Select Page

30 июня состоялась онлайн-конференция Finbot 2020 – кейс-конференция о чат ботах, роботах в голосовых каналах и виртуальных помощников для банков, на которой Игорь Лужанский (со-основатель Chatbots.Studio) вместе с Владимиром Ястребковым (Руководитель дирекции развития продуктов и технологий в Группе ВТБ) рассказывали о совместном кейсе создания чат бота в Facebook Messenger.

Кроме презентации кейса Chatbots.Studio, на конференции прозвучали другие значимые на наш взгляд кейс-сессии про чат боты и виртуальных помощников от представителей Сбербанка, группы банков ВТБ, Альфа-банка, Accenture, Райффайзенбанка, Росбанка, Тинькофф и других банков. 

В обзоре мы хотим коснуться особо интересных достижений, прозвучавших на конференции.


ВТБ: как бороться с обвалом оценки качества в период пандемии

Кратко о чат-боте. В декабре 2018 года у клиентов банка появилась возможность получать первые консультации от чат-бота в мобильном приложение. Введение бота в массовую эксплуатацию заняло у команды около 5 месяцев (дек 2018- апрель 2019).

Во время пандемии резко вырос объем трафика, поступающего как в чат банка ВТБ, так и на горячую линию. Это был непростой период и действовать приходилось в режиме остановки огня. Александр Раихин поделился историей решения проблем, связанных с пандемией.

Проблемы, возникшие в период пандемии:

●      Увеличилось число обращений клиентов в контактный центр и чат в мобильном приложении  

●      Тематики с часто задаваемыми вопросами существенно изменились и продолжили меняться в короткие сроки

Для оценки качества работы чат-бота в команде используется метрика CSI, измеряемая по 5-ти бальной шкале. Метрику ввели в декабре 2018, после создания пилотной версии чат-бота.

Решение проблем:

●      Расширили каналы обслуживания клиентов и запустили ботов в интернет-банке и Viber

●      В короткие сроки запустили бота на прием заявок на кредитные каникулы

●      Ежедневные релизы новых сценариев бота или даже по 2-3 раза в день и анализ популярных тематик, фокус на 5-10 тематик

●      Увеличение количества переспросов

●      Фокус на отрицательную обратную связь клиентов и устранение проблем

Таким образом, устраняя возникшие проблемы в чат-боте, команде удалось за период с марта по июнь справиться с запросами пользователей, не допустить снижения оценки качества работы бота и даже выйти на более высокий показатель, чем был до пандемии – с оценки 4.42 на конец марта выйти на 4.52 к концу июня.

В перспективе банк планирует запустить чат-бот на сайте и в Telegram.

 

Сбербанк: выведение на рынок чат бота для юридических лиц

Сбербанк на конференции представляла Софья Макушова, владелец продукта «Чат бот для ЮЛ». 

Среди юридических лиц Сбербанк предоставляет услуги для 2.4 млн клиентов, которых обслуживает почти 4 тысячи сотрудников. Чат бота для юридических лиц банк запустил в 2019 году и уже к концу года онлайн-чат обслуживал 9% заявок среди других каналов общения с клиентом. Уже на тот момент компания отметила снижение стоимости обслуживания клиентов, относительно звонков с оператором, в 2 раза. Для обработки FAQ и диалоговых сценариев банком используется внутренняя NLP-платформа, обслуживающая чаты розницы и корпоративных клиентов.

По данным на март 2020, банк по чат-каналам обслуживания (в чатах на веб сайте, WhatsApp, Веб СББОЛ и Мобильное приложение СББОЛ) закрывается 172 000 обращений в месяц, которые обслуживаются. Кроме этого в 2020 году онлайн-чат обслуживает уже 17% заявок клиентов при CSI 85% (прим. CSI – customer satisfaction index).

Была внедрена возможность склеивать несколько сообщений пользователей в один интент, без запуска сценариев по каждому сообщению отдельно – что значительно повысило FCR.

FCR (First-Call Resolution) – метрика отделов Поддержки клиента, измеряется в количестве решенных вопросов клиентов на одной линии в течении 1 часа. Международный стандарт – минимум 80%.

