Сбербанк помощник как зовут
Сбер. Голосовые помощники Салют: Сбер, Алина и Джой. Как пользоваться? Какие у них возможности?
В 2020 году Сбербанк изменил свое название, теперь он называется «Сбер» и специализируется не только на банковских услугах. Сегодня «Сбер» – это высокотехнологичная компания с новым логотипом, обновленным списком услуг и мобильными офисами. Ключевым обновлением стало создание семьи из 3 виртуальных помощников-ассистентов «Салют».
«Сбер Салют» — голосовой помощник
«Салют» состоит из харизматичных роботов, со своим стилем общения и голосами: Сбер, Афина и Джой.
Исключительность идеи состоит в самостоятельном выборе пользователя близкого по духу ассистента, каждый из которых не просто отвечает на вопросы, но и может дать совет. Это позволяет лучше узнать своего хозяина и использовать эту информацию в дальнейшем общении.
Отличие «Сбер Салюта» от подобных проектов конкурентов заключается не только в большем количестве персонажей, но и в человечности взаимодействия: они распознают жесты, интонацию голоса и эмоциональность речи, могут помочь оформить доставку еды на дом, беспечно поговорить или обсудить серьезные темы. Для этого пользователю достаточно сказать «Салют!», которое запустет работу роботов.
Сбер, Афина и Джой не продают товаров и не проводят финансовых консультаций, поэтому разработчики назвали их ассистентами первого плана.
Вскоре начнется разработка персонажей второго плана, которые будут отвечать за продажу услуг.
Сбер – интеллигентный помощник с мужским голосом в виде зеленого шара. С ним приятно провести время за разговорами о современных технологиях и новинках. Сбер уважительно относится к пользователю, поэтому всегда обращается к нему на «Вы», при этом может и ненавязчиво пошутить. Голос персонажу подарил Даниил Щебланов. Российский зритель знаком с ним, благодаря озвучке персонажей в различных фильмах.
Афина
Афина – голубой шар, говорящий умиротворяющим женским голосом. Для нее важна собранность, продуктивность и деловитость хозяина. С Афиной можно поговорить о кино, особенно артхаусном, классической литературе и послушать музыку мировых исполнителей. Ассистента озвучила Анастасия Чернобровина, голос которой многим придется по вкусу.
Джой – еще один шар, но оранжевого цвета. От Афины его отличает открытость и дружелюбие. Джой эмоциональный персонаж, который с пользователями на «ты». Но, несмотря на это не позволяет себе глупых шуток и уважительно относится к личным границам каждого. Ассистент помогает в решении жизненных вопросов, отвлекает от наскучившей реальности интересными и непринужденными разговорами и поднимает настроение. Делает это голосом Татьяны Ермиловой.
Как скачать «Сбер Салют»?
Скачать помощников-ассистентов можно в приложении «Сбербанк Онлайн» со всех смартфонов, а также с платформы «Сбер Салют». Умные ассистенты уже встроены в новые смарт-устройства от «Сбера» – SberBox и SberPortal.
Как подключить?
После скачивания приложения «Сбер Салют», происходит автоматическое подключение ассистентов. Для общения желательно иметь хороший динамик. Также есть возможность дополнительно установить специальное приложение с регулярно обновляемыми командами для ассистентов. С его помощью всегда рядом будут актуальные команды и запросы для виртуальных помощников.
Узнайте о программе лояльности Сбер Бонусы «Спасибо» 2021.
Как пользоваться?
Взаимодействие происходит путем ответов на вопросы, команд либо переписок.
Для того чтобы активировать ассистента, достаточно сказать «Салют!», имя конкретного помощника, с которым хочется поговорить или доверить какую-либо задачу. Виртуальные друзья могут выполнять не только для всех привычные команды по типу завести будильник или таймер, показать прогноз погоды на неделю или набрать номер.
Современные роботы умеют гораздо больше:
Основные команды и возможности “Салют”
Задавать вопросы или давать команды системе можно следующим образом:
По данной аналогии выбранный робот расскажет о новостях, включит фильм, поставит альбом исполнителя и подскажет число.
