Увеличили показатели в 5 раз, а клиент не поверил — кейс голосовых рассылок для приложения MyGig

Zvonobot — сервис голосовых рассылок. Если по-простому, то это робот, который звонит по номерам, которые загрузил пользователь, и предлагает заказать пиццу со скидкой — или забрать ее из кафе, чтобы не остыла. Как бывает по-сложному, можно узнать из других наших статей, например, про разработку автономной системы принятия решений.

Разумеется, реклама пиццерии — это лишь один из примеров возможностей сервиса. Кроме информационных звонков робот может напомнить о мероприятии, проверить заказ, подтвердить доставку, найти пару десятков новых клиентов и даже записать показания счетчиков.

Наш Zvonobot не пишет картины и не сочиняет симфонии, у него другая работа — автоматизация бизнес-процессов. Именно за этим к нашим специалистам обратились представители MyGig.

MyGig — это сервис для поиска подработки для «синих воротничков»: курьеров, работников складов и магазинов, грузчиков и других не требующих высокой квалификации специальностей.

В приложении сервиса потенциальные работодатели могут разместить объявление о поиске временных работников для своих задач. Пользователь бронирует смену, выходит — и получает выплату за ее успешное закрытие. Кажется, все просто. Что может пойти не так?

Так же, как и другие приложения, MyGig столкнулись с трудностями внедрения идеального user-flow (или пути пользователя) на практике. Человек зарегистрировался — а что дальше делать ему не совсем понятно: какие нужны документы для начала работы, в каком виде их предоставлять, куда грузить. А еще ситуацию усугублял страх, что личные данные могут попасть в чужие руки.

Из-за этого новый пользователь попадал в ловушку сомнений и застывал еще на первом этапе процесса.

Чтобы побороть юзер-панику и снизить процент потерь между этапами «Зарегистрировался» и «Готов к работе», MyGig решили внедрить сопровождение, или онбординг. Им занимались штатные рекрутеры и внештатные менеджеры колл-центра. Они звонили тем, кто стал пользователем, но не загрузил даже минимум документов — копию паспорта, реквизиты для выплат и ИНН самозанятого, — знакомили с сервисом и помогали завершить регистрацию.

И это сработало: количество готовых к бронированию подработки юзеров стало в 1,5 раза больше. Как изменились показатели переходов в процентах, можно увидеть в таблице ниже.

Пользователей становилось больше, расходы на сопровождение росли — и даже стабильно успешные результаты уже не могли их компенсировать. Чтобы сохранить показатели и не потерять в прибыли, нужно было или заставить операторов звонить быстрее, или найти менее дорогое решение. Zvonobot оказался выходом «два в одном».

Раз уж освободился бюджет, MyGig решили проверить и гипотезу о влиянии напоминаний на процент выхода на смену. После внедрения сопровождения количество пользователей, которым доступно бронирование, росло, а количество закрытых смен — почему-то нет.

В MyGig решили, что небольшой «пинок» мог бы решить проблему или хотя бы снизить количество невостребованных смен: если пользователь заранее предупреждал бы об отказе от подработки, ее бы мог забронировать кто-то другой. Задача требовала высоких скоростей, поэтому способность автоматизировать процесс превратила Zvonobot в потенциальное решение «три в одном».

Первый сценарий представлял собой опросник: робот выяснял наличие у пользователя нужных документов и уточнял город, в котором нужна была подработка. Если юзер успешно проходил интервью, его переводили на живого менеджера, который продолжал онбординг, помогал загрузить документы и забронировать первую смену.

Для этого сценария использовали систему распознавания голоса: собеседник отвечал на вопросы робота, робот фиксировал в его речи ключевые слова и переключал этапы сценария в зависимости от полученных ответов. Такой алгоритм немного повышал стоимость звонка, но робот звучал естественнее, не грузил пользователей лишней информацией и вызывал большее доверие.

Второй сценарий был для тех, кто уже забронировал смену. Он состоял всего из одного вопроса, на который нужно было ответить «да» или «нет», поэтому для него настроили распознавание ответов с помощью клавиш.

Основное преимущество робота — скорость реакции. Чтобы данные передавались без лишних запросов и в удобном для заказчика формате, специалисты Zvonobot оформили готовые шаблоны звонков в формат для интеграции по API и настроили вебхук, с помощью которого результаты рассылки поступали сразу в Google-таблицы.

Большой проект не может существовать без тестирования: невозможно отследить эффективность алгоритма, если запускать его на разные выборки. Поэтому перед внедрением в процессы компании, заказчик решил провести пилотный запуск по тестовым базам.

Но сначала нужно было проверить, что все работает, как задумано: никогда не угадаешь, какой элемент или часть кода может сломаться на старте. В этом нам помогли технические специалисты MyGig. Они отправили несколько звонков с помощью API-запросов и оценили качество доставки данных. После подтверждения звонки запустили по выбранным базам.