Сейчас в боте тестируются функции проактивного общения с клиентом, позволяющего не только обслуживать текущие заявки, но и предлагать банковские продукты. А также ведется сбор данных по возможности таргетировать эту функцию.

Яндекс Деньги: краткая история и результаты чат бота для платежного сервиса

Среди популярных в России сервисов для электронных платежей, Яндекс.Деньги – на втором месте. На конференции Дмитрий Офицеров, руководитель отдела развития клиентского сервиса Яндекс.Денег, поделился историей успеха и информацией об объемах работы чат бота. 

На момент поиска оптимального чат-решения для платежного сервиса, 20% от всех обращений уже обслуживалось в чате мобильного приложения и в чате на сайте Яндекс.Деньги. Ранее у компании уже был успешный кейс автоматизации процессов Яндекс.Почты с помощью чат-решений. С внедрением виртуального помощника планировалось автоматизировать обработку трети обращений, без вмешательств оператора. Реализован чат-ассистент был изначально только в мобильном приложении и под именем Манибот.

Манибот обслуживает запросы клиентов на открытие кошельков, способах их пополнения, лимитах, комиссиях, кэшбеке, а также консультирует по оформлению виртуальных карт, работе с платежами и переводами, бесконтактным способам оплаты и возможностям снятия денег. 

Спустя 10 месяцев функционирования Манибота объем обращений, обрабатываемых в чат боте удалось повысить до 41%, а точность ответа зафиксировать на 85% в рамках 220 тематик и 272 сценариев. В будущем чат ботом планируется покрывать до 60% обращений и внедрить персонализацию за счет интеграции с внутренними системами. Кроме того, Дмитрий поделился информацией, что чат бот уже окупился и его обслуживанием занимаются только 2 человека.

ВТБ Азербайджан: необанк в мессенджере, кейс Chatbots.Studio

ВТБ на конференции представлял Владимиром Ястребков. После 10 лет работы банка ВТБ Азербайджан и достижения розничной клиентской базы в 10 000 клиентов, в 2019 году пересмотр стратегических приоритетов был в сторону диджитализации процессов банка и была поставлена нетривиальная задача: придумать, как можно быстро нарастить объем бизнеса без каких-либо серьезных инвестиций со стороны материнской компании.

Выбор пал на чат бота в Facebook Messenger как на недорогое в сравнении с мобильным приложением и быстрое для выхода на рынок решение.

Как работает бот: чаще всего новый клиент узнает из рекламы, получаемой прямо в мессенджере, или из сообщения от знакомых, которые уже пользуются услугами банкингом в чат боте. При переходе в контакт клиент может завести себе виртуальную prepaid-карту DIRECT.

Пока DIRECT обслуживает только клиентов Азербайджана, но у технологии есть потенциал применения и в других подразделениях группы ВТБ. Технически чат-решение позволяет развернуть еще один цифровой банк в мессенджере всего за 2 месяца. На данный момент продуктом пользуется несколько тысяч клиентов, и в обратной связи клиенты отмечают скорость и удобство работы в мессенджере.

Подробнее о вы можете узнать на странице кейса чат бота для ВТБ  или в статье банка на habr

Альфа-банк: метрики оценивания работы чат бота

Альфа-банк представляли Никита Комаров, Продуктовый аналитик, и Наталья Балыбердина, Руководитель направления развития цифровых онлайн-каналов.

Процент полной автоматизации обслуживания в чате Альфа-банка с апреля 2019 вырос с 8 до 16 процентов. Проникновение чат бота в диалоги увеличилось с 18 до 26 процентов, а также был настроен пайплайн аналитики чат бота. 

Никита Комаров, рассказал по каким группам метрик измерять работу чат-решений, в разрезе трех уровней- модели, сценарии и пользователя.

Измерять модель можно по 3 параметрам:

  • Распределение уверенности ответов
  • Confusion matrix
  • F-score

Среди метрик сценариев

  • Успешность закрытия сессий
  • Количество повторений интента
  • Количество вызовов оператора
  • Негатив и оценки пользователей

В метриках для пользователей измеряется точность, автоматизация или любая другая метрика, привязанная ко времени.