Читайте больше информации о новинках и ребрендинге Сбербанка.
Афина, Джой и Сбер: почему в SberDevices сделали ставку на ассистентов с характерами и как их научили быть разными
Привет, это команда SberDevices, и мы продолжаем рассказывать о наших разработках. Сегодня — о виртуальных ассистентах семейства Салют, которые живут в SberPortal и других наших умных устройствах, а ещё — в приложениях СберБанк Онлайн и Сбер Салют. Вот как мы придумывали характеры Джой, Афины и Сбера, учили их эмпатии и юмору и создавали лавашар.
С тем, что ассистентов будет трое, мы определились довольно быстро. Идея была в том, чтобы создать трёх непохожих друг на друга персонажей и дать пользователям возможность выбора. Так появилось первое в мире семейство виртуальных ассистентов — Салют.
Как мы придумывали характеры ассистентов и какими они получились
Мы начали с самых простых фраз — ответов на вопросы «что ты умеешь», «кто тебя сделал», «где ты живёшь» и так далее. Придумывая ответы трёх разных персонажей, двух женских и одного мужского, мы постепенно поняли, какими хотели бы их видеть. Чтобы прописать характер и особенности каждого персонажа и сделать их понятными и близкими пользователям, мы выбирали для них прототипы из книг, фильмов, сериалов и мультиков. Вот какими они в итоге получились (и почему).
Джой мы хотели сделать весёлой, общительной, дерзкой — немного пацанкой. В качестве прототипов мы взяли нескольких персонажей из массовой культуры — задорных и молодых. В итоге получился собирательный образ. Джой — деятельная и активная, она обращается к пользователю на «ты», помогает в решении любых бытовых задач, но делает это как друг, а не как бизнес-ассистент. Джой любит поиграть и поговорить, но соблюдает личные границы, а порядок для неё — не самое главное. Этот персонаж осознаёт себя как виртуального ассистента и немного жалеет о том, что не может быть человеком. Например, она любит танцы и кулинарию, но ни танцевать, ни готовить не может.
Афина совсем другая, её прототипы — эффектные, деловые и сильные герои. Этот персонаж обожает порядок, цифры, графики и схемы — идеальный помощник для тех, кто хочет быть продуктивным и эффективным. Афина осознаёт себя как виртуальную сущность, и её это устраивает. По её мнению, она гораздо организованнее и собраннее любого человека.
Сбер — нейтральный персонаж, но и у него есть свои особенности. Например, он немного гик. Он обожает комиксы, фильмы про супергероев и настольные игры, а ещё тайно любит поп-музыку 1990-х (и иногда случайно выдаёт фразы оттуда). Сбер любит порядок, но не зациклен на нём. Он интроверт, но любит общаться с людьми и искренне хочет научиться делать это лучше.
Как это устроено: откуда у ассистентов знания, эмпатия и шутки
Так как ассистенты разные, отвечают они тоже по-разному. Но не всегда. Например, если вы захотите узнать, кто такой Авраам Линкольн, ассистент возьмёт информацию из общей базы знаний. По сути, база знаний — это массив ответов на вопросы что, кто и как, и по объёму она как вся Википедия.
В ситуациях, когда нужно пообщаться с пользователем, а не просто предоставить ему информацию, ассистенты будут отвечать неодинаково, при этом один персонаж может говорить разные фразы в одной и той же ситуации. Например, если пользователь признаётся ассистенту в любви, Афина может попросить держать себя в руках, а Сбер засмущается и, возможно, ответит: «Это вы ещё кота моего не видели». Таких фраз сотни тысяч, и все они прописаны вручную — над этим работала и продолжает трудиться целая команда редакторов. При создании базы этих фраз мы учитывали, что ассистент должен быть человечным. Мы научили Джой, Афину и Сбера проявлять эмпатию (насколько это возможно), и если пользователь скажет, что ему грустно, ассистент постарается его поддержать.
