Контакт-центры

Ранее операторы «РКС-энерго» дистанционно обслуживали клиентов посредством IP-телефонии на основе Asterisk. Отсутствие «единого окна» ограничивало оперативный доступ к полному профилю клиента во время разговора, а также затрудняло централизованное управление нагрузкой операторов и контроль качества клиентского сервиса.

Технологической основой проекта стала платформа Naumen Contact Center, а в качестве партнера выступил «ОБИТ». Его специалисты обеспечили внедрение платформы, настройку интерактивного голосового меню (IVR) и автоматической маршрутизации вызовов, рабочих мест операторов и супервизоров, инструментов формирования отчетности. Особое внимание было уделено интеграции платформы с системой «1С:Биллинг», которая используется для работы с клиентскими данными. Двусторонний обмен информацией между системами реализован с помощью корпоративной сервисной шины данных Datareon ESB.

После завершения настройки платформа прошла комплексное нагрузочное тестирование и опытную эксплуатацию. Параллельно команда проекта обучила сотрудников работе в новой системе. Все компоненты решения развернуты в on-premise инфраструктуре.

Теперь при поступлении звонка оператор получает полную информацию о клиенте, включая данные по договору, приборам учета электроэнергии, платежам. В едином рабочем интерфейсе оператор может редактировать данные и передавать информацию в другие отделы для дальнейшей обработки обращений, не переключаясь между несколькими системами.

Проект также позволил стандартизировать обработку звонков, поступающих на разные номера — все входящие звонки проходят через интерактивное голосовое меню, где клиент может автоматически получить ответы на ряд стандартных вопросов без привлечения оператора. При нахождении в очереди голосовой помощник информирует клиента о статусе ожидания.

Руководители, в свою очередь, получили возможность отслеживать качество клиентского сервиса по ряду метрик: автоматический расчет показателей времени ожидания и ответа, информация о вызовах в очереди и их продолжительности и др. По итогам проекта среднее время обработки клиентских обращений сократилось на 40%, а показатель уровня обслуживания составляет более 80%. Новая платформа позволяет автоматизировать типовые сценарии обслуживания, повышать качество клиентского сервиса и последовательно развивать контакт-центр.

До внедрения ИИ-помощника первую линию обслуживал аутсорсинговый контакт-центр. На фоне растущего потока обращений «Петрович» искал решение, способное стандартизировать прием звонков и ускорить перевод клиента к профильному специалисту. Голосовой ИИ-помощник BSS взял на себя первичную обработку обращений и их маршрутизацию, полностью заменив аутсорсинговый контакт-центр. Система интегрирована с корпоративной телефонией и рабочим местом оператора. Робот анализирует все входящие звонки, определяет тематику звонка, задает уточняющие вопросы, переводит клиента на нужного специалиста и передает в АРМ оператора контекст диалога и собранную информацию по запросу.

В рамках проекта команда BSS и К2Тех проанализировала массив клиентских обращений, выделила тематики звонков и настроила сценарии диалогов голосового помощника. Специалисты реализовали уточняющие вопросы для повышения точности маршрутизации, автоматическое распределение звонков между группами операторов, а также инструменты no-code-настройки, которые позволяют команде заказчика самостоятельно дообучать робота и создавать новые сценарии обслуживания без привлечения разработчиков.

Отдельное внимание проектная команда уделила аналитике. Специалисты «Петровича» получили онлайн-мониторинг работы голосового помощника, детальную отчетность по каждому сценарию, а также инструмент для анализа диалогов и выявления нераспознанных либо новых причин обращений. Эти данные используются для последующей корректировки сценариев и дообучения модели.

В результате внедрения голосового ИИ-помощника время перевода клиента на нужного специалиста контакт-центра сократилось в 1,7 раза – с 53 до 30 секунд, а успешная маршрутизация звонков достигла 95%. При объеме более 8 тыс. звонков в день даже сокращение одного этапа диалога дает заметный эффект для клиентского опыта. Посетитель быстрее попадает к сотруднику, способному решить его вопрос, а оператор начинает разговор уже с необходимым контекстом. Глубокая аналитика позволила дополнить карту клиентских запросов и точнее развивать сценарии обслуживания.