Omilia: human-like пользовательский опыт через голосовые помощники

Платон Бегун, Директор по развитию бизнеса в России компании Omilia, презентовал на живом демо возможности распознавания интентов пользователя в диалоге с голосовым ассистентом . За счет гибкой контекстной памяти платформы, технология обрабатывает неструктурированные реплики пользователей, двусмысленные реплики и упоминания в контексте текущего диалога. 

Среди метрик точности работы голосового решения компании:

  • 21 язык глубокого распознавания речи
  • Обслуживание 15 стран
  • Семантическая точность 96%
  • 90% успешно завершенных диалогов

Спикер также отметил, что для внедрения голосовой технологии компании в омниканальность обслуживания клиентов удобнее всего реализовать через чат-платформу клиента. Среди кейсов компании Piraeus Bank, Alpha Bank, Eurobank и Альфа банк.

Райффайзенбанк: Динамика роста популярности обращений в чат-каналы за 2017-2019

Чат-канал запустили в конце 2017 и тогда он обслуживал около 2% обращений. К декабрю доля обращений в чат составляла 18%. 

В 2018 году для уточнения актуальности интентов бота, команда чат-решений провела несколько опросов клиентов на выборках 1000+ респондентов. Из опроса оказалось, что самые популярные запросы пользователей – вопросы о банкоматах и отделениях, онлайн-банкинг, за ними идут вопросы по дебетовым картам и по кредитам – на них был направлен фокус для оптимизации чат ботов.

В 2019 году клиенты Райффайзенбанка стали посещать отделения на 30% реже, чем годом ранее, предпочитая решать свои вопросы через технологичные каналы коммуникации. К примеру, 80% активных клиентов пользуются мобильным приложением, а количество операций в интернет- и мобильном банке выросло на 60%. 

«За 2019 год количество клиентских обращений через чаты выросло более чем в четыре раза — с 38 тыс. до 165 тыс., причем тренд на миграцию клиентов в них существенно усилился в 2019 году. Год назад лишь каждое 12-е обращение в контакт-центр поступало через чат, сейчас — каждое третье.»

А уже в конце 2019 года Райффайзенбанк выпустил пресс-релиз, в котором сообщалось что банк запускает виртуального помощника на основе machine learning (ML) по каналам: WhatsApp, Telegram, Viber, в интернет- и мобильном банке, на сайте банка для физических лиц и малого, и микро-бизнеса. По словам Ильи Щирова: «Популярность дистанционных каналов коммуникации клиентов с банком растет, и сегодня уже более 35% обращений мы получаем через чат, ожидаем, что эта доля к концу 2021 составит уже 50%. Виртуальный помощник, по нашим расчетам, позволит повысить эффективность неголосовых каналов коммуникации на 40% к концу 2021 года»

Итоги конференции

На конференции было представлено много интересных кейсов банков. Докладчики показали какую боты уже создали ценность на практике: сокращая стоимость обслуживания обращений, сокращая время обработки обращений клиентов и улучшая клиентский сервис. 

Кроме этого у направления чат ботов для банков есть перспективы в омниканальных решениях в мессенджерах, обеспечивающих бесшовный опыт пользователей.

Также опыт банков показывает, что роботизация или бототизация контакт-центра банка – нетривиальная задача. Не смотря на обещания вендоров о внедрении простых и быстрых решений, интеграция чат-решений в инфраструктуру банка требует внимания, усилий и проектного менеджмента со стороны самого банка.

Нам удалось разделить применение чат-решений банками на две группы:

  • обслуживание клиентов 
  • цифровизация банковских продуктов в мессенджерах 

В первой группе поддержка клиентов для сокращения затрат на обслуживание операторами часто задаваемых вопросов и смещение фокуса операторов на более сложные задачи. Во второй группе чат боты как маркетинговый инструмент для развития бизнеса и выхода на новые рынки.

Среди нововведений сферы омниканального взаимодействия с клиентом банка – голосовые помощники в мессенджерах. На данный момент голосовые решения внедрены у Тинькофф банка, Хоум Кредит банка и Альфа-банка. Кроме этого, на сайте Яндекс.Диалогов есть информация о виртуальном помощнике от Сбербанка, интегрированном в голосовой помощник Алиса, но, судя по средней оценке пользователей (2.7 звезды на базе 117 оценок), решение требует доработки.

