О компании

Компания «ПЭК», основанная в 2001 году, является экспертом в транспортно-экспедиционных услугах. Она перевозит грузы всеми видами транспорта, предоставляет услуги хранения и логистики для интернет-магазинов. Ежегодно более 3,5 млн клиентов пользуются её услугами.

Для оптимизации работы тысяч офисов ПЭК анализировала ключевые показатели: количество возвратов, стоимость уведомлений, время выдачи груза, пропущенные звонки, NPS и маршруты курьеров. Анализ показал, что более 100 000 посылок бесплатно занимают складские полки, снижая маржинальность и создавая нагрузку на call-центр. Клиенты часто не забирали заказы вовремя или пропускали уведомления.

Проблему усугубляли низкие продажи курьерских услуг. Компания понимала, что доставка застоявшихся заказов курьером могла бы стать источником дополнительного дохода.

Решение от SIB-IN

SIB-IN предложило AI-решение для автоматизации уведомлений клиентов. Голосовой робот, созданный на основе записей лучших операторов, эффективно обрабатывал звонки, предлагая получение груза или курьерскую доставку. Сотрудники ПЭК легко управляли системой через web-приложение, вносили изменения и контролировали процесс через дашборды с аналитикой и записями разговоров. Онлайн-поддержка помогала решать вопросы прямо в приложении.

Результаты

Согласно статистике, полученной в первые месяцы работы голосового бота, время нахождения груза на складе сократилось на 25%. Продажи услуги доставки груза в некоторых городах России и Казахстана выросли в 6 раз. Штат специалистов, работающих на продаже услуги «курьерской доставки по городу» был полностью расформирован и переформатирован под более маржинальные задачи.

О компании

Коллекторское агентство ID Collect входит в число лидеров рынка России. На протяжении пяти лет компания выкупает задолженность физлиц у банков и МФО, предлагая заёмщикам удобные условия погашения. Также агентство работает с должниками банков-партнёров на условиях поручителя.

С развитием бизнеса собственный колл-центр компании столкнулся с высокими нагрузками и ростом стоимости исходящих звонков. Чтобы оптимизировать работу, было принято решение автоматизировать процесс: голосовые боты взяли на себя часть входящих и исходящих вызовов, с возможностью перевода на живого оператора при необходимости.

Решение от SIB-IN

Команда SIB-IN разработала несколько сценариев для исходящих звонков и внедрила твин-ботов для приёма звонков в ночное время. Это позволило решить проблему часовых поясов: раньше после окончания рабочего дня включался автоответчик, теперь твин-бот работает круглосуточно, эффективно обрабатывая запросы.

Сценарии исходящих звонков адаптированы под различные ситуации: например, бот меняет стиль общения в зависимости от суммы долга и срока просрочки. Также были созданы скрипты для обзвона судов: боты задают юристам вопросы о статусе дел и сохраняют ответы в базу данных.

Для входящих звонков был разработан скрипт, который помогает различать цессионные и агентские долги. Бот задаёт наводящие вопросы, чтобы определить цель обращения, и переводит звонок на соответствующую ветку обработки. В большинстве случаев вопрос решается без участия оператора.

Результаты

• Боты обрабатывают около 70% всех звонков колл-центра.
• Ежедневно боты совершают около 500 000 исходящих вызовов.
• Стоимость минуты работы оператора — 18–20 рублей, а минута работы бота обходится всего в 7–8 рублей, что в 2,5–3 раза дешевле.

Цели и задачи проекта

Основная цель внедрения голосового бота в медицинскую клинику — улучшение обслуживания пациентов, сокращение времени ожидания и оптимизация работы персонала. Задачи включали автоматизацию записи на прием, предоставление информации об услугах, ответы на типовые вопросы и снижение нагрузки на операторов.

Анализ текущей ситуации

До внедрения среднее время ожидания составляло 5–7 минут. Операторы часто сталкивались с повторяющимися вопросами, что снижало их эффективность. Особенно высокая нагрузка наблюдалась в часы пик.

Выбор технологии

Для реализации был выбран облачный сервис с поддержкой NLP и распознавания речи, что позволило создать интерактивный диалог с пациентами.

Разработка сценариев взаимодействия

Сценарии включали приветствие, запись на прием, информацию об услугах и ответы на частые вопросы (например, о документах или графике работы).

Тестирование и обучение

Перед запуском бот тестировали на сотрудниках клиники для выявления ошибок и обучили на реальных запросах пациентов, чтобы повысить точность ответов.

Запуск и интеграция

После тестирования бот был интегрирован в телефонную систему. Запуск проходил в два этапа: сначала пилотный для ограниченного числа пациентов, затем полномасштабный после доработок.

Результаты внедрения

Время ожидания сократилось до мгновенной консультации. Около 90% звонков обрабатывались без участия оператора. Число записей на прием выросло на 30%, а удовлетворенность пациентов значительно повысилась.

Заключение

Внедрение голосового бота значительно улучшило обслуживание пациентов, оптимизировало процессы и снизило нагрузку на колл-центр. Проект стал успешным примером использования технологий в здравоохранении.