Что умеют твин-боты: самые любопытные кейсы. Часть 2

Повара и кондитеры «зашиваются» и по своим основным обязанностям, а тут ещё и на звонки отвечай. И голосовой помощник уровня «Спасибо, мы вам перезвоним в ближайшее время» не вариант. Нетерпеливый клиент (а таких большинство) просто наберёт номер другого заведения и сделает заказ там. Так что здесь нужен хотя бы минимальный сервис, чтобы человек мог что-то выбрать кнопочками. Но мы пошли ещё дальше.

Торт заказывали?

Ботами-операторами уже никого не удивишь, поэтому мы решили разработать твина – конструктора… тортов! Его мы сделали по просьбе тюменской кондитерской (компания «Моя кондитерская»), которая специализируется на изготовлении тортов на заказ. Проблема была в том, что кондитерская эта не слишком большая. И выделять на обработку заказов отдельного человека было весьма затратно. Поэтому заказы принимали сами кондитеры. Но беседы с клиентами отнимали у них очень много времени, отвлекая от основной работы.

Мы предложили автоматизировать процесс приёма заказов по следующему алгоритму. Твин-бот узнаёт у клиента необходимые параметры торта (тип, вес, количество ярусов) и рассчитывает предварительную стоимость. Затем оформленная заявка отправляется на электронную почту, и её берёт в работу кондитер.

В результате нам удалось добиться, что более 80% клиентов (и более 90% постоянных) стали заказывать торты через бота, не отвлекая кондитеров. Твин работает на сайте кондитерской и в Телеграме, принимая заказы в круглосуточном режиме.

• Диалог начинается со знакомства с ассортиментом: бот отправляет клиенту фотографии с примерами тортов.
• После того как выбор сделан, твин помогает рассчитать вес по числу гостей и подсчитать количество ярусов.
• В завершение рассчитывается примерная стоимость, и готовый заказ отправляется кондитеру для уточнения.

Прошу вас к нашему столику

Главная проблема сетей ресторанов и кафе — успевать обрабатывать все заявки на бронирование столиков. Как показывает статистика, ожидание более минуты приводит минимум к 50% отказов. Люди просто бросают трубку и звонят туда, где персонал поживее. И понятно, что им нет дела до проблем заведения, в котором часто заявки принимают отнюдь не специально нанятые для этого сотрудники. А, например, официанты, а то и сами повара.

В сети столичных ресторанов, с которой начали работать мы, время ожидания на линии превышало две минуты. Поэтому была поставлена задача внедрить бота, помогающего клиентам с бронированием столиков в ближайшем к ним ресторане. Для этого бот должен был принимать следующую информацию: станция метро, улица и название ресторана (в том числе и народное). Кроме того, необходимо было предусмотреть и дополнительные вопросы. Например, наличие детской комнаты, летней веранды, бильярда, кальяна и т. д.

По этим вводным специалисты TWIN приступили к созданию бота. Сначала мы составили справочник доступных для бронирования ресторанов, а затем начали обучать бота по присланным заказчиком записям звонков. Процесс обучения твина занял всего три недели, и ещё неделя ушла на дополнительные настройки. Так, была внедрена маршрутизация для службы доставки и отдела кадров.

• Заявленные KPI: 85% заявок должны были обрабатываться без привлечения живого сотрудника.
• Результат TWIN: ботом обрабатываются 97% заявок, и только в 3% случаев выполняется переключение на специалиста.

В следующий раз расскажу о том, как мы поработали с известным сервисом доставки еды, и ещё кое-что интересное.