Так, например, эмпатию проявляет Сбер
У наших ассистентов есть не только эмпатия, но и чувство юмора. Юмор — субъективная штука, и мы довольно долго решали, что ассистенты будут считать смешным. Нельзя просто так взять и загрузить в базу кучу анекдотов, поэтому мы собрали огромное количество шуток (что-то брали из интернета, что-то придумывали сами) и сели их разбирать. Мы зачитывали друг другу все эти шутки и вычёркивали те, над которыми почти никто не смеялся. Так у нас появилась база из смешных, как нам всем кажется, реплик. Ещё мы знали, что пользователи будут спрашивать ассистентов про конкурентов, и такие сценарии тоже добавили. А Алису, например, наши ассистенты благодаря технологиям распознавания речи могут узнавать по голосу.
Ассистенты умеют выражать эмоции не только голосом. Мы долго думали, как визуализировать виртуальных помощников — сделать так, чтобы пользователи их не только слышали, но и видели. Остановились на идее с динамичным шаром, который назвали лавашаром. У каждого ассистента свой цвет: у Джой шар оранжевый, у Афины — синий, а у Сбера — зелёный. Эмоции ассистенты выражают своим особым способом. Так, когда ассистент хохочет, шар подпрыгивает, а если злится — шар краснеет.
Эмоции проявляются не всегда. Мы задумывали эту способность как забавную фичу, а не как обязательную функцию. Обижаться ассистенты не умеют — мы знаем, что пользователи иногда грубят виртуальным помощникам, и научили их не принимать такие вещи «близко к сердцу».
Ещё одним способом добавить эмоциональности виртуальным ассистентам стала работа с дикторами. Мы много экспериментировали с текстами и инструкциями для них — записывали реплики и «раздражённым», и «грустным», и «радостным» голосом. Но у нейросетей есть одна особенность: «усреднение» характеристик звука, который попал в обучение. Мы поняли, что невозможно поддерживать одинаково «злой» или одинаково «добрый» голос так, чтобы нейросеть смогла это быстро выучить. Сейчас у нас нет постоянных инструкций для дикторов. Перед записью мы все вместе — диктор, звукорежиссёр, войс коуч — читаем реплику, чтобы лучше понять её значение и контекст. Затем диктор озвучивает её, и мы оцениваем то, что получилось: насколько естественной вышла запись, какой получилась эмоциональная окраска. Когда все довольны звучанием, реплика считается записанной.
Что мы делаем с ассистентами сейчас
Постоянно совершенствуем и обучаем их. Джой, Афина и Сбер очень многое знают и умеют, но в случае с ассистентами предела нет — их можно улучшать бесконечно. Мы всё время находим новые сценарии, добавляем новые ответы. К примеру, учим ассистентов говорить об актуальных новостях. Та самая база с сотнями тысяч реплик расширяется, но ассистенты, разумеется, «придумывают» какие-то ответы сами — нейросети генерируют фразы, выбирая из миллиардов слов и фраз. О том, как работают нейросети, мы ещё расскажем — это отдельная большая тема.
А пока мы продолжаем записывать дикторов — это бесконечный процесс. Интонация и скорость при чтении новостных текстов отличается, например, от интонации и скорости чтения детских сказок. Кстати, неочевидный факт, но синтез новостей требует гораздо большего количества работы многих людей. Понятно, что для каждого типа текстов нужен отдельный обучающий звуковой корпус. Когда появляется новая задача, мы даём дикторам отдельные инструкции.
Мы сделали ассистентов проактивными, то есть научили их «идти на контакт», допустим, задавать вопросы о предпочтениях пользователей. Это полезный навык для виртуального помощника — людям нравится чем-то делиться, рассказывать о себе. Например, после кинопросмотра ассистент может поинтересоваться, какие фильмы пользователь обычно смотрит и каких режиссёров любит, чтобы посоветовать подходящее кино.
Греф назвал виртуального помощника Сбербанка
Сбербанк создал новое семейство виртуальных помощников под названием «Салют». Об этом сообщил глава компании Герман Греф на презентации нового логотипа банка, трансляцию ведет РБК.
