Кейс мобильного приложения MyGig:
как автоматизировать сопровождение клиента и увеличить процент завершенных регистраций в 5 раз

Проблема

Хотя в приложении регистрируются люди, заинтересованные в заработке, не все из них доходят даже до этапа загрузки документов. Например, пользователь мог забыть, что заводил аккаунт. Нередко задержки были связаны с документами: пользователь не понимает, как загрузить их в приложение, — или просто не хочет этого делать, так как боится передавать личные данные посторонним лицам. Чтобы повысить доверие и уменьшить процент потерь, сервис решил сопровождать зарегистрированных пользователей с помощью звонков.

До обращения в сервис Zvonobot задачу решали силами колл-центра. Менеджеры звонили новым пользователям, которые указали номер телефона, но не загрузили данные, необходимые для начала работы (копия паспорта, реквизиты карты и подтверждение самозанятости). Звонок стал первым этапом онбординга: менеджер знакомил пользователя с сервисом, отвечал на вопросы, помогал завершить регистрацию или связаться с рекрутером для консультации.

Благодаря этому меньше людей стало теряться на первых этапах. В процентном соотношении конверсия в переход распределилась так:

Завершившие регистрацию (загрузили паспорт) - 1,4% (До внедрения сопровождения) - 14,54% (Колл-центр)

Готовые к работе (загрузили ИНН самозанятого) - 6,4% (До внедрения сопровождения) - 10,07% (Колл-центр)

Количество дошедших на каждом этапе

Тем не менее, этих результатов оказалось недостаточно для компенсации затрат на оплату услуг колл-центра. Чтобы продолжить работу, нужно было улучшить показатели или снизить затраты на обзвон. Например, через увеличение скорости звонков. Руками это сделать невозможно, поэтому компания решила автоматизировать сценарий сопровождения с помощью робота от Zvonobot.

На этапе тестов с колл-центром выявилась еще одна проблема: хотя количество пользователей, готовых к выбору подработки, стало больше, количество тех, кто выходил на смену и завершал задачи не изменилось — то есть конверсия в переход на финальный этап стала даже меньше.

Чтобы повысить этот процент, решили запустить систему напоминаний для тех пользователей, которые уже забронировали смену. Это помогло бы поддерживать актуальность данных в приложении. Например, если пользователь заранее сообщал, что не собирается выходить на смену, бронирование снималось, и задача становилась доступна для других. Так как этот сценарий требовал высокой степени автоматизации, протестировать идею решили сразу в Zvonobot.

Решение

Шаг 1. Создание сценария

Специалисты Zvonobot записали аудиоролики и создали два сценария по запросам заказчика.

В первом сценарии робот собирал данные о возможности пользователя приступить к работе.
Есть ли у потенциального работника необходимые документы и проживает ли он в городе, в котором приложение предоставляет услуги. Если пользователь подходил по критериям, робот связывал его с менеджером сервиса, который помогал подобрать первую подработку.

Для переключения этапов использовали систему распознавание голоса — робот реагировал на речь собеседника и переключал этапы диалога, когда определял ключевые слова, указанные в сценарии. Во-первых, так собеседники проще усваивали скрипт с множеством вопросов, а во-вторых, сервис не терял доверия пользователей — они принимали робота за человека, поэтому свободнее делились личной информацией.

Во втором сценарии накануне выхода робот напоминал о забронированной смене.
Скрипт содержал всего один вопрос, поэтому для переключения этапов использовали распознавание с помощью клавиш. Это стоило дешевле и никак не влияло на доверие пользователей — получать напоминания от робота для многих стало привычным.

Шаг 2. API-интеграция

После согласования сценариев, из них создали шаблоны для рассылок в личном кабинете Zvonobot.

Далее, чтобы автоматизировать передачу данных и получать результаты в удобном для заказчика виде, нужно было связать сервис с Google-таблицами. Для этого оба сценария преобразовали в API-шаблоны, а технический специалист Zvonobot создал вебхук, который отправлял информацию как из блоков IVR, так и из статистики по каждому звонку.

Шаг 3. Запуск

Чтобы результаты можно было сравнить, специалисты решили провести пилотный запуск по ограниченной выборке пользователей.

Перед запуском технический специалист компании MyGig провёл тест — запрос на звонок выполнился успешно, а данные отправились в таблицу согласно заложенному алгоритму. Сразу после этого сервис запустили по базам из выборок.

Что автоматизировали?

Набор и обзвон большой базы номеров;

Сопровождение и квалификация лидов;

Напоминания о собеседовании или выходе на смену.

Реализация

Так как аудиоролики прошли модерацию заранее, звонки по базам начинались сразу после отправки запроса по API.