Чему остальные боты могут научиться:
- Если пользователь задал два вопроса в одном сообщении, бот дает ответ на каждый из них в разных сообщениях.
- На высоком уровне отрабатывает негатив: команда уделяет большое внимание качеству клиентского опыта.
- Делает верные предположения о тематике скриншотов, которые пользователь присылает чат, и дает подходящие квик-реплаи. Это самая качественная реализация на рынке.
Показал максимальную точность распознавания запросов и максимальный результат по всем блокам интентов за исключением одного, занял первое место в разговорных навыках.
Лидерству по качеству опыта в целом помешали недостатки в удобстве интерфейса, выполнение действий с помощью виджетов на весь экран, а не в процессе диалога с ботом, а также то, что бот уточняет информацию, которая уже была дана пользователем ранее в первом сообщении.
Сильная сторона бота Совкомбанка — навигирование пользователя к разделу приложения: 9 из 12 ответов получили максимальный балл. Также он дает ответ за меньшее количество вопросов, понимает, когда пользователь дублирует вопрос, подсказывает самый выгодный способ решения задачи.
Чтобы догнать лидеров, необходимо в первую очередь нужно улучшить предоставление персональной информации, обработку жалоб и реакцию на негатив со стороны пользователя.
С точки зрения удобства интерфейса бот выделяется за счет возможности поделиться сообщением в стороннее приложение. Доработки требует ввод информации: использование саджестов и возврат на шаг назад в диалоге, чтобы выбрать другой ответ.
В публичных результатах исследования мы делимся кратким конкурентным анализом по двум параметрам оценки чат-бота в мобильном банке. Подробное ревью по всем составляющим системы оценки доступно в полном отчете, а в рамках аудита по системе оценки мы помогаем продуктовым командам приоритизировать бэклог и наполнить его лучшими практиками, чтобы максимально быстро достичь целевого уровня чат-бота.
7 из 10 банков набрали менее половины баллов. Этот параметр в приоритете развития только у лидеров — Альфа-Банка и ВТБ; Совкомбанк близок к ним, но в кейсе закрытия продукта не рассказал о его преимуществах.
У большинства ботов выражение сожаления и отработка негатива происходят в среднем лишь в 2–3 ситуациях из 7; чат-бот Россельхозбанка не предпринял ни одной попытки сгладить недовольство. Движение вперёд локальное: за год заметно прибавил в выражении сожаления чат-бот Газпромбанка, немного улучшился СберБанк.
В целом современных банковских ботов нельзя назвать эмпатичными: системной работы с эмоциями у большинства не видно, значит, это не приоритет. Лидеры же уже признают важность этого аспекта: они эффективно отрабатывают негатив и пробуют способы вызвать положительные эмоции — например, позитивные сообщения и стикеры.
Лидеры рейтинга — Альфа-Банк и ВТБ — полностью закрывают потребность пользователей в персональной информации (комиссии за перевод, кредитная и дебетовая карты, вклад, подключённые услуги).
Т-Банк и МТС Банк в целом дают персональные ответы, но в 2 из 11 случаев подменяют их общими (например, перечисляют все комиссии вместо одной нужной).
Совкомбанк, Райффайзен Банк и СберБанк иногда отвечают ссылками на раздел с информацией вместо прямого ответа в чате. Чат-бот Газпромбанка понял 5 из 11 запросов, причём по сравнению с прошлым годом наблюдается откат — запросы по кредитной карте переводятся к консультанту.
Боты Россельхозбанка и Банка ДОМ.РФ поняли два и один запрос соответственно и пока не могут консультировать по персональным вопросам.
У каждого блока оценки есть лучшие практики, примеры, сравнение нескольких реализаций. Всего мы собрали 47 новых решений — они собраны в полном отчете. Любую их них можно брать в качестве референсов для развития собственных чат-ботов, к какой бы отрасли они не принадлежали.
Удобство в том, что все они собраны со всего рынка в одном месте, снабжены описаниями и нашими комментариями об их пользе как для компании, так и для клиента.
Для примера в публичных результатах мы разбираем три лучшие практики.
Банки распознают такие обращения, но чаще всего сразу переводят на оператора. У Альфа-Банка реализован более гибкий сценарий: бот просит выбрать тип инцидента (звонок «мошенников», SMS-код, заявка на кредит, смена номера) и уточняет, какие действия совершал пользователь (передача данных, установка приложения, действия в приложении, ничего не передавал). В критических случаях — моментальная эскалация оператору; в некритических — бот сам собирает сведения, объясняет признаки мошенников и дает инструкции (например, не сообщать коды из SMS). Такой подход ускоряет реакцию и снижает ненужные переключения к операторам.
Пользователи чувствительны к навязыванию, поэтому прозрачная подача и быстрый переход к действиям улучшают опыт. У СберБанка при запросе списка подключенных услуг чат-бот сразу показывает все активные подписки в одном виджете — без дополнительных шагов — и тут же предлагает связанный виджет с темами: подключение/отключение, проверка условий, решение проблем. Такая реализация предвосхищает потребности, усиливает ощущение контроля над услугами и финансами и повышает лояльность к боту, поскольку не создаёт барьеров для отключения.
