Самостоятельных кейсов: 7. Здесь собраны задачи, результаты и источники по применениям продукта.
Речевая аналитика контролирует алгоритмы удержания клиентов, а языковая модель определяет причины отказов и подсказывает сотрудникам действия.
Эффективность удержания клиентов в период охлаждения выросла на 30%.
Языковая модель анализирует основания начисления сорри-бонусов и эмоциональный фон общения, дополняя формальный контроль.
Точность начислений выросла с 85% до 97%.
Система проверяет обращения и отмечает случаи, когда проблема не решена или требуемый перевод на вторую линию не состоялся. Эксперты подключаются к таким диалогам.
Общий объём жалоб в ЦБ снизился на 25%.
Модель классифицирует возражения в исходящих звонках. На основе анализа банк меняет обучение операторов и работу с возражениями.
Общий рост конверсии в продажи кредитов и кредитных карт составил 3,3 процентного пункта.
Языковая модель редактирует ответы по правилам банка и формирует сводку переписки, чтобы оператору не приходилось перечитывать весь диалог.
Для улучшения ответов в чатах банк сообщает о росте CSI на 0,3 балла. Размер экономии времени на сводках не раскрыт.
Контроль коммуникаций по задолженности дополнили языковой моделью: она анализирует сложный критерий мотивации клиента к оплате.
Число выполненных обещаний оплаты выросло на 5,5%.
Эксперт получает краткое содержание разговора вместо полного прослушивания записи.
Среднее время анализа диалога уменьшилось с 7 минут до 20 секунд.