Для ретейла скорость и точность первого контакта напрямую влияют на клиентский опыт, поскольку лишние переводы, повторные объяснения проблемы и некорректная маршрутизация создают риск потери заказа. Поэтому автоматизация первой линии контакт-центра становится не только инструментом оптимизации операционных процессов, но и способом управлять качеством сервиса.

Naumen провел исследование качества клиентского сервиса в банковских контакт-центрах с использованием собственной платформы речевой аналитики Naumen Conversation Intelligence. Анализ выявил, что одной из ключевых зон риска стала персонализация. Почти в 31% случаев она либо полностью отсутствует, либо сводится к формальному действию без влияния на качество коммуникации. Более детально картина выглядит следующим образом: в 45% банков операторы спрашивают имя клиента и используют его дальше в разговоре, в 21% — запрашивают имя, но затем не применяют, еще в 34% — не узнают имя клиента и не пытаются персонализировать обслуживание.

Для входящей линии это особенно важно: клиент уже сам инициировал контакт с банком и находится в ситуации вовлеченности. В этот момент оператор может перевести разговор из режима справочного ответа в индивидуальное взаимодействие. Если этого не происходит, банк теряет не только эмоциональное качество контакта, но и коммерческий потенциал обращения.

Как следствие, входящая линия остается недооцененным каналом продаж. В тех контактах, где возможность продажи существовала, конверсионное действие — оформление услуги, отправка ссылки, подбор альтернативы или другой следующий шаг — фиксировалось только в 15% случаев. В 24% банков операторы практически не использовали интерес клиента к продукту как возможность для продажи.

Исследование также показало: банки хорошо отрабатывают формальные элементы диалога, но не всегда доводят клиентский запрос до полноценного завершения. Приветствие остается одной из наиболее устойчиво выполняемых частей диалога: в 85% входящих линий банки используют единый подход, при котором оператор называет банк, представляется и уточняет, чем может помочь. Однако только в 10% обращений все три элемента присутствовали в предписанном формате. Еще более проблемной зоной стало завершение разговора. Только в 20% случаев оператор резюмирует итог общения и задает контрольный вопрос, чтобы убедиться, что у клиента не осталось дополнительных вопросов.

Отдельный блок исследования был посвящен удержаниям на линии и паузам. В 80% диалогов клиент ожидал ответа оператора, при этом паузы возникали даже при решении стандартных вопросов — например, по ставкам, курсам валют, условиям продуктов или перечню документов. Только 39% банков решали вопросы клиентов без удержаний, а в остальных случаях сотрудникам требовалось дополнительное время для поиска ответа.

Результаты исследования также фиксируют, как меняется роль речевой аналитики. Если раньше ее чаще рассматривали как инструмент автоматической проверки звонков по чек-листу, то сейчас решения такого класса становятся способом находить скрытые закономерности клиентского поведения, зоны риска и упущенную выручку и позволяют анализировать 100% коммуникаций без увеличения нагрузки на сотрудников контроля качества.

Ежемесячно «Ростелеком» совершает миллионы звонков клиентам с использованием робота-оператора, однако часть вызовов перехватывается автоответчиками и голосовыми помощниками. Эти сервисы, изначально созданные для защиты от спама и мошенников, стали барьером для получения важной финансовой информации. Внедренная ML-модель анализирует аудиопоток и метаданные звонка в реальном времени и соединяет робота-оператора или специалиста контакт-центра только с реальными абонентами. Точность детектирования составляет 90%. Это позволяет оптимизировать коммуникации с клиентами по вопросам просроченной задолженности, сократить расходы на телефонию, а также высвободить рабочее время операторов контакт-центра, которые ранее тратили его на прослушивание автоответчиков.