Банки стремятся сделать диалог с ботом похожим на привычные мессенджеры; наиболее продвинут сейчас ВТБ. В чатах доступны действия с сообщениями: ответ, копирование, поделиться в стороннее приложение, отметка о получении. Можно найти нужную информацию через поиск, записать голосовое сообщение и прикрепить файл (например, скриншот). Более редкие функции — просмотр всех присланных файлов отдельно, реакции на сообщения и добавление в избранное. В результате пользователь получает широкий набор возможностей для ввода, просмотра и экспорта информации и может свободнее ей управлять.
Развитию бота могут помочь не только позитивные практики, но и примеры проблем. Всего в отчете мы собрали 33 проблемы и в публичной части исследования разберём две из них.
Важен не только факт автоматизации интентов, но и качество реализаций — легкость восприятия, удобство чтения, быстрое достижение цели. Нагрузка растет, когда бот дает больше информации, чем нужно. Краткая полезная справка может быть уместна, но серия сообщений без прямого ответа перегружает пользователя. На примере простого навигационного запроса об обмене валюты вместо короткого ответа приходит информация о формах обмена, типах валют, правилах конвертации и шагах для совершения обмена, тогда как пользователю важен прежде всего простой и быстрый ответ.
Когда бот плохо понимает запрос, он вынуждает пользователя многократно выбирать квик-реплаи. На примере: пользователю приходится трижды выбирать из объемных списков, причем часть вариантов не релевантна, а бот повторно спрашивает то, что уже указано в первом сообщении (например, тип перевода, хотя клиента интересует СБП). Чтение длинных списков и выбор «правильного» пути создают лишнюю нагрузку. Большинство ботов уже ушли от такой реализации, но избыточные дополнительные вопросы все еще встречаются.
Чат-бот Альфа-Банка сразу же в первом сообщении дает ответ на вопрос. Дополнительная информация сформулирована максимально коротко и размещена в отдельных сообщениях. Всю остальную информацию можно узнать, нажав на квик-реплаи.
При переключении на оператора пользователю важно понимать, как быстро он получит ответ, чтобы спланировать свое время — например, отвлечься от чата или выбрать другой канал поддержки. Но зачастую боты не сообщают ни о конкретном времени, ни о самой необходимости более длительного ожидания оператора. Это проблема, поскольку в такой ситуации бот не проявляет заботу о потребностях пользователя, его удобстве.
2 бота из 10 пишут конкретное время ожидания, если бот не подключается мгновенно. Например, такое решение есть у Альфа-Банка, и оно полностью или частично снижает неопределенность относительно скорости ответа.
По графику видно сильный разрыв в общих баллах 10 участников: оценка лидера вдвое выше результата 10-го места, а между лидерами и серединой рейтинга — минимум 20 баллов.
Лидеры из года в год становятся лучше: запускают новые реализации, используют прогрессивные механики, задумываются о персонализации и предиктивном реагировании, планируют внедрение LLM. Достигнув высокого уровня автоматизации, они смещают фокус на качество клиентского опыта и удовлетворённость.
В нижней части рейтинга первоочередные задачи — наращивание автоматизации, преодоление проблем в разговорных навыках бота и повышение точности распознавания вопросов.
На графике показано, сколько попыток потребовалось ботам, чтобы ответить на 56 запросов (у нас 3 попытки — три по-разному сформулированных запроса). Разрыв между лидерами и аутсайдерами значительный: лидеры распознают все запросы с первой попытки, тогда как самый низ рейтинга не распознаёт до 50% запросов. Это напрямую влияет на оценки интентов и позицию бота в рейтинге.
Почему неравномерность важна. Если бот плохо обслуживает, пользователи предпочитают обращаться к оператору, и нагрузка на контакт-центр не снижается. Боты из нижней части рейтинга проигрывают лидерам в прямом сравнении, поэтому в ситуации выбора пользователь может уйти к тем, где качество обслуживания выше и бот вызывает больше доверия.
Бот проактивно сообщает о важных финансовых событиях, которые нельзя пропустить: при входе в чат он напоминает про оплату задолженности по кредитным продуктам и предлагает узнать о ней больше.
Лучше всего это заметно в ситуации использования кредитной карты. Если есть задолженность, боты в переписке советуют ее погасить до окончания льготного периода, чтобы не переплачивать. Причем советы интегрированы в диалог, даже если запрос пользователя не касался именно этой темы.
Бот способен давать рекомендации по использованию продуктов, чтобы клиент получил большую выгоду: например, предлагает разместить свободные средства на накопительном счете. Причем такая рекомендация персонализирована, то есть показывается, если на карте действительно есть средства и есть накопительный счет.
Бот контролирует, чтобы пользователь получал информацию о выгоде за участие в программе лояльности: не только помогает выбрать категории кэшбэка, но и сообщает, когда он будет выплачен или когда он был выплачен.
