценки.

Самым сложным критерием стала развилка «услуга платная или бесплатная», вытекающая из УТП «ВыхлопOFF»; дополнительно в ней играет роль, дизельный ли двигатель. В каждом из трёх случаев структура диалога будет меняться. Чтобы чересчур не усложнять реализацию, ранее мы разработали один универсальный сценарий продаж, расходящийся на три ветки. Но тогда встала задача настроить нейросеть так, чтобы в случае развилки «дизельный двигатель» оценка менеджеру не снижалась (потому что в ней не звучат вопросы, требуемые в двух других ветках). Для этого мы настроили метку N/A (не применимо), которую нейросеть ставит неактуальным критериям. Это позволило гибко оценивать разные ответвления в сценарии продаж

Не самым стандартным критерием стал этап диалога «уточнение деталей про автомобиль» — важнейший для бизнеса. Искусственный интеллект не только анализирует его, но и заполняет по итогам все нужные поля в CRM (марка и модель автомобиля, год выпуска, объем мотора, тип топлива, пробег). Это, с одной стороны, позволяет разгрузить менеджеров (которым не нужно тратить время на пристрастное заполнение карточки); а с другой стороны, обеспечивает полноту информации для последующей аналитики и визуализации на дэшбордах (о них чуть ниже).

При этом мы предусмотрели, что часть полей всё же может быть заполнена менеджером вручную. В этом случае «bewise» не перезаписывает менеджерские поля, а заполняет другие, дополнительные; при необходимости, руководитель может посмотреть в CRM значения и «ручного», и «нейросетевого» полей.

Также мы реализовали создание нейросетью задач в CRM на основе прошедшего диалога. «bewise» создаёт задачи в случаях, если клиенту нужно перезвонить и если слотов обслуживания на желаемый день нет (тогда задача звучит как «поставить клиента в лист ожидания»).

Кроме того, «bewise» создаёт задачи в случае ошибок и недоработок менеджеров: если не выявлена потребность, предложены не все услуги, не отработано хотя бы одно возражение или если менеджер называл адреса конкурентов или предложил перезвонить с другого номера. Автозадачи по ошибкам ставятся на РОПа.

И в завершение, мы реализовали набор дэшбордов с аналитикой. Помимо стандартных экранов с общей оценкой коммуникаций и аналитикой отказов, мы сделали диаграмму «аналитика лидов по городам». Отметим, что поле CRM «город клиента» нейросеть заполняет самостоятельно на основе телефонного диалога.

Результаты

Хотите автоматически узнавать обо всех ошибках и фроде менеджеров?

Напишите нам