Как отмечает Илья Курцев, директор Центра кредитного контроля «Ростелекома», из-за умных ассистентов, которые имитируют человеческую речь, компания тратила колоссальные ресурсы на звонки, которые не доходили до адресата. Благодаря решению VS Robotics удалось «пробить» эту цифровую стену, чтобы своевременно донести информацию о состоянии счета непосредственно владельцу, а не его голосовому помощнику. Это повышает эффективность коммуникаций и оптимизирует расходы контакт-центра.

Платформа CraftTalk развернута в контакт-центре «Согласия» в формате on-premise c резервированием на двух площадках в разных городах для гарантированного доступа к сервису.

Операторы контакт-центра видят полную историю обращения авторизованного клиента во всех каналах. Проект выделяется детальным обучением чат-бота на внутренней базе знаний компании. За три месяца активной работы по обучению ИИ-модели чат-бот стал полностью корректно отвечать на 70% всех входящих текстовых запросов. В результате компания «Согласие» получила комплексную омниканальную систему. Таким образом, клиент экономит свое время и быстро получает решение. Но также в любой момент пользователь может переключиться на общение с оператором.

СТД «Петрович», один из крупнейших федеральных ретейлеров в сфере строительных и отделочных материалов, нуждался в централизованном контроле клиентских коммуникаций. Основой для построения единого сервиса стало внедрение платформы Naumen Contact Center. В рамках проекта специалисты ОБИТ внедрили целый комплекс решений. Контакт-центр был интегрирован с сайтом компании, CRM-системами Bitrix24 и Simple One, собственной разработкой компании под названием «Пикассо» для создания заказов, а также другими системами, что обеспечило централизованный и сквозной учет всех взаимодействий с клиентами. Для адаптации решения под внутренние процессы разработаны дополнительные интеграционные решения с целью автоматизации обработки многоканальных обращений, получения сквозной аналитики по всем каналам коммуникации и направлений деятельности компании, интеграции с CRM и другими системами.

Для формирования сквозной аналитики были модернизированы дашборды, которые в реальном времени показывают ключевые показатели, что позволило более эффективно анализировать и управлять потоками обращений и минимизировать простои в ожидании клиентов. Также был разработан ряд автоматизированных функций для повышения скорости обработки обращений в чатах и телефонии. В частности, реализован автоматический контроль времени с момента последнего сообщения клиента, а также настроена система автоматической переадресации обращений с первой линии поддержки на следующие уровни в зависимости от контекста обращения.

В результате внедрения голосового бота Naumen Erudite Voiceout для опросов клиентов СТД «Петрович» удалось достичь роста показателя эффективности процесса измерения клиентского сервиса. Конверсия (доля откликов) до реализации проекта находилась на уровне около 20%. После перехода на решение Naumen и доработок конверсия в прохождение опроса выросла до 40%. При этом команда контакт-центра продолжает системно работать над повышением качества обслуживания, в том числе через обучение сотрудников и улучшение клиентского пути.

Чтобы избежать возможных рисков, связанных с использованием платформы зарубежного вендора, СОГАЗ принял решение о переходе на российское программное обеспечение. Целью страховой компании было не просто обеспечить бесперебойный переход на импортонезависимый аналог, а развернуть платформу с расширенным функционалом, которая позволит развивать контакт-центр в соответствии с растущими потребностями бизнеса. Для реализации этих задач заказчик выбрал российскую платформу Sigurd-Mind, внедрение решения осуществила К2Тех.

В качестве технологической основы нового контакт-центра было поставлено оборудование для двух ЦОДов и развернута среда виртуализации с установкой платформы Sigurd-Mind. Дополнительно внедрены пограничный контроллер сессий «Искра Технологии», система текстового роботизированного обслуживания BSS и система управления знаниями Plus7 Mayak. Проектная команда настроила полную интеграцию и взаимодействие между контактным центром и телефонией, CRM, SBC, WFM-системой, а также между существующей чат-платформой и новой бот-платформой.

