Речевая аналитика Naumen c GenAI помогает ОТП Банку лучше понимать клиентов

В ОТП Банке на платформе речевой аналитики выстроена двухуровневая система анализа диалогов: на базе классических ML-моделей и больших языковых моделей — LLM. ML отвечает за массовые задачи: классификацию тематик, базовый контроль алгоритмов, автоматическую оценку всех звонков и чатов. LLM-модель подключается там, где требуется глубокое понимание контекста, эмоций клиента и нюансов переговоров. Такой гибридный подход позволяет банку не только повысить качество сервиса и лучше понимать клиентов, но и получить измеримый экономический эффект.
 
Как отметила Светлана Рабехова, речевая аналитика давно перестала быть просто инструментом контроля и сегодня выступает драйвером роста бизнес-показателей. Автоматическая оценка позволила анализировать 100% диалогов с клиентами, при этом корректность оценки для 7 из 8 критериев составляет более 99%. Это привело к росту выполненных обещаний по оплате задолженности на 5,5%. Важно также отметить, что среднее время анализа одного диалога экспертом уменьшилось в среднем в 20 раз – с 7 минут до 20 секунд: благодаря саммаризации диалога можно быстро ознакомиться с его сутью без необходимости прослушивать разговор полностью.

Ольга Сухарева рассказала о реальных примерах внедрения инструмента в контакт-центре и поделилась результатами. Автоматическая оценка помогла на 1,7 п.п увеличить долю вопросов клиентов, решенных с первого обращения. Среднее время обработки звонков (AHT) сократилось на 5 секунд, а конверсия в продажи выросла на 3,3 п.п. В результате уровень удовлетворенности клиента (CSI) показал рост на 0,3 балла. Благодаря точному аудиту жалоб, на 25% сократилась доля обращений в ЦБ РФ. Эффективность удержания клиентов в период охлаждения увеличилась на 30%. За счет AI-контроля также выросла точность начисления сорри-бонусов с 85% до 97%.