Мы уже писали о том, как устроены и как работают умные помощники. Теперь давайте посмотрим на них в работе — что они умеют и для чего нужны.
Анализ клиентских писем и обращений
Для работы этого умного помощника нужно включить блок «Поддержка» в 1C:CRM.
Если на сайте вашей компании указан адрес электронной почты, то, скорее всего, вы периодически получаете письма от клиентов. Это могут быть письма с запросами информации, жалобами, предложениями о сотрудничестве, отзывы о товарах или услугах, уточнение статуса доставки и так далее.
В зависимости от содержимого письма, на него нужно реагировать по-разному. Например, письмо с жалобой хорошо бы отправить в отдел по работе с клиентами, а запрос коммерческого предложения — в бухгалтерию или в отдел продаж. От этого будет зависеть срок реакции — допустим, клиенту нужно будет ответить в течение часа, а на составление коммерческого предложения есть пара дней.
Иногда менеджеры забывают обрабатывать эти письма или направляют их не в тот отдел. В итоге компания может потерять письмо вместе с клиентом. Чтобы такого не происходило, разбор писем можно поручить умному помощнику на основе нейросети. Он просматривает содержимое каждого письма, анализирует его и в зависимости от содержимого назначает каждому письму свой тип и направляет в нужный отдел.
Кроме этого, этот процесс автоматически запускает создание задач ответственному сотруднику и контроль его выполнения. Это значит, что если сотрудник забудет ответить или отреагировать на письмо, система напомнит ему об этом и сама поставит задачу ему в календарь.
Вот типичная подсказка помощника в форме мастера регистрации обращения из входящего письма:
Если в мастере регистрации обращения нет совета помощника, это может говорить о двух вещах:
- Либо помощник совсем не уверен в своем прогнозе (порог уверенности устанавливается в настройках помощника).
- Либо сервер машинного обучения по какой-то причине не работает.
В каждом из этих случаев можно принять обращение вручную.
Также можно создать правило обработки входящей почты, и тогда программа по прогнозу помощника будет регистрировать интерес или обращение в поддержку автоматически.
Точная классификация
Поскольку не всегда есть возможность собрать нужное количество данных для обучения модели, мы предусмотрели возможность использования предобученной модели. После установки включается именно она, но всегда можно переключить ее на свою в настройках. Эта модель обучена на внутренних текстах писем компании «1C Рарус», но она не содержит никаких персональных или коммерческих данных. При этом такая модель может учитывать внутренние закономерности текстов переписки по своей тематике.
Входящие письма она классифицирует на три метки: «Интерес», «Консультация» и «Жалоба». Точность модели составляет 94%. Это означает, что она верно определяет категорию подобных писем в среднем в 94 случаях из 100.
Мы приглашаем к сотрудничеству всех, кто заинтересован в создании готовых моделей для других предметных областей. Модель, обученная на ваших данных, не будет содержать самих данных — только их внутренние закономерности в обобщенной математической форме. Чтобы узнать подробности, напишите нам на crm@rarus.ru.
Поиск ответов по базе знаний
Второй помощник 1C:CRM упрощает работу с готовыми ответами для клиентов. Принцип его работы тот же, что и у предыдущего, только здесь в качестве источника для обучения модели используется база знаний. Каждая статья базы содержит в себе текст вопроса, на который она отвечает, и формулировку ответа, который можно отправить клиенту.
Умный помощник, видя текст письма, сразу может определить, насколько он похож на текст вопроса из какой-либо статьи базы знаний, и предложит отправить свой ответ клиенту. Если подобных вопросов в базе нет, то помощник может предложить создать соответствующую статью и поставить такую задачу менеджеру.
Прогноз конверсии
Этот помощник позволяет в процессе работы со сделкой увидеть, как изменяется вероятность её конверсии. Она постоянно обучается на данных документов «Интерес», и учитывает их особенности. В любом случае, каждая сделка либо успешна, либо нет, и это служит источником для классификации сделок.
Менеджер по продажам, работая со сделкой, совершает различные действия — планирует и завершает взаимодействия, выполняет задачи по сделке, ведет переписку, выставляет коммерческие предложения и счета. В любой момент менеджер может проконтролировать, насколько его текущий прогресс в работе со сделкой делает ее похожей на среднюю успешную сделку в компании:
Здесь помощник определил, что сделка в ее текущем состоянии похожа на успешную на 52%. Можно сохранить эту вероятность для сравнения. Если раньше такие данные тоже сохранялись, то помощник покажет и динамику — увеличилась вероятность конверсии, уменьшилась, или осталась такой же:
Конечно, к успешной (и неудачной) сделке могут вести много путей, и далеко не все их особенности можно формализовать в программе, поэтому этот помощник просто показывает свой прогноз конверсии. Поскольку основное назначение 1C:CRM — автоматизация продаж, в дальнейшем мы планируем создание полноценного помощника, который бы на материале предыдущих успешных сделок рекомендовал менеджеру конкретные действия, повышающие шанс успеха сделки.
Что дальше
В следующей статье мы разберём несколько сценариев, как умные помощники ускоряют работу менеджеров или следят за выполнением проектных задач.