Чат сотрудника:
сглаживание негатива
сглаживание негатива
Отработка негатива клиентов с помощью AI-перефразирования
Контекст и проблема
Аудитория
MAU ~20 тысяч операторов
За месяц в чат поступает около 18 миллионов сообщений клиентов, из которых примерно 3,2 миллиона имеют негативную тональность (жалобы, претензии, агрессивные формулировки). По регламенту операторы обязаны отвечать на такие сообщения в эмпатичной форме — некорректный ответ или игнорирование может привести к штрафу.
Во время наблюдения за работой операторов я заметила, что сотрудники тратят много времени на формулировку корректного ответа, особенно новички. Это увеличивает время ответа в чате, поэтому мы решили проверить гипотезу о масштабности проблемы с помощью продуктовой аналитики.
Во время наблюдения за работой операторов я заметила, что сотрудники тратят много времени на формулировку корректного ответа, особенно новички. Это увеличивает время ответа в чате, поэтому мы решили проверить гипотезу о масштабности проблемы с помощью продуктовой аналитики.
Исследование: аналитика сообщений и интревью
Мы проанализировали переписки за месяц и обнаружили несколько проблем.
1. Негативные сообщения часто остаются без ответа
Из 3,2 млн негативных сообщений 640 тыс. сообщений (20%) остались без ответа.
Это означает, что каждое пятое негативное сообщение клиента игнорируется, что создаёт риск ухудшения клиентского опыта и приводит к штрафам для операторов.
2. На негатив отвечают заметно медленнее
Мы сравнили скорость ответа на разные типы сообщений и получили, что скорость ответа на сообщения:
1. Негативные сообщения часто остаются без ответа
Из 3,2 млн негативных сообщений 640 тыс. сообщений (20%) остались без ответа.
Это означает, что каждое пятое негативное сообщение клиента игнорируется, что создаёт риск ухудшения клиентского опыта и приводит к штрафам для операторов.
2. На негатив отвечают заметно медленнее
Мы сравнили скорость ответа на разные типы сообщений и получили, что скорость ответа на сообщения:
- без негатива — 45 секунд
- с негативом — 62 секунд
Аналитика переписки операторов с клиентами в разрезе негативных сообщений
3. Операторам морально сложнее отвечать на негатив
Мы также провели несколько интервью с операторами поддержки.
Операторы отмечали, что:
Мы также провели несколько интервью с операторами поддержки.
Операторы отмечали, что:
- иногда сложно быстро подобрать вежливую формулировку ответа
- есть риск получить штраф за некорректный ответ
- иногда перечитывают регламент перед ответом — такое отмечали только новенькие
- иногда откладывают ответы на негативные сообщения и пропускают их
Решение
Я спроектировала функцию сглаживания негатива.
Когда система определяет негативное сообщение:
Когда система определяет негативное сообщение:
- Сообщение подсвечивается в интерфейсе
- В плейсхолдере появляется подсказка
- Оператор пишет чуть ответа и жмет «Сделать дружелюбнее»
- Система предлагает готовый эмпатичный ответ
Интерфейс сглаживания негатива
Adoption фичи и первый A/B тест
После запуска фичи мы провели AB-тест и заметили, что операторы используют её сильно реже, чем ожидалось. Adoption составил около 38% — многие сотрудники продолжали отвечать вручную по привычке.
Чтобы повысить использование функции, мы запустили несколько инициатив:
Чтобы повысить использование функции, мы запустили несколько инициатив:
- добавили информацию о функции в обучение для новых операторов
- внесли рекомендации в регламенты
- добавили онбординг-подсказку в интерфейс
Информационный онбординг
Результаты второго A/B теста
После того, как добились приемлемого уровня adoption, провели второй А/В-тест.
На 19% cократилась скорость ответа на негатив:
На 19% cократилась скорость ответа на негатив:
- было: 62 секунд
- стало: 50 секунд
- было: 20%
- стало: 6%
Метрики по функции сглаживания негатива
Выводы
Функция сглаживания негатива не только ускорила ответы операторов, но и снизила количество проигнорированных сообщений.
Дополнительная работа с внедрением — обучение, внесение в регламенты и онбординг — помогла повысить adoption инструмента и сделать его частью ежедневной работы операторов.
Дополнительная работа с внедрением — обучение, внесение в регламенты и онбординг — помогла повысить adoption инструмента и сделать его частью ежедневной работы операторов.