«Мы первый и единственный банк в мире, который начал производить умное устройство», — заявил Греф.
В Сбербанке разработали три «персонажа» голосового помощника из «семейства Салют» — Сбер, Афина и Джой. Пользователь может выбрать одного из них, у каждого разный голос, характер и манера общения с клиентом. «Пользователь может выбрать ассистента себе по духу и сменить его в любой момент», — отметил глава SberDevices Константин Круглов.
Как рассказал представитель компании, Сбер — молодой ассистент с широким кругозором и мягким чувством юмора, Афина — начитанная и скрупулезная, стремится быть эффективным для пользователя, а Джой старается, чтобы у клиента было больше времени на развлечения, решая бытовые дела за него.
Круглов отметил, что при создании «виртуального ассистента» было использовано облачное хранилище компании на базе суперкомпьютера Christofari. Так, помощник может записать клиента в кино, поговорить на различные темы, активно интересуется предпочтениями пользователя.
Виртуальный ассистент работает в приложении и устройстве SberBox, которое подключается к телевизору. Устройство может включить кино по просьбе клиента, а также закажет ему попкорн через приложение «Самокат». Также помощник может купить что-то из фильма, так как распознает объекты в кадре. Так, в презентации Джой предложила актрисе Кристине Асмус купить платье, которое было показано в фильме «Дублер».
Через планшет SberPortal голосовой помощник узнает клиента по лицу, а также выполняет функции «Умного дома», например, приглушает свет в комнате. Также помощник может позвонить в салон красоты или поликлинику и голосом попросить записать клиента на визит. По словам Круглова, все данные, полученные виртуальным ассистентом, надежно хранятся как банковская тайна.
Ранее Сбербанк официально представил новый логотип компании, в котором нет слова «банк». Новый товарный знак состоит из зеленой надписи «Сбер» и незаконченного круга с градиентом из синего, желтого и зеленого цветов и галкой внутри. По словам главы Сбербанка Германа Грефа, теперь компания не просто банк, а целая экосистема сервисов.
Железная леди: кто и как создал IVR для Сбера
Если вы наберете номер 900, вам ответит голосовой бот Сбера. Это IVR (Interactive Voice Response) — робот, обученный помогать клиентам. Меня зовут Николай Судаков, я отвечаю за развитие этого продукта и расскажу, как мы создали голосовой IVR и как устроена работа продакта в Сбербанке (про метрики и работу над ошибками тут тоже будет).
До Сбера я девять лет работал с кредиторской задолженностью в другом банке. За это время я успел сменить несколько ролей. Порядком устав, я решил уйти в консалтинг и устроился в Ernst & Young, где поработал на нескольких проектах, связанных с крупным финтехом. Это был все еще «фин-», но уже «-тех», то есть гораздо ближе к тому, что мне на тот момент было интересно — к технологиям. Тогда же я прошел курс по Python 2 на Codecademy и курс «Математика и Python для анализа данных» на Coursera и это дало мне базовое понимание, на что способны современные технологии машинного обучения.
В 2016 году я пришел в Сбер на позицию проджект-менеджера — моя команда занималась жалобами клиентов на работу банка. Но проработал на этой позиции недолго — началась эджайл-трансформация банка (которая с тех пор продолжается). Благодаря этому в Сбере открылось много новых направлений. На общем собрании нам рассказали, что появятся новые продукты, и каждый может попробовать себя в роли продактов. Я решил рискнуть: пришел на собеседование с лидером продукта (голосовой IVR), рассказал, как собираюсь его развивать, почему интересуюсь именно им и зачем учил Python и базу по ML. Так в 2017 году из проджекта я стал продактом.
На самом деле никакого голосового IVR у Сбера в 2017 году не было — был предзаписанный голос и кнопочное меню. Работало это так: клиент набирал номер банка и ему предлагали какие-то ограниченные опции. «Если вы хотите заблокировать карту, нажмите два», «Если вы хотите поговорить с оператором, нажмите пять». Но кнопочный IVR сильно ограничивал и клиентов, и нас — мы поняли, что подход нужно менять. Нужно было сделать эту историю более понятной и полезной для клиента.