От Chatbots.Studio выражаем благодарность организаторам конференции Finbot 2020 Конгломерат за качественный контент и возможность обменяться опытом с лидирующими банками России. На конференции мы еще раз убедились в том, что рынок становится более зрелым, а решения для банков – более продвинутыми. 

Команда Chatbots.Studio выполняет разработку бот-платформ для банков в мессенджерах — Apple Business Chat, WhatsApp, Telegram, FB Messenger и Viber. Среди клиентов, для которых мы уже реализовали чат ботов — ПриватБанк, ВТБ Азербайджан, ЦентрКредит, Сбербанк Казахстан и Конкорд банк. 

Если у вас возникли вопросы по построению ДБО в мессенджерах, по разработке чат ботов в WhatsApp, Telegram, FB Messenger и Viber — заполните контактную форму или напишите нам на bank@chatbots.studio.

On June 30, an online conference Finbot 2020 was held – a case conference on chatbots, robots in voice channels and virtual assistants for banks, at which Igor Luzhansky (Co-founder of Chatbots.Studio), together with Vladimir Yastrebkov (Head of the Directorate for Product and Technology Development at VTB Group) talked about the joint case of creating a chatbot on Facebook Messenger.

In addition to the presentation of the Chatbots.Studio case, the conference featured other significant in our opinion case sessions about chatbots and virtual assistants from representatives of Sberbank, VTB Bank Group, Alfa Bank, Accenture, Raiffeisenbank, Rosbank, Tinkoff and other banks.

In this article, we would like to touch upon the particularly interesting achievements made at the conference.

VTB: how to deal with the collapse of quality assessment during a pandemic

 In December 2018, the ability to access the functions of the client-bank in the chatbot became available to the bank’s clients. It took the team about 5 months to put the bot into mass production (Dec 2018 – April 2019).

Alexander Raihin, Head of the Department at VTB Bank, shared his story of solving the problems associated with the pandemic.

During the pandemic, the volume of traffic to both the VTB Bank chatbot and the contact center increased sharply. It was a difficult period and we had to act in a stop-fire mode.

Problems encountered during the pandemic:

  • Due to the growth of customers on the hotline, all chat operators were transferred to the contact center, leaving only the bot in the chatbot
  • Frequently asked topics have changed and changed within a short time
  • The chatbot stopped responding to current user questions and the bot’s performance rating decreased
  • I had to forcibly reduce the accuracy of the bot’s response from 40% to 20%

To assess the quality of a chatbot in a team, the CSI metric is used, measured on a 5-point scale. The metric was introduced in December 2018, after the creation of a pilot version of the chatbot.

The solution:

  • We expanded customer service channels and launched bots in the Internet bank and Viber
  • In a short time, we launched a bot to receive applications for credit vacations
  • Analysis of popular topics focus on 5-10 to-topics and daily releases of new bot scenarios, or even 2-3 times a day
  • Increase in the number of repeated requests
  • Focus on negative customer feedback and troubleshooting
  • Implemented the function of notification about unread responses for the client in the form of push notifications

Thus, eliminating problems in the chatbot, the team managed to cope with user requests for the period from 16.03 to 8.06, stop the drop in the bot’s performance rating and even reach a higher indicator than it was before the pandemic – from 4.42 to 03.16-29.03 to reach the rating 4.52 to 8.06. At the moment, the bank has a chatbot for WhatsApp and an omnichannel bot with a voice assistant in development.

Sberbank: launching a chatbot for legal entities on the market

Sberbank was represented at the conference by Sofya Makushova, the Owner of the Chatbot for YL product.

Among legal entities, Sberbank provides services for 2.4 million clients, which are served by nearly 4,000 employees. The bank launched a chatbot for legal entities in 2019, and by the end of the year, online chat served 9% of applications among other channels of communication with a client. Already at that time, the company noted a 2-fold decrease in the cost of customer service relative to calls with an operator. To process FAQ and dialog scripts, the bank uses an internal NLP platform that serves chats for retail and corporate clients.