Важной частью проекта стала адаптация платформы под растущие потребности бизнеса. Специалисты К2Тех внедрили систему формирования отчетности в режиме реального времени и адаптировали ее под запросы СОГАЗа, настроили резервное копирование ключевых элементов всех систем контакт-центра. Была проведена модернизация модулей исходящего автообзвона, контроля качества работы операторов, исторической отчетности.

В результате миграции СОГАЗ не только сохранил качество обслуживания клиентов, но и улучшил ключевые показатели работы контакт-центра. В 2,5 раза увеличилось количество обращений, обрабатываемых в неголосовых каналах связи. С 25% до 87% взлетел индекс лояльности (NPS) по тематикам, обрабатываемым роботом. На 52% возрос уровень автоматизации в чат-боте, который теперь автоматически обрабатывает до 70% всех запросов по одной из самых востребованных у клиентов тематик – выдаче гарантийных писем.

Подавляющее большинство сотрудников контакт-центра отметили, что новая система удобнее и помогает быстрее обрабатывать обращения: у 75% операторов сократилось время обработки обращений.

Используя инструменты новой платформы, контакт-центр компании «Гранель» ежемесячно обрабатывает порядка 30 тыс. входящих, и не менее 25 тыс. исходящих звонков, связанных с продажей квартир и помещений, условиями ипотеки, постпродажным обслуживанием, NPS-опросами, сопровождением договоров с клиентами.

В рамках проекта проведена интеграция с CRM, системами речевой аналитики и сквозной аналитики продаж, благодаря чему появилась возможность отслеживать конверсию звонков в лиды, встречи и сделки. В целях повышения скорости и качества обслуживания в рабочем месте оператора была реализована CTI-панель для доступа к информации из внешних систем. Проект выполнен при поддержке компании «ОБИТ» за два месяца и стал основой для дальнейшего масштабирования инфраструктуры клиентского сервиса.

Умная маршрутизация обращений по скилл-группам помогла выровнять и оптимизировать нагрузку на операторов. Супервизоры получили возможность подключаться к звонкам в режиме суфлера при выводе на линию новых сотрудников. Упростился поиск и прослушивание звонков для контроля качества. Сводные отчеты теперь формируются значительно быстрее. Благодаря интеграциям в отчетности отражаются статусы в CRM с трекингом времени, что позволяет оценить эффективность каждого этапа обслуживания

Переход на Naumen Contact Center уменьшил количество элементов ИТ-инфраструктуры, что привело к снижению затрат на ее сопровождение. Количество запросов сотрудников в техническую поддержку по работе телефонии и приложений контакт-центра сократилось на 95%. В перспективе «Гранель» планирует внедрить ИИ-агентов на платформе Naumen Erudite в связке с инструментами распознавания и синтеза речи. Это позволит ускорить обслуживание клиентов и снизить нагрузку на операторов.

Группа «Самолет» перешла на платформу Naumen Contact Center для создания единой и прозрачной системы коммуникаций между бизнес-единицами, партнерами и клиентами. Однако для полноценного выполнения поставленных целей — эффективного управления входящими и исходящими запросами, автоматизации массовых сервисных процессов, снижения нагрузки на операторов и получения сквозной аналитики по всем этапам взаимодействия с клиентами — потребовались дополнительные интеграции и адаптации платформы. Выполнение этих задач взял на себя сертифицированный интеграционный партнер Naumen — ОБИТ. В рамках проекта его специалисты реализовали комплексный набор решений.

Для группы «Самолет» было важно выстроить верхнеуровневую, равномерную систему распределения клиентских звонков между различными подразделениями контакт-центра. Партнеры развернули интеллектуальную маршрутизацию с использованием технологий Naumen. В режиме реального времени сервис анализирует знания о клиенте (26 параметров), вопрос клиента и текущую нагрузку на контакт-центр, определяя оптимальный маршрут для каждого клиента. Дополнительно был подключен автоматизированный сервис отправки SMS-уведомлений с напоминаниями о незавершенных обращениях и оперативной связи с клиентом. Отслеживать все необходимые заказчику метрики в реальном времени позволяют кастомизированные дашборды и аналитические отчеты с детализацией по каждому проекту, партнеру и оператору. Внедрение этих решений позволило группе «Самолет» уменьшить затраты на первую линию поддержки на 40% и обеспечить экономию более 10 млн руб. ежегодно.