Сначала аудиоролики преодолели стандартную процедуру проверки. После этого специалисты отправили запросы, и звонки разошлись по адресатам из двух баз.

Первую базу из тех, кто только зарегистрировался в приложении, робот опрашивал по нарастающей. Сначала он выяснял наличие паспорта РФ и разрешения на работу, потом — наличие медицинской книжки, и в конце интересовался, какой город собеседник рассматривает для поиска подработки.

На каждом из этапов отсеивалось определенное количество пользователей — тех, кто отвечал отрицательно на какой-либо из вопросов или называл город, в котором не было партнеров приложения. А тех, кто успешно проходил опрос, робот переключал на менеджера, чтобы тот помог юзеру правильно завершить регистрацию и забронировать первую смену. В обоих случаях после завершения звонка робот отправлял вебхук, чтобы результаты записались в Google-таблицу.

Благодаря предварительному исследованию, которое провели сотрудники MyGig, сценарий получился достаточно успешным: робот распознавал большинство популярных ответов и редко уходил на ветку уточнения, не заставляя собеседника повторять реплики по десять раз.

Во второй базе были контакты тех, кто должен был выйти на смену на следующий день. Робот спрашивал их, в силе ли бронирование и предлагал ответить с помощью клавиш на телефоне: кнопка «1» означала «да», а кнопка «2» — нет. Робот записывал ответы, которые с помощью того же вебхука поступали в другую Google-таблицу.

Этот сценарий был довольно прост и проходил без ошибок, но, как оказалось позже, выбор формулировки вопроса был ошибочным. Почему — расскажем ниже.

Отзыв представителя заказчика говорит сам за себя: наш робот оказался эффективен в решении поставленных задач. А теперь давайте разберем результаты на конкретных цифрах и фактах.

Zvonobot снизил затраты на обзвон, но сохранил и даже увеличил продуктивность звонков. Для сравнения: успешный звонок от оператора колл-центра стоил от 7 до 10 рублей, а успешный звонок от робота — менее 5 рублей. Чаще всего робот тратил даже меньше, так как строго следовал сценарию и не задерживался на линии. Поэтому обработка такой же по размеру базы обошлась заказчику аж в 2 раза дешевле.

Хоть иногда пользователь понимал, что говорит с роботом, негатива удалось избежать — благодаря тому, что робот не спрашивал конкретных данных, а лишь уточнял их наличие. Более деликатную работу он передавал человеку. Оператор больше не тратил время на первичную обработку и мог уделить достаточное количество внимания каждому пользователю, который выразил желание продолжать работу с приложением.

На первых этапах пилотного запуска казалось, что менеджеры лучше справляются с сопровождением пользователей: например, сразу загрузить паспорт соглашалось на 8% больше пользователей. Но постепенно результаты выровнялись, а позже по количеству готовых к работе юзеров робот превзошел операторов на 13% (или в 2,5 раза).

Получив первые результаты, заказчик выразил недоверие: по их мнению, такого разрыва между человеком и роботом просто не могло быть. Они согласились провести еще один тест — и очень удивились, когда результаты подтвердились. И обрадовались, конечно: это означало, что первую часть онбординга можно эффективно и, главное, недорого автоматизировать.

Результаты по тестированию первого сценария можно увидеть в таблице:

Благодаря увеличению количества пользователей, завершивших регистрацию, вырос и процент тех, кто успешно закрыл смену — с 3,2% до 12,6%, то есть в 4 раза. Значит ли это, что второй сценарий также оказался успешен? Увы, подтвердить это специалисты не смогли.

Например, пользователь мог сказать роботу, что он выйдет на смену — и не выйти на нее на следующий день. Потому что вдруг передумал или просто нажал на кнопку, чтобы «автозвонилка» отвязалась.

Так как MyGig не тестировала подобные сценарии ранее, сравнивали показатели «без звонка» и «со звонком». В таблице ниже можно увидеть, что, с учетом погрешности, они оказались равны:

Несмотря на скромный итог, нельзя сказать, что звонки оказались полностью бесполезны в рамках этого кейса: при увеличении количества активных пользователей, показатели выхода на смены не упали. Также нельзя сказать, что операторы справились бы лучше, чем робот — пользователи могли бы соврать и им.

Таким образом, для достижения лучших результатов второй сценарий требует доработки алгоритма и формулировок, а также дальнейших тестов. Именно этим наши специалисты и займутся в рамках продолжения сотрудничества с представителями приложения MyGig.

В процессе работы над общим проектом с MyGig мы подтвердили, что:

Благодаря этому наши специалисты смогли выполнить большую часть поставленных задач. Заказчик получил отличные результаты, а мы — довольного клиента, с которым продолжим сотрудничество для тестирования новых идей и гипотез.

Вы тоже можете заказать разработку сценариев для ваших задач у наших менеджеров.

Отвечаем на вопросы о сервисе по телефону +7 (800) 775-34-60
или в чате на сайте zvonobot.ru.