В последние годы подавляющее большинство организаций, использующих исходящие телефонные звонки своим клиентам, отмечают снижение контактности клиентской базы.
«Люди неохотно отвечают на звонки с номеров не из своей телефонной книги, и причин тому множество: это и рост числа случаев телефонного мошенничества, спам-звонков, и общая информационная нагрузка, распространенность альтернативных каналов общения (мессенджеры, соцсети), да и бывает просто неудобно разговаривать, так как звонок происходит не вовремя. При этом голосовой канал остается, пожалуй, самым лучшим способом коммуникации для обсуждения сложных вопросов, и если повод для разговора срочный и важный, то найти альтернативу телефонному звонку сложно», – отметил руководитель Департамента развития технологий и взаимоотношений с клиентами Банка Уралсиб Антон Козлов.
В Уралсибе для клиентов МСБ решение проблемы нашли в том, чтобы звонить в оптимальное для конкретного клиента время. Основой для этого стала созданная здесь модель машинного обучения, которая оценив массу параметров, с достаточно высокой точностью может определить маскимально удобное для клиента время контакта с банком. На рынке уже используются аналогичные ML-модели, которые дают некоторый прирост уровня контактности. Но эффективно они работают только с розничными клиентами, физическими лицами, так как для обучения требуется статистика по нескольким миллионам клиентов, а количество клиентов МСБ даже у крупных банков значительно меньше. Однако эти ограничения не стали препятствием для создания эффективной модели, тесты которой на реальных клиентах показали примерно двукратное увеличение контактности базы при звонках в рекомендуемые моделью диапазоны времени, по сравнению с обычным способом дозвона.
«В этой ситуации выигрывают все: мы получаем возможность проконтактировать с гораздо большим количеством клиентов для решения необходимых вопросов, а клиенты получают возможность принять звонок в удобное для них время и не упустить важные в работе с банком моменты», – резюмировал Антон Козлов.
Банк Уралсиб активно использует технологии искусственного интеллекта в бизнес-практике, в том числе для создания предиктивных моделей, управления клиентским опытом и повышения эффективности операционных процессов.
, являются эксклюзивными, то есть подготовлены на основе информации, полученной редакцией infopro54.ru. При цитировании, перепечатке ссылка на источник обязательна