Розничная сеть: одежда, товары для дома, интернет-заказы. В почту и мессенджеры приходило 1800 обращений в месяц, и почти все про одно: где заказ, как вернуть, когда доставка. Ниже вся история: что было, как шла работа и что показал замер после запуска.
Клиент под NDA: имя не разглашаем, потому что связаны договором о неразглашении, для наших контрактов это обычное условие. Отрасль, задача, ход работ и цифры настоящие.
Первая линия из четырёх операторов начинала день с разбора ночной очереди. К обеду очередь возвращалась. Типовые вопросы съедали смену целиком: на сложные случаи, где правда нужен человек, времени уже не оставалось.
Пиковые дни выглядели так: двое суток ожидания ответа, злые сообщения поверх неотвеченных и операторы, которые к вечеру перестают выбирать слова. Клиенты уходили не из-за товара. Из-за тишины в переписке. Так выглядит задача, с которой к нам приходят за чат-ботом на ИИ чаще всего.
Выгрузили обращения за месяц и разложили по темам. Три четверти оказались типовыми, экономику посчитали на цифрах клиента ещё до договора.
Ответы собрали из регламентов и живой переписки: каталог, доставка, возвраты. Спорное бот не сочиняет, а передаёт оператору вместе с историей диалога.
Три недели в Telegram. Каждый день смотрели долю решённых без человека и скорость ответа, правили сценарий по живым диалогам.
Подключили почту, WhatsApp и виджет на сайте. Заявки и заказы дописываются в CRM сами, людям осталось только спорное.
«Самое сложное было не научить бота отвечать, а научить его вовремя молчать. Он передаёт диалог человеку раньше, чем клиент успевает разозлиться. Именно за это его в компании и полюбили.»
Через четыре месяца проект окупился. Ночная очередь исчезла: утром операторы открывают пустой список вместо сотни писем. Первая линия теперь занимается возвратами и спорными доставками, а не вопросом «где мой заказ».
Услуга по теме: направление 01 «ИИ-агенты» · все кейсы студии
Модель отвечает по базе знаний компании, а не по памяти: сначала поиск по документам, потом ответ строго по найденному. Всё, что не нашлось, уходит оператору.
Порог, за которым бот окупается, простой: от восьмисот обращений в месяц и хотя бы половина из них типовые. Ниже этого выгоднее нанять оператора, и мы так и говорим на диагностике.
Отрасль почти не важна, важна повторяемость. Розница, доставка, сервисные центры и подписочные сервисы устроены одинаково: три четверти вопросов про статус заказа, возврат и сроки. А вот там, где каждое обращение уникально, бот собирает только первичные данные.
Цифры в кейсе это не оценка на глаз, а замер по одной системе до и после. Ниже что именно сравнивали, чтобы читатель мог повторить расчёт у себя.
Базой взяли месяц до пилота: 1800 обращений, четыре оператора, средняя очередь и медианное время первого ответа выгружены из хелпдеска. Тот же отчёт сняли через месяц после того, как бот заработал во всех каналах.
Первую неделю после запуска в расчёт не брали. Это период настройки: сценарий правится каждый день, доля ответов бота скачет, и включать её в среднее нечестно. Мы считаем с восьмого дня, когда правки становятся точечными.
Обращение считается закрытым без человека, если диалог завершился ответом бота и клиент не написал повторно по той же теме в течение суток. Молчание после ответа мы засчитываем как решённый вопрос, а вот повтор с той же темой возвращается в статистику как неудача бота.
Пилот на то и нужен, чтобы увидеть это до живых клиентов. Три вещи, которые мы перестроили по ходу и с тех пор закладываем в каждый чат-бот.
На пилоте он мог назвать срок доставки там, где точных данных в базе не было. Переписали правило: если прямого ответа нет, бот честно говорит об этом и зовёт оператора. Теперь это стандарт для всех наших ботов: честное «не знаю» дороже уверенной ошибки.
Формально бот справлялся с возвратами, но на пилоте стало видно: там, где речь о деньгах, клиенты хотят человека. Оставили боту сбор данных о заказе, решение принимает оператор. Правило с тех пор: темы с деньгами и эмоциями бот только готовит, а не закрывает.
Первую версию собрали из регламентов, а регламенты в рознице меняются с каждой акцией. Настроили обновление: правка в базе знаний доходит до бота в тот же день. Теперь спрашиваем про частоту изменений на первой встрече, а не после запуска.
Три недели до пилота это не «примерно месяц». Ниже по неделям, на что ушло время и где оно зависело от заказчика.
Сроки держатся, когда доступы готовы к первому дню. В этом проекте неделя из трёх ушла на ожидание, и это типичная картина.
Пришлите выгрузку обращений за месяц, посчитаем экономику на ваших цифрах. Диагностика засчитывается в стоимость пилота.