Чат-бот для крупного банка

Задача:

Создание эффективного чат-бота для обработки обращений клиентов

Описание решения:

Крупный банк одной из стран СНГ, лидирующий в отечественной fintech-отрасли, обратился к «Наносемантике» в середине 2018 года с задачей по созданию эффективного инструмента для обработки частотных запросов пользователей на сайте банка и снижения нагрузки на контактный центр.

Таким инструментом стал виртуальный консультант, разработка виджета и базы знаний для которого заняла около 4 месяцев. Через 5 лет, в середине 2023 года, состоялся релиз обновленного чат-бота на диалоговой платформе DialogOS, что значительно увеличило его функционал и предоставило клиенту широкие возможности для глубокого анализа и оценки эффективности его работы.

Сегодня у чат-бота банка одна из самых обширных и «живых» баз знаний среди подобных проектов «Наносемантики»: сотрудники банка активно занимаются его развитием, регулярно обновляя данные и добавляя информацию.
Чат-бот распознает 4000+ намерений пользователя, база знаний содержит более 800 словарей и около 5000 инструкций по генерации ответа, где используются таблицы с описанием продуктов. Например, при ответе на вопросы по картам бот использует информацию о названии карты, кратком описании её особенностей и преимуществ, полном описании и лендинговой странице для этой карты.
Основные темы, которые интересуют клиентов банка: ставки по вкладам, выгодные карты, выгодные кредиты. Также за последний год в топе запросов — потребительские кредиты и ипотека.

Статистика:

• Чат-бот ежегодно консультирует около 300 000 клиентов (в среднем, около 25 000 диалогов в месяц)
• Среднее время обработки одного диалога с клиентом не превышает 2 минут
• Около 25% диалогов обрабатываются консультантом в нерабочее время контакт-центра
• Пик диалогов приходится на рабочее время 11:00–16:00 (МСК)
• Диалоги обычно содержат от 2 до 9 реплик человека

В ближайших планах банка — внедрение конструктора отчётов на платформе DialogOS. Это позволит сотрудникам банка самостоятельно отслеживать эффективность работы цифрового ассистента по специально заданным параметрам, не привлекая к этому разработчиков.