As of March 2020, the bank through chat service channels (in chats on the website, WhatsApp, Web SBBOL and SBBOL mobile application) closes 172,000 calls per month, which are serviced. In addition, in 2020, online chat is already serving 17% of customer requests with a CSI of 85% (approx. CSI – customer satisfaction index).

The ability to glue multiple user messages into one intent was introduced, without running scripts for each message separately – which significantly increased FCR.

FCR (First-Call Resolution) – a metric of the Customer Support departments, measured in the number of resolved customer issues on one line within 1 hour. International standard – at least 80%.

Now the bot is testing the functions of proactive communication with the client, which allows not only serving current applications, but also offering banking products. And also, data is being collected to target this function if possible

Yandex Money: a brief history and results of a chatbot for a payment service

Among popular services for electronic payments in Russia, Yandex.Money comes in second place. At the conference, Dmitry Ofitserov, Head of the Yandex.Money client service development department, shared his success story and information on the volume of the chatbot’s work.

At the time of the search for the optimal chat solution for the payment service, 20% of all requests were already served in the chat of the mobile application and in the chat on the Yandex.Money website. Previously, the company already had a successful case of automating Yandex.Mail processes using chat solutions. With the introduction of the virtual assistant, it was planned to automate the processing of a third of calls, without operator intervention. The chat assistant was originally implemented only in the mobile application and under the name Moneybot.

Moneybot serves clients’ requests for opening wallets, ways to replenish them, limits, commissions, cashback, and also advises on the issuance of virtual cards, working with payments and transfers, contactless payment methods and withdrawal options.

After 10 months of operation of the Moneybot, the volume of requests processed in the chatbot was increased to 41%, and the accuracy of the answer was recorded by 85% within 220 topics and 272 scenarios. In the future, the chatbot plans to cover up to 60% of requests and introduce personalization through integration with internal systems. In addition, Dmitry shared information that the chatbot has already paid off and only two people are engaged in its maintenance.

VTB Azerbaijan: neobank in messenger, Chatbots.Studio case

VTB was represented at the conference by Vladimir Yastrebkov. After 10 years of operation of VTB Bank Azerbaijan and reaching a retail client base of 10,000 clients, in 2019 the revision of strategic priorities was towards the digitalization of the bank’s processes and a non-trivial task was set: to figure out how to quickly increase the volume of business without any serious investments from side of the parent company.

The choice fell on the chatbot in Facebook Messenger as an inexpensive solution compared to a mobile application and a quick solution to market.

How the bot works: most often a new client learns from an advertisement received directly in the messenger, or from a message from friends who already use banking services in the chatbot. When switching to a contact, the client can get himself a virtual prepaid DIRECT card.

So far, DIRECT serves only Azerbaijani customers, but the technology has the potential to be applied in other divisions of VTB Group. Technically, the chat solution allows you to deploy another digital bank in the messenger in just 2 months. At the moment, the product is used by several thousand customers, and in the feedback, customers note the speed and convenience of working in the messenger.

You can find out more about it on the case page of the chatbot for VTB or in the bank’s article on habr.

Alfa-bank: chatbot performance evaluation metrics

Alfa-Bank was represented by Nikita Komarov, Product Analyst, and Natalya Balyberdina, Head of Digital Online Channels Development.

The percentage of full automation of service in the chat of Alfa-Bank has grown from 8% to 16% since April 2019. The chatbot’s penetration into dialogs increased from 18% to 26%, and the chatbot analytics pipeline was also tuned.

Nikita Komarov talked what groups of metrics to measure the work of chat solutions, in the context of three levels – model, scenario and user.

The model can be measured by 3 parameters:

  • Distribution of confidence in answers
  • Confusion matrix
  • F-score

Among scenario metrics

  • Successful closure of sessions
  • Number of repetitions of intent
  • Number of operator calls
  • Negativeness and user ratings

User metrics measure accuracy, automation, or any other time-based metric.

Omilia: a human-like user experience through voice assistants

Platon Begun, Director of Business Development in Russia at Omilia, presented on a live demo the ability to recognize user intents in a dialogue with a voice assistant. Due to the flexible context memory of the platform, the technology handles unstructured user cues, ambiguous cues and mentions in the context of the current conversation.

