Разговорный AI в электронной коммерции: кейсы применения

Современные помощники сочетают большую языковую модель с доступом к вашим системам. Модель понимает вопрос в свободной форме, например, «где моя посылка, я заказал в понедельник», интеграция ищет заказ в Shopify, WooCommerce или вашей ERP, и ответ возвращается на простом языке. Старые боты, основанные на правилах, могли следовать только кнопкам и деревьям решений.

К распространенным платформам на момент написания статьи относятся Shopify Inbox, Gorgias, Zendesk AI agents, Intercom Fin, Tidio и Freshdesk Freddy, а также интеграции WhatsApp Business через таких провайдеров, как Twilio или 360dialog. Каждая из них подключается к данным каталога и заказов по-разному, поэтому интеграция важнее, чем бренд модели.

Начинайте там, где объем высок, а ответ уже есть в системе. Такие тикеты повторяются для агентов и их легко проверить.

• Отслеживание заказа: «Где мой заказ?» — это часто самый распространенный тип тикета для магазинов, отправляющих физические товары.
• Возвраты и обмены: проверка права на возврат, создание этикетки для возврата и объяснение сроков возврата средств.
• Руководство по размерам и посадке: чтение таблицы размеров и примечаний к товару для предложения размера с четким отказом от ответственности.
• Вопросы о наличии и пополнении запасов: подтверждение наличия по вариантам и предложение уведомления о поступлении товара.
• Вопросы перед продажей: материалы, инструкции по уходу, стоимость доставки в определенную страну, сроки доставки.
• Проблемы со скидками и оформлением заказа: объяснение причин отказа кода, например, правила минимальной корзины.

Пример из практики

Представьте турецкий магазин одежды, продающий льняные рубашки в Германию и Великобританию. В пик сезона многие сообщения касаются доставки в определенный город и того, маломерят ли размеры. Подключенный помощник считывает матрицу доставки и примечания по посадке («узкий крой, выбирайте на размер больше, если вы между размерами»), отвечает на языке покупателя и дает ссылку на страницу товара. Агенты берут на себя более сложные случаи: поврежденные товары, таможенные проблемы, жалобы.

Точность — главный риск. Модель, которая выдумывает политику возврата, создает юридические и репутационные проблемы, поэтому ответы должны основываться на вашем собственном контенте.

Основывайте ответы на утвержденных источниках

Предоставьте помощнику доступ к вашему справочному центру, политике доставки и возврата, данным о товарах и краткому списку утвержденных ответов. Большинство инструментов позволяют ограничить ответы этими источниками. Ежемесячно пересматривайте базу знаний, так как устаревшее окно возврата — самая частая причина неправильных ответов.

Установите правила передачи диалога

Заранее решите, когда управление берет на себя человек. Типичные триггеры:

• клиент просит позвать человека, в любой формулировке;
• сообщение упоминает чарджбэк, судебный иск или проблему безопасности;
• стоимость заказа выше установленного вами порога;
• бот не смог решить вопрос после двух попыток;
• в разговоре обнаружен негативный настрой.

Передача должна передавать агенту полную транскрипцию и детали заказа, чтобы клиенту никогда не приходилось повторяться.

Модели ценообразования различаются. Некоторые поставщики взимают плату за решение, другие — за рабочее место, за разговор или за объем сообщений в таких каналах, как WhatsApp. Для небольшого магазина стоимость модели за решение легко оценить: умножьте ожидаемое количество автоматизированных решений на цену за единицу и сравните с сэкономленным временем агента.

Скрытые расходы заключаются в настройке и обслуживании. Написание утвержденных ответов, подключение данных о заказах, тестирование на каждом языке и проверка транскрипций занимают часы. Заложите бюджет на несколько недель настройки и пару часов в неделю после этого, даже для скромного каталога.

Отслеживайте краткий список и сравнивайте с периодом до запуска.

• Коэффициент автоматизированного решения: разговоры, закрытые без участия человека, проверенные путем выборки для подтверждения реального решения.
• Время первого ответа в чате и мессенджерах.
• Оценка удовлетворенности клиентов для разговоров с ботом и человеком, сообщаемая отдельно.
• Коэффициент эскалации и основные причины эскалации.
• Коэффициент конверсии для сессий, использовавших чат перед продажей, по сравнению с теми, кто этого не делал.
• Коэффициент повторных обращений: клиенты, которые возвращаются с той же проблемой в течение нескольких дней.

Выборка имеет значение. Читайте 20–30 транскрипций в неделю. Высокий коэффициент решения может скрывать вежливые, но неправильные ответы, которые клиенты просто оставляют без внимания.