Как SalesAI увеличивает конверсию продаж в B2C

Если в вашей компании работают представители, которые продают по телефону, то эта статья для вас.

В этом реальном кейсе мы расскажем, каким образом компания оптимизировала свой процесс продаж по телефону и увеличила конверсию с помощью SalesAI на 18% всего за 3 месяца, добившись ROI 328%, или несколько дополнительных миллионов рублей в месяц.

ROI - Возврат на инвестиции. Показывает маржу от внедрения, то есть 328% = выручка составила (1+3,28)х стоимость внедрения.

Этот кейс описывает процесс продажи B2C с небольшим чеком. Если у вас B2B и чек до 50М руб, система будет работать по такому же принципу, только потребуется более сложный фреймворк и больше лейблов для обучения.

Этот кейс не об энтерпрайз-клиенте с морем данных и кучей денег на эксперименты. Он о среднем бизнесе с data driven подходом, который считает деньги и требует от инвестиций быстрой окупаемости.

Как вы тоже можете получить ROI 328% уже на этапе пилота, читайте ниже.

Чем больше первичных посещений МЦ, тем больше медцентр продаст услуг с высокой маржинальностью.

Если мы увеличим количество посещений и продаж маржинальных услуг, прибыль начнёт расти нелинейно. Наша задача - увеличить конверсию из звонка в первое посещение. Если есть первое посещение, то шансы на допродажу вырастают кратно.

Конверсия из звонка в посещение зависит от оператора. Если оператор пройдет 10 этапов фреймворка, конверсия вырастет. При этом важно не превратить человека в машину, которая зачитывает вопросы по жесткому скрипту: человечность, раппорт, эмпатия — конкурентные преимущества медцентра.

Фреймворк звонка состоит из 10 этапов: собрать анамнез, проконсультировать, обработать возражения, рассказать о преимуществах оборудования... Конкретные формулировки зависели от контекста разговора и манеры общения оператора. Жесткие скрипты заказчик не использовал, потому что они снижали конверсию.

Фреймворк звонка - это упоминание пунктов из скрипта. В отличие от скрипта с жесткой последовательностью и речевыми конструкциями, фреймворк дает больше гибкости оператору, ограничивая его только наличием темы внутри разговора и позволяет выстроить живой диалог и располагающий к себе раппорт. В этом месте ломаются старые системы Речевой аналитики 1.0: они не работают с фреймворками. 

Понять, как работают операторы. От SalesAI хотели получить анализ каждого разговора по 10, а затем по 20 параметрам. Звонок должен оцениваться внутри SalesAI и отдавать метаданные в DWH. Если оператор поздоровался по стандартам медцентра, но не собрал анамнез, значит первый этап фреймворка пройден на 1, а второй на ноль. Смысл сбора данных в том, чтобы видеть и исправлять ошибки сотрудника сразу после разговора или в конце дня.

С помощью контроля и обучения сократить ошибки. Если пациента записали не туда, тратится время врача. Например, аппарат МРТ, который может принять пациента с весом более 120 кг, всего один. Каждый раз, когда оператор забывает уточнить вес, расписание забивается нерелевантными заявками и тратится время врача.

Сэкономить на контроле. Сократить время на прослушку звонков и не раздувать штат в отделе контроля качества.

Заложить фундамент. Создать минимальный продукт, на который наращиваются нужные фичи, например, онлайн-подсказки операторам во время разговора с клиентом или автозаполнение карточки в CRM по итогам созвона.

Глобальная цель проекта — влиять на конверсию, и не тратить деньги на неэффективную рекламу и дополнительных контроллеров.

Пилот

В пилотной версии клиент хотел видеть, проходит ли операторы важные для конверсии 10 этапов фреймворка:

«Здравствуйте! Это сеть клиник…», SalesAI определил, что это лейбл «Приветствие».

Оператор задал обязательный вопрос на этапе сбора противопоказаний к записи на обычный аппарат МРТ, SalesAI определил смысл «Противопоказания» с вероятностью 0,939.

В английском языке для расшифровки текста можно использовать язык регулярных выражений. Например, мы можем научить программу распознавать порядок слов в предложении или сказать: «Найди мне все предложения, которые начинаются на слово “записал”».

В нашем случае у этого подхода есть четыре минуса:

Учитывая все минусы, мы использовали методы обработки естественного языка и рекуррентные нейронные сети. В нашем случае — LSTM.

Коротко о том, как SalesAI понимает контекст. Допустим, оператор сказал о противопоказаниях: «Перед МРТ брюшной полости не ешьте ничего шесть часов, то есть с девяти утра». Чтобы понять эту фразу, SalesAI не просто ищет по ключевым словам, а запоминает и учитывает предыдущие фразы в разговоре.

Обычно, чтобы нейронка научилась точно определять лейблы*, необходимо разметить тысячи звонков и скормить их нейронной сети. За счет использования новой технологии, для обучения первых 10 лейблов, нам хватило всего 100 хороших звонков.

Лейбл - это смысл или кластер данных. Например, известный всем фреймворк квалификации BANT имеет 4 лейбла: Бюджет, Принятие решения, Потребность и Сроки. В описываемом кейсе использовалось 10 лейблов: 

1. 1. представился и узнал имя
   2. собрал анамнез
   3. проконсультировал перед посещением
   4. обработал возражения
   5. сделал презентацию медицинского оборудования и тд

Фразы клиента, которые отмечаются лейблами, записываются в CRM и обрабатываются для построения прогнозных моделей продаж и определения теплоты клиента (скоринг).

Фразы оператора также помечаются (другими) лейблами, записываются в БД и обрабатываются для оценки качества его работы и для построения наиболее эффективных скриптов продаж. Process Mining. 

Если у вас есть чек-лист для контроля качества звонка, то каждая галочка в вашем чек-листе, это лейбл.

В процессе разметки мы вынуждены были оценить качество работы штатных супервайзеров нашего клиента. Наши разметчики обратили внимание заказчика на несоответствие реальных лейблов оценкам в чек-листе. То есть, лейбла на самом деле в разговоре не было, а в чек-листе супервайзера он стоял. Когда ребята из МЦ раскрутили эту историю, оказалось, что между некоторыми супервизорами и операторами возникли неформальные отношения, в результате, по понятным причинам, им завышали оценки, которые влияют на мотивацию… Случайно нашли еще одно преимущества нейросетей перед человеком)

На разработку, обучение и отладку ушло два месяца. На тестирование - еще один. С нашей стороны на проекте работало 5-10 человек и со стороны заказчика — три.

Как сделать максимально быстрый пилот, чтобы увеличить вашу конверсию с помощью SalesAI

Команда SalesAI тоже не стояла на месте и за это время мы разработали максимально быстрый и экономичный образ пилота, чтобы каждый клиент мог оценить, как можно увеличить конверсию продаж с помощью нейросетей и еще получить кластеризованные данные прямо в CRM. Максимально экономичный вариант пилота выглядит так:

- Никаких интеграций

+ Даете ваш чек-лист качества звонка/встречи или фреймворк квалификации.

+ Даете записи звонков.

+ Мы размечаем датасет под ваш чек-лист.

+ Создаем математическую модель и разворачиваем нейросеть. Тестируем. Выдаем вам интерфейс.

+ Каждый сейл загружает в нее записи новых звонков.

+ Показываем вам аналитику записей на дашборде для директора по продажам. Показываем записанные данные для CRM.

+ Вы вносите изменение в работу своих репов. Конверсия вырастает.

+ Пилот успешный, делаем интеграции и внедряем все остальное.

На все про все 4-6 недель.