Мне пришлось с нуля погружаться в новую для меня технологию, учиться, много общаться с коллегами. Поначалу я вообще не понимал, что происходит. Если на какой-то встрече я слышал незнакомое слово (например, MRCP, сигнальный трафик, Kafka и VXML), я говорил — стоп, объясните, пожалуйста, что это значит. Потому, что если я промолчу, я подпишусь под решением, сути которого не понимаю. Это дало свои плоды: я за пару месяцев во всем разобрался и стал понимать разговоры на техническом языке.
Сразу стало понятно, что подходящих технологий для создания нового голосового IVR у нас нет, и мы решили провести конкурс на закупку систем распознавания и синтеза речи. К нам пришло 13 поставщиков (это очень много), поэтому конкурс закончился только в октябре 2018 года. К сожалению, большинство компаний принесли на конкурс синтез, основанный на технологии Unit Selection, а она тогда была на стадии своего заката. Мы проверяли не только качество синтеза, но и другие параметры — например, TCO (total cost of ownership, то есть затраты на создание продукта). В итоге выиграл синтез, который был основан на не самой современной технологии. Но с этим уже можно было начинать делать бота, и мы приступили к работе.
Банковский голосовой бот — сложный технологический продукт. Если упростить, он состоит из четырех компонентов. Первые два — синтез речи (его «голос») и распознавание (его «слух»). Третий компонент — NLP-классификатор, и именно благодаря ему помощник понимает клиентов. Если клиент говорит «хочу узнать баланс», машина благодаря функции распознавания речи получает набор букв. Она не понимает, что это значит, а классификатор как раз помогает понять. Четвертый компонент — это банковские интеграции. Для того, чтобы клиент все-таки смог узнать баланс по своей карте, бот должен не только понять его просьбу, но и знать, откуда и как брать информацию.
Кнопочный IVR, который я взял на развитие как продакт, был устроен намного проще. Старый помощник умел делать только две вещи: сообщать баланс по карте и историю пяти последних операций. Это было неудобно, поэтому мы пошли в сторону персонализированных предиктивных сценариев — то есть сценариев, основанных на данных о поведении клиента. Как банк мы знаем о клиенте очень много — какие операции он совершал и что у него могло случиться. Например, мы знаем, что карту клиента зажевал банкомат, и когда он нам звонит — нам очевидно, зачем он набрал номер. И вместо того, чтобы заставлять его продираться через множество вопросов и нажимать кнопки, «железная леди» может начать разговор с сообщения о том, что в банке уже знают о проблеме. Поэтому такие сценарии и называются предиктивными — мы знаем, что произошло у клиента.
Кроме того, мы знаем его привычки. Мы проанализировали огромные массивы данных и выделили клиентов, которые, например, всегда звонят, чтобы узнать баланс. И стали спрашивать: «Вы хотите узнать баланс?». Это, хоть и не сразу, но сработало. Поначалу из 100% людей, которые звонят на номер 900, чтобы узнать баланс, только 20% делали это в IVR, а остальные шли к оператору. Сейчас у нас 80% — к оператору с этой задачей идет лишь пятая часть пользователей. К 2019 году мы были сфокусированы именно на этом: создавать такие сценарии, чтобы клиенты действительно могли решить свою проблему.
Еще одно направление, которое было важным с точки зрения клиентского опыта — синтез, то есть голос, который будут слышать клиенты. Синтез на Unit Selection был далек от совершенства — с ним приходилось очень много работать, чтобы компенсировать это несовершенство. Например, он не мог правильно произнести «Вам подходят эти условия?» и просто говорил клиенту: «Вам подходят эти условия». И все — без вопросительной интонации. И мы нашли лайфхак: если добавить частицу «ли», интонация у робота становилась вопросительной — он спрашивал «Подходят ли вам эти условия?». Да, это было компромиссное решение, но с несовершенным синтезом, который был у нас тогда, эти решения работали. Еще мы понимали, что сообщения, озвученные голосом, воспринимаются иначе, чем напечатанные текстом, и просто следовать общепринятым рекомендациям по написанию текстов было бы неверно.
