Кейс: как КЦ ДОМ.РФ оптимизировал CJM и повысил качество сервиса с помощью речевой аналитики

Рассказываем о кейсе, где все начиналось со стандартной задачи по автоматизации контроля качества, а развилось в комплексный проект по изучению и улучшению CJM и клиентского опыта

Клиент

Консультационный центр ДОМ.РФ — единый сервис информационной поддержки граждан, включает в себя портал спроси.дом.рф и горячую линию, отвечающую на вопросы о жилищной сфере, ипотеке, финансах и государственных мерах поддержки. Суммарно, консультационный центр обрабатывает более 50 тысяч обращений ежемесячно. Обращения поступают на горячую линию, в чаты и на электронную почту центра.

Задачи на старте

Ключевые задачи при таком объеме коммуникаций — обеспечить стабильное качество сервиса, достаточную полноту консультации и максимально быстрое решение запросов клиентов КЦ. Поэтому главными целями в рамках контроля качества обслуживания стали:

  1. Автоматизация контроля качества коммуникаций консультационного центра (до этого диалоги оценивались по большей части вручную, что требовало большого объема ресурсов).
  2. Объединение контроля качества и всего СХ под одной крышей: консолидация данных из CRM, контакт-центра, переписок в чатах в системе речевой аналитики для последующего анализа.

Для решения этих задач консультационный центр ДОМ.РФ внедрил систему речевой аналитики Naumen CI.

Что делали и какие инструменты использовали?

Глобально — не просто автоматизировали контроль качества и выстроили мониторинг коммуникаций в формате «одного окна», но и заложили основу для комплексного изучения клиентского пути.

  • Начали с точек первого касания: это голосовые диалоги на горячей линии контакт-центра ДОМ.РФ, чаты с клиентами и обращения по электронной почте.
  • Для более полного анализа клиентского пути, «подтянули» в систему чаты с роботами, диалоги клиентов со смежными подразделениями, а также оценки CSI и обратную связь операторам.
Первое касание клиента Коммуникации Постанализ
  • Голосовые сообщения
  • Чаты
  • Электронная почта
  • Чаты с роботами и операторами
  • Коммуникации клиентов с другими службами (маршрутизация)
  • Оценки CSI
  • Обратная связь операторам

Какие инструменты использовались для анализа?

01

Задача: автоматизировать контроль качества.
Здесь включается классический функционал речевой аналитики с ML-движком под капотом, который прекрасно справляется с задачей извлечения смыслов из естественного языка. Система автоматически фиксирует ключевые события в диалоге: негатив, повторяющиеся фразы, реакцию оператора на возражения.
Следовательно, основная задача контролера качества меняется с «слушать и оценивать» на «отслеживать и исследовать», а значит, большой объем ресурса высвобождается для решения более ориентированных на бизнес задач.

02

Задача: консолидировать большие данные о всех коммуникациях консультационного центра
Закрывается бесшовной интеграцией Naumen CI и платформой Naumen Contact Center. Это позволяет использовать в анализе не только сами аудиозаписи, но и все метаданные звонка, а также холды и переводы.

03

Задача: понять структуру трафика
ML-модели для классификации и интеграция с CRM консультационного центра для сравнения тематик, проставленных операторами.

Объединяющий компонент решения — экспертный консалтинг от команды речевой аналитики Naumen CI на всех этапах внедрения.

Задача Решение
Автоматизация контроля качества ML-модели для полной автоматизации чек-листов контролера
Анализ аудиозаписей Интеграция с телефонией (Naumen CC) для получения и анализа IVR
Анализ маршрутов Интеграция с телефонией (Naumen CC) для получения и анализа всех переводов
Анализ чатов Интеграция с CRM (чаты) для получения и анализа чатов
Анализ и классификация тематик ML-модели для классификации и интеграция с CRM для корреляции тематик из разных каналов

Ключевые результаты

01

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.

02

В 10% входящего трафика удалось оптимизировать клиентский путь за счет определения тематик, по которым операторы не консультируют самостоятельно.

03

По результатам анализа скорректировали маршрутизацию для 7% звонков, которые поступали в контакт-центр, но изначально были адресованы в другие подразделения.

04

Выявили и исключили из трафика 0.5% звонков голосовых ботов в КЦ. Это позволило сократить среднее время обработки сообщений (AHT) и повысить CSI.

05

Диагностировали дополнительные зоны роста в части клиентского сервиса:

  • Предложение онлайн-показа недвижимости операторами в случае, если график оффлайн-показа не подходит клиенту.
  • Анализ и устранение причин повторных звонков клиентов (один из выявленных кейсов — проблемы с гарнитурой у оператора).
  • Сокращение Contact Rate за счет проактивной работы клиентами, например, путем информирования их на других ресурсах, снимая их возможные вопросы до звонка в КЦ.
  • Предупреждение жалоб и отслеживание благодарностей клиентов для быстрого определения и масштабирования лучших практик.

Планы по развитию решения

Кейс Naumen CI и консультационного центра ДОМ.РФ — отличный пример использования речевой аналитики не только как решения для автоматизации контроля качества, но и как стратегического инструмента для трансформации CX-стратегии и партнера для выстраивания лучшего клиентского сервиса.

Проект продолжает развиваться, в планах — интеграция речевой аналитики с собственным LLM-движком ДОМ.РФ для совершенствования системы изучения клиентского опыта. Это позволит:

  • Закрыть имеющиеся слепые зоны и перейти к формату анализа 360 в части всех клиентских коммуникаций консультационного центра
  • Выявлять скрытые паттерны в диалогах, анализировать контекст и тональность коммуникаций
  • Быстрее «добегать» до CX-инсайтов и сократить время до получения первых результатов проверки гипотез
  • Настроить предиктивную аналитику и выстроить более персонализированные сценарии обслуживания

В начало

От CX-директора до руководителя контроля качества и оператора

Разбираем ключевые задачи разных функциональных ролей внутри компании и рассказываем, как речевая аналитика помогает их решать

Читать

Обсудите с нами ваши задачи

Хотите узнать, какую пользу платформа Naumen Conversation Intelligence может принести вашей компании?

Оставьте заявку, и наши специалисты помогут разобраться.

Стоимость использования продукта рассчитывается индивидуально