Ситуация
Наш клиент — сеть стоматологий «Мастер Гудман» (название изменено из-за NDA). Клиники работают уже более 10 лет и предлагают свои услуги во многих городах России. То есть база клиентов клиники достаточно обширна и содержит несколько десятков тысяч номеров.
У клиник был колл-центр, в котором работает 5 штатных менеджеров. Они занимаются стандартными ежедневными задачами, например, записью на прием, и информируют клиентов об акциях.
Проблема
Из-за расширения сети, нагрузка росла, и взять на себя мотивацию на повторный заказ услуг операторы уже не могли. Объем базы доходил до 40 000 номеров — чтобы обработать их, менеджерам пришлось бы звонить каждый день на протяжение нескольких месяцев.
Чтобы снять нагрузку с колл-центра, заказчик решил реанимировать клиентов через СМС. Но такая автоматизация оказалась слишком дорогой и малоэффективной, ведь оплачивались все сообщения, а не только те, которые прочитали клиенты. Также СМС не давали отслеживать результат — из-за того, что на ссылку не хватало символов, а отвечать на сообщения было нельзя.
~6 месяцев
нужно для обзвона базы колл-центром
~851 456 ₸
затраты на СМС-рассылку
до 0,4%
контактов конвертируется в лиды
от 5321 ₸
стоимость одного лида
Задача
Автоматизировать большой объем звонков и снизить цену лида.
Решение
1) Заказчик загрузил базы в сервис — Чтобы проверить эффективность звонков, тестировали разные офферы по нескольким городам. Для каждой рассылки была своя база, их сегментировал сам заказчик.
Кстати…
Теперь сегментировать базы можно сразу в личном кабинете Zvonobot: вы можете отфильтровать номера по регионам в настройках рассылки. Попробуйте для новой задачи.
2) Настроили рассылку — Менеджеры помогли записать аудиоролик и настроить скрипт с IVR, чтобы сразу выявлять заинтересованных клиентов. Так как скорость реакции операторов была важна, решили передавать лиды сразу на линию колл-центра. Для этого в голосовом меню на ответ «да» подключили функцию «Звонок менеджеру». А чтобы операторы успевали обрабатывать входящий трафик, установили среднюю скорость — до 1600 звонок в час.
3) Проверили эффективность рассылки — Чтобы убедиться, что вся система срабатывает как нужно, менеджер вместе с заказчиком запустил тестовые звонки по небольшой пробной базе. Сделали 6500 звонков и оценили статистику. После немного доработали скрипт и перенастроили телефонию колл-центра, чтобы не терять полученные лиды при масштабном запуске.
Уже на этом этапе сервис показал хорошие результаты, поэтому решили продолжать.
4) Запустили рассылки по городам — Рассылки настраивал менеджер вручную: менял офферы для теста, адаптировал скрипты под разные базы заказчика. На запуск каждой рассылки уходило до получаса (вместе с модерацией).
Так как задачей был простой прогрев базы, подключать сервис к системам клиники по API или через готовые интеграции не было нужды. Передача лидов автоматизировали скриптом, поэтому заказчику было достаточно данных, которые он получал в личном кабинете.
Что автоматизировали?
Информирование большой базы номеров
Выявление заинтересованных клиентов
Передача лидов менеджерам клиники
Реализация
Вне зависимости от оффера и базы, после запуска звонки проходили по похожему сценарию: робот набирал номера из базы, и если клиент брал трубку, он воспроизводил аудиоролик.
В конце монолога он предлагал получить консультацию — далее сценарий ветвился:
Если клиент нажимал на клавишу «1» — робот фиксировал ответ в личном кабинете и переводил звонок на линию колл-центра, с которой клиента забирал менеджер клиники.
Если клиент ничего не нажимал и завершал звонок — робот фиксировал бездействие в отчете. Заказчик отмечал этот ответ как отрицательный и выгружал такие номера в отдельную базу.
Один из тестовых роликов
Один из тестовых роликов
Результат
Заказчик смог сделать более 70 тысяч звонков всего за два месяца — на обработку того же объема базы менеджерам колл-центра пришлось бы потратить почти год. То есть робот ускорил процесс информирования и помог клинике получить прибыль за более короткий срок.
Более 65% контактов из базы ответили на звонок — и узнали про новые предложения клиники. Хотя конверсия в лид была около 0,8% (что неплохо для такой дорогой ниши как стоматология), заказчик может получить еще больше клиентов, которые уже сами позвонят по номеру из рассылки, чтобы проконсультироваться и записаться на прием.
Заказчик смог обзвонить клиентов из 4 городов без лишних затрат — вне зависимости от региона, стоимость услуг сервиса оставалась одинаковой. Zvonobot работал по часовому поясу колл-центра, и результаты звонков передавались в личный кабинет в реальном времени.
А средняя цена на рассылку не превышала 800000 тенге — это почти в 5 раз дешевле, чем информирование такой же базы с помощью СМС. Такая разница связана с тем, что звонки изначально дешевле текстовых сообщений, а также с тем, что в Zvonobot вы платите только за успешные звонки.
Робот снизил среднюю стоимость лида в 8 раз!
Он помог клинике выручить более 2 660 800 тенге — и это еще не финальный результат.
Подробности
73 095
сделано звонков за два месяца (с учетом тестов)
4 часа
в среднем длилась одна рассылка
579
клиентов снова обратились в клинику
319 300 ₸
потратили на услуги Zvonobot за два месяца
643 ₸
средняя стоимость лида
Отзыв клиента
«Звонобот — один из самых удобных для использования сервисов автопрозвона, он позволяет не только разогреть базу, но и генерировать трафик с базы холодной. Понравилось то, что самому делать почти ничего не надо, менеджер Тимофей всегда на связи и еще сам подталкивает и накидывает идей для прозвона.
С помощью данного сервиса только из одной базы нам удалось вытащить из базы более 120 пациентов, что для стоматологии очень хороший показатель, а общая сумма выручки составила более двух с половиной миллионов тенге».