Также компания обеспечила внедрение в работу контакт-центра сервиса квартирных решений «Самолет Плюс» интеллектуального голосового ассистента на Naumen Erudite. ИИ-помощник принимает и обрабатывает входящие звонки: уточняет у клиента информацию по интересующему объекту, запрашивает имя, переводит звонок на профильного агента и одновременно формирует заявку в CRM. Кроме того, были реализованы интеграции с площадками Avito, «Циан» и «Домклик», благодаря которым сообщения, оставленные пользователями на этих сайтах, автоматически поступают операторам в систему Naumen Contact Center для их оперативной обработки. Командой проекта также была выполнена интеграция Naumen Contact Center с CRM-системой, что позволило обеспечить сквозное отслеживание пути клиента по всем каналам коммуникации.

ИИ-решение для контакт-центра «Самолет Плюс» уже позволило автоматизировать обслуживание около 40% всех входящих звонков, сократив время диалога клиента с оператором в два раза. По предварительным оценкам, использование ИИ в работе контакт-центра позволит сэкономить компании около 30 млн руб. в 2025 году.

Операторы консультационного центра ДОМ.РФ ежемесячно обрабатывают более 50 тыс. обращений об ипотеке, программам государственной поддержки, покупке, аренде и другим жилищным вопросам, поступающим на горячую линию, в чаты и на электронную почту центра. Первоначальными задачами при внедрении системы речевой аналитики была автоматизация контроля качества в контакт-центре и построение системы анализа коммуникаций во всех каналах в формате «одного окна».

Для автоматизации контроля качества решение на базе Naumen CI использует семантические ML-модели — система позволяет гибко настроить чек-листы автооценки по ключевым событиям в диалоге в канале оператора и клиента — негатив, часто повторяющиеся фразы, отработка оператором возражений и др. Это сокращает время на анализ диалогов и высвобождает ресурс менеджеров по контролю качества в пользу бизнес-задач.

Для всестороннего исследования клиентского пути речевая аналитика расширяет поле анализа — помимо всех голосовых и текстовых коммуникаций, в систему также попадают оценки CSI, обратная связь операторам от клиентов и данные из CRM-системы. Аккумулировать большие данные о звонках помогает бесшовная интеграция Naumen CI и платформы Naumen Contact Center — причем в систему попадают не только сами аудиозаписи, но и все параметры звонка, что дает возможность учитывать максимальное количество факторов в рамках анализа.

В результате обработка 11% входящих звонков по статусу заявки была автоматизирована переводом клиента на интерактивное голосовое меню — клиенты консультационного центра ДОМ.РФ теперь получают информацию по статусу быстрее. В 10% входящего трафика удалось оптимизировать клиентский путь за счет определения тематик, по которым операторы не консультируют самостоятельно.

По результатам анализа трафика с помощью речевой аналитики компания скорректировала маршрутизацию для 7% звонков, которые поступали в контакт-центр, но изначально были адресованы в другие подразделения. Также с помощью речевой аналитики удалось выявить и исключить из трафика 0,5% звонков голосовых ботов. Это позволило сократить среднее время обработки сообщений и повысить уровень удовлетворенности клиентов качеством сервиса.

В ходе анализа удалось выявить дополнительные зоны роста и использовать эти инсайты для улучшения клиентского сервиса. В том числе для выявления причин повторных звонков и сокращения Contact Rate за счет проактивной работы клиентами, например, путем информирования их на других ресурсах, снимая их возможные вопросы до звонка в контакт-центр.