О клиенте
Уральский банк реконструкции и развития – один из тридцати крупнейших банков России.
Осуществляет деятельность с 1990 года. Головной офис банка находится в Екатеринбурге, а филиалы представлены в 44 регионах страны. УБРиР входит в ТОП-30 крупнейших банков страны по активам и ТОП-100 самых надежных кредитных учреждений РФ.
Проблема
Банк регулярно обрабатывает большое количество низкоконверсионного трафика: заявки на кредит, сделанные через форму на сайте. Еженедельное количество подобных заявок составляет 17 500 штук. Раньше банк передавал задачи на аутсорсинг call-центру. Один звонок у оператора call-центра занимал в среднем 15 минут, что значительно тормозило процесс обработки заявок действительно заинтересованных в услугах банка клиентов.
Из-за увеличения интереса в займах количество запросов постоянно растет. Чтобы сохранить скорость обработки на том же уровне, банк вынужден нанимать большее количество операторов, а значит увеличивать расходы. Также многие потенциальные заемщики нередко делают запросы сразу в несколько банков, либо могут забыть о своей заявке. Очень важно своевременно напомнить о себе.
Задача
Проанализировать поступающий с заявок трафик, отфильтровать его через минимальные требования банка (4 вопроса) и оставить только целевой. Выполнить задачу необходимо в короткие сроки и с затратами меньше, чем при использовании услуг call-центра.
Решение
По запросу заказчика команда ZVONOBOT предложила решение автоматизации обработки заявок, поступающих с сайта.
Создали индивидуальный сценарий разговора, в котором была учтена работа с возможными «возражениями» от собеседника. Для этого роботу подключили функцию «распознавания голоса». Пример: когда потенциальный клиент спрашивает, какой Банк ему звонит, робот автоматически запускает уведомление, что разговор идет с Уральским Банком Реконструкции и Развития. После чего запрашивает подтверждение о продолжении оформления заявки.
Функция «распознавания голоса» использовалась также, чтобы отсеять заявки, не соответствующие минимальным требованиям банка. Потенциальному клиенту необходимо ответить на 4 вопроса, касающиеся его платежеспособности. Далее абоненты, удовлетворяющие условиям банка, автоматически переводились на менеджера call-центра. Оперативность передачи информации была достигнута за счет интеграции с информационной системой и call-центром в период проведения рассылок.
Результат
Робот сократил время на обработку низкоконверсионного и дешевого трафика в 5-7 раз, достигнув показателя, при котором разговор занимал не более 2-3 минут. Оптимизация процессов pre-sale оказала положительное влияние на уровень заинтересованности потенциальных клиентов и повышение лояльности.
Робот сократил время на обработку дешевого трафика в 5-7 раз
Подробности
Средняя продолжительность звонка
Робот за час делает в среднем на 25 звонков больше, чем оператор call-центра
Также ZVONOBOT показал, что обработку входящих заявок возможно легко и недорого автоматизировать за счет передачи первичных однотипных звонков роботу-оператору. В итоге, менеджеры получают только потенциально прибыльные заявки от реальных заемщиков, которые смогут выполнить свои обязательства перед кредитором.
17 500
Звонков
67%
Людей ответили на вопросы
9%
Прошли требования
2-3 мин
Длительность 1 звонка робота
Отзыв клиента
«Благодаря проактивному мышлению и гибкости в решении задач, которые требовалось реализовывать в сжатые сроки, команда голосового робота Звонобота показала свою высокую компетентность и эффективность. Ребята следили за трендами рынка и предлагали самые свежие и новые решения. Постоянное техническое развитие их систем позволяет быстрее и качественнее обрабатывать заявки наших клиентов. Успехов команде, ну и хотелось бы сказать, что голосовые роботы - это прекрасный инструмент для сокращения затрат и повышения ваших показателей».