Тогда в дополнение к дата-сайентистам, аналитикам, тестировщикам, разработчикам и CJE мы наняли новых людей в команду — например, очень опытного редактора, который долго работал на радио. Лингвистов, которые умеют работать с текстами и прекрасно знают правила русского языка. Сценариста, которому уже приходилось делать похожие вещи и который хорошо понимал, как должен строиться диалог с клиентом. Нам удавалось даже из плохого синтеза выжимать хорошие результаты.
Кстати, окончательно мы убрали кнопочное меню и перевели всех пользователей на новый голосовой IVR в июне 2019 года — а до этого дорабатывали решение.
Сейчас у нас работает синтез, созданный нашими коллегами из SberDevices. Он улучшил качество голоса и радикально снизил нагрузку на команду в части адаптации текстов. Он звучит очень по-человечески, с ним точно не надо использовать частицу «ли» в вопросительных предложениях. А если изредка и возникают погрешности в произношении, то коллеги правят их в течение 2-3 дней. А еще распознавание речи нового синтеза приблизилось к такому уровню, что «железная леди» практически не ошибается.
Так что использование нового синтеза не только повлияло на качество звучания IVR, но и в несколько раз повысило скорость нашей работы.
Мы знаем, как пользователи общаются с операторами, и это очень помогает. Например, мы слушали, как отвечают операторы: это был оптимальный и полезный ответ или пользователю пришлось переспросить? И на основании этого мы проектировали прототипы. Мы создавали небольшой «кусочек» помощника, приглашали клиентов на интервью, задавали гипотетическую ситуацию и смотрели на то, как клиенты взаимодействуют с продуктом, что им нравится, а что — нет. Раз в два спринта мы обязательно общались с клиентами, с 10 — 12 людьми.
Интервью часто помогали понять, что мы повернули не туда. Например, у нас была такая проблема: некоторые люди не понимали, что говорят с роботом. Они начинали развернуто рассказывать помощнику о своей проблеме и машина не справлялась. Чтобы это исправить, мы добавили такую фразу: «Пожалуйста, сформулируйте свой рассказ в двух словах». И во время исследования поймали интересный инсайт: мы увидели, что на этой фразе люди зависают. В итоге четыре человека из семи сказали, что не знают, как сформулировать свою проблему, используя всего два слова. Оказалось, что они воспринимали просьбу робота буквально. Так мы отказались от этой формулировки и стали использовать другую — «Не совсем поняла ваш рассказ. Будьте добры, уточните вопрос». Это, кстати, одна из тех фраз, которые в тексте выглядят не очень, а на слух воспринимаются очень хорошо.
Еще мы постоянно мониторим, что о нас пишут, и это тоже хороший способ собирать инсайты. Недавно на «Пикабу» появился пост клиента Сбера: он рассказал, что спрашивает у нашего помощника, какой период полураспада у радия, чтобы его побыстрее перевели на оператора. Это наш стандартный подход: не важно, что спрашивает клиент — если мы не поняли его, мы переспросим, а если не поняли второй раз – предложим соединиться с оператором.
После этого поста мы добавили сценарий с периодом полураспада радия — теперь помощник может на это ответить. Это единственный не purpose-based сценарий у нашей «железной леди». Почему мы отреагировали именно так? Нам нужна была отдушина.
Это был конец тяжелого для команды коронавирусного периода, когда работы было очень много: клиенты стали активно пользовались удалёнными каналами обслуживания и у них возникало много вопросов. По нашим подсчетам, в мае мы получили на 30% больше звонков, чем в феврале. В тоже время часть операторов банка уходила на больничный, ведь никто не застрахован от болезни.