Among the metrics of the accuracy of the company’s voice solution:

  • 21 languages ​​for deep speech recognition
  • Serving 15 countries
  • Semantic accuracy 96%
  • 90% of dialogs completed successfully

The speaker also noted that for the introduction of the company’s voice technology into the omnichannel customer service, it is most convenient to implement through the client’s chat platform. Among the cases are Piraeus Bank, Alpha Bank, Eurobank and Alfa Bank.

Raiffeisenbank: Dynamics of growth in popularity of calls to chat channels in 2017-2019

The chat channel was launched at the end of 2017 and then it served about 2% of requests. By December, the share of calls to chat was 18%.

In 2018, to clarify the relevance of the bot’s intents, the chat solution team conducted several customer surveys on a sample of 1000+ respondents. From the survey, it turned out that the most popular user requests – questions about ATMs and branches, online banking, followed by questions about debit cards and loans – were the focus for optimizing chatbots.

In 2019, Raiffeisenbank’s clients began to visit branches 30% less frequently than a year earlier, preferring to resolve their issues through technological communication channels. For example, 80% of active customers use a mobile application, and the number of transactions in the Internet and mobile banking increased by 60%.

“In 2019, the number of client calls through chats has more than quadrupled – from 38 thousand to 165 thousand, and the trend for the migration of clients in them has significantly increased in 2019. A year ago, only every 12th call to the contact center came via chat, now every third one. “

And already at the end of 2019, Raiffeisenbank issued a press release, in which it was reported that the bank was launching a virtual assistant based on machine learning (ML) through the channels: WhatsApp, Telegram, Viber, in the Internet and mobile banking, on the bank’s website for individuals and small and micro-businesses. According to Ilya Shchirov: “The popularity of remote channels of communication between clients and the bank is growing, and today we already receive more than 35% of calls through chat, we expect that this share will already be 50% by the end of 2021. The virtual assistant, according to our calculations, will increase the efficiency of non-voice communication channels by 40% by the end of 2021″

Summing up

Many interesting cases of banks were presented at the conference. The speakers showed what bots have already created value in practice: reducing the cost of servicing requests, reducing the time it takes to process customer requests and improving customer service.

In addition, the direction of chatbots for banks has prospects in omnichannel solutions in messengers that provide a seamless user experience.

Also, the experience of banks shows that robotization or bottization of a bank’s contact center is a non-trivial task. Despite the promises of vendors to implement simple and fast solutions, the integration of chat solutions into the bank’s infrastructure requires attention, effort and project management from the bank itself.

We managed to divide the use of chat solutions by banks into two groups:

  • customer service
  • digitalization of banking products in messengers

In the first group, customer support to reduce the cost of servicing frequently asked questions by agents and to shift the focus of agents to more complex tasks. The second group includes chatbots as a marketing tool for business development and entering new markets.

Among the innovations in the field of omnichannel interaction with the bank’s clients are voice assistants in instant messengers. At the moment, voice solutions have been implemented at Tinkoff Bank, Home Credit Bank and Alfa Bank. In addition, the Yandex.Dialog website contains information about the virtual assistant from Sberbank, integrated into the voice assistant Alice, but judging by the average user rating (2.7 stars based on 117 ratings), the solution requires improvement.

On behalf of Chatbots.Studio, we would like to express our gratitude to the organizers of the Finbot 2020 Conference Conglomerate for the quality content and the opportunity to exchange experience with the leading banks in Russia. At the conference, we once again saw that the market is becoming more mature and solutions for banks are becoming more advanced.

The Chatbots.Studio team develops bot platforms for banks in instant messengers – Apple Business Chat, WhatsApp, Telegram, FB Messenger and Viber. Among the clients for whom we have already implemented chatbots are PrivatBank, VTB Azerbaijan, CenterCredit, Sberbank Kazakhstan and Concord Bank.

For any questions about building RBS in messengers, developing chatbots in WhatsApp, Telegram, FB Messenger and Viber – fill out the contact form or write to us at bank@chatbots.studio.