Кейс УБРиР: как проверить
рентабельность заявки за 2
минуты с помощью робота

О клиенте

Уральский банк реконструкции и развития – один из тридцати крупнейших банков России.

Осуществляет деятельность с 1990 года. Головной офис банка находится в Екатеринбурге, а филиалы представлены в 44 регионах страны. УБРиР входит в ТОП-30 крупнейших банков страны по активам и ТОП-100 самых надежных кредитных учреждений РФ.

Проблема

Банк регулярно обрабатывает большое количество низкоконверсионного трафика: заявки на кредит, сделанные через форму на сайте. Еженедельное количество подобных заявок составляет 17 500 штук. Раньше банк передавал задачи на аутсорсинг call-центру. Один звонок у оператора call-центра занимал в среднем 15 минут, что значительно тормозило процесс обработки заявок действительно заинтересованных в услугах банка клиентов.

Из-за увеличения интереса в займах количество запросов постоянно растет. Чтобы сохранить скорость обработки на том же уровне, банк вынужден нанимать большее количество операторов, а значит увеличивать расходы. Также многие потенциальные заемщики нередко делают запросы сразу в несколько банков, либо могут забыть о своей заявке. Очень важно своевременно напомнить о себе.

Решение

По запросу заказчика команда ZVONOBOT предложила решение автоматизации обработки заявок, поступающих с сайта.

Создали индивидуальный сценарий разговора, в котором была учтена работа с возможными «возражениями» от собеседника. Для этого роботу подключили функцию «распознавания голоса». Пример: когда потенциальный клиент спрашивает, какой Банк ему звонит, робот автоматически запускает уведомление, что разговор идет с Уральским Банком Реконструкции и Развития. После чего запрашивает подтверждение о продолжении оформления заявки.

Функция «распознавания голоса» использовалась также, чтобы отсеять заявки, не соответствующие минимальным требованиям банка. Потенциальному клиенту необходимо ответить на 4 вопроса, касающиеся его платежеспособности. Далее абоненты, удовлетворяющие условиям банка, автоматически переводились на менеджера call-центра. Оперативность передачи информации была достигнута за счет интеграции с информационной системой и call-центром в период проведения рассылок.

Результат

Робот сократил время на обработку низкоконверсионного и дешевого трафика в 5-7 раз, достигнув показателя, при котором разговор занимал не более 2-3 минут. Оптимизация процессов pre-sale оказала положительное влияние на уровень заинтересованности потенциальных клиентов и повышение лояльности.

Подробности

Также ZVONOBOT показал, что обработку входящих заявок возможно легко и недорого автоматизировать за счет передачи первичных однотипных звонков роботу-оператору. В итоге, менеджеры получают только потенциально прибыльные заявки от реальных заемщиков, которые смогут выполнить свои обязательства перед кредитором.