Добавляли работы и выступления президента, на которых он, например, объявлял о выплатах семьям с детьми. И вот выступление в два часа дня, а мы уже понимаем, что завтра с утра клиенты будут звонить и спрашивать: как получить выплату, узнать номер счёта и т.д. А значит, у нас в запасе всего несколько часов, чтобы подготовить правильный, исчерпывающий ответ на вопросы клиентов. И мы всегда успевали отреагировать на такие события.
В начале 2020 года я со своей командой пошел в «Продуктовую мастерскую» Сбера — это такая внутренняя банковская история для прокачивания продактов. Это нельзя назвать обучением или акселерацией (хотя по сути мы учились и акселерация была) — скорее фреймворк, который мы встраивали в рабочие процессы. Помогали нам менторы из ФРИИ — то есть мы продолжали работу над продуктом, но под их руководством.
В «Продуктовую мастерскую» я пришел, чтобы понять, как помочь клиентам решать их вопросы. А трекер в первый же день спросил: «А сколько клиентов вообще не задают вопросы?». И мы уже на старте увидели, что те 30% человек, которые сразу же зовут оператора, не пытаясь решить вопрос через помощника, генерируют 80% нагрузки на контактные центры. То есть они даже не давали нам шанса помочь. При этом многие из этих 30% звонили для того, чтобы узнать баланс. Это действительно было проблемой: операторы были загружены такими звонками, пока на линии ждали люди с более сложными проблемами. Чтобы это исправить, мы добавили переспрос: помощник стал говорить «Я поняла, что вы хотите поговорить с оператором, но скажите, пожалуйста, чем мы можем вам помочь». Как только мы добавили переспрос, метрика «автоматизация» (она показывает, скольким из позвонивших клиентов помог бот, а не человек) моментально, за один день выросла на 5% — при том, что рост на 10% был нашей целью на ближайший год.
Кстати, ломали мы эту метрику также успешно. Однажды мы решили, что слишком сухо говорим с клиентом и нужно добавить какую-то фразу повеселее. И придумали такую формулировку: «Теперь я работаю оператором, я умею вот это и вот это. ». И люди перестали задавать вопросы, люди стали жаловаться. Клиенты напрямую говорили, что их это раздражает, и метрика резко просела — так резко, что мы откатили все назад.
Вообще в «Продуктовой мастерской» нам всем хорошо прочистили мозги. Такое бывает, когда человек о чем-то знает, но игнорирует эти знания или использует их неправильно. А тут рядом были два профессиональных человека, которые постоянно нас челленджили, и это многое изменило. Например, мы научились быстро откручивать гипотезы. Неделя — и две гипотезы «откручиваются», неделя — еще две гипотезы. Это была неправильная гипотеза? Ну и черт с ней, мы потратили на нее всего два дня..
Так получилось, потому что мы перестали отвлекаться на ерунду и долгий предварительный анализ. Такой анализ актуален для команд, у которых релизы раз в квартал, а мы можем выкатывать новые изменения раз в 15 минут, и детальный анализ нам нужен уже после того, как гипотеза «открутилась» на проде. Еще до мастерской мы постоянно говорили про A/B-тесты, но не делали их — не доходили руки. А сейчас каждая гипотеза проходит через A/B. Мы накапливаем данные, все сравниваем, смотрим, на сколько результат изменился и какой у него доверительный интервал, то есть стоит ли этому изменению доверять или это просто в пределах погрешности. К концу «Продуктовой мастерской» мы посчитали и поняли, что сэкономили банку десятки миллионов рублей такими изменениями.
Именно такими ситуациями и заняты операторы в колл-центрах. Но множество проблем клиенты могут решить (и решают) с помощью голосового IVR, и это радует. Мне очень нравится тот продукт, который получается — по сути мы смогли создать новую технологию внутри банка и уйти с кнопочного IVR. Но это как с ребенком: детей любят по определению, но глупо не замечать их недостатки. Я знаю, что в продукте работает не так, и у нас есть план, как это все поменять. Я хочу, чтобы человек, который позвонит на 900, получил ответ на свой вопрос быстро и качественно, и при этом даже не понял, что говорит не с реальным человеком.