Как «Аксель-Сити Невский» увеличил конверсию звонков в заезд на 10% и освободил 30 часов руководителя с помощью ИИ

На каждую площадку «Аксель-Сити Невский» приходит 600–800 входящих звонков в месяц. Раньше руководитель подразделения мог подробно разобрать только 70-100 из них и тратил на это около трёх рабочих дней.

С помощью Аихаб компания перевела под контроль весь входящий поток, настроила воронку от звонка до записи на сервис и автоматизировала поиск причин отказов. В результате конверсия из звонка в заезд выросла в среднем на 10% по площадкам, а у руководителя высвободилось около 30 часов в месяц.

В статье рассказываем, как ИИ помог «Аксель-Сити Невский» оцифровать входящие обращения в сервис, увидеть слабые места первой линии и превратить анализ звонков в инструмент управления послепродажным обслуживанием.

Почему «Аксель-Сити Невский» решил автоматизировать контроль звонков

«Аксель-Сити Невский» — автомобильный дилерский центр в Санкт-Петербурге, официальный дилер Volkswagen. Компания занимается продажей автомобилей, trade-in, кредитованием и лизингом, а также сервисным обслуживанием, ремонтом, продажей запчастей и дополнительного оборудования.

В послепродажном обслуживании компания работает с 12 площадками. На каждой входящие звонки принимают от 2 до 4 сотрудников. Одна площадка получает 600–800 входящих звонков в месяц. Чаще всего это обращения клиентов, которые хотят записаться на техническое обслуживание, диагностику, ремонт, шиномонтаж или кузовные работы. 

Михаил Алексеенко

CTO «Аксель-Сити Невский»

Мы остались приверженцами старых брендов, которые частично ушли с территории РФ. Тем не менее мы понимаем, что парк автомобилей не пополняется должным образом и существует вымывание парка.

В такой ситуации компании важно эффективнее работать с уже существующим парком автомобилей и не терять клиентов на этапе обращения в сервис. Поэтому «Аксель-Сити Невский» решил сфокусироваться на конверсии входящего потока в запись на обслуживание.

Но для начала нужно было понять, какая конверсия есть на самом деле и где именно теряются клиенты.

В дилерском центре было две основные проблемы:

1. Выборочный контроль звонков. На одну площадку приходило 600–800 звонков в месяц, но руководитель успевал подробно разобрать только 70–100 случайных звонков из них. На такой анализ уходило около трех рабочих дней, а выборка не превышала 20% от общего потока. Поэтому было сложно понять, насколько выявленные проблемы характерны для всех звонков.
2. Неточная аналитика конверсии. Клиенты приходили в сервис пешком, обращались по телефону и через онлайн-заявки, но корректно разделить обращения по типам трафика не получалось. Поэтому компания не могла точно связать входящий звонок с последующей записью и понять, где именно клиент выпадает из воронки. На тот момент ориентиром была конверсия около 50% из звонка в зафиксированный заезд.

Маркетинг видел верхнюю часть воронки: сколько обращений привели контекст, SEO или конкретный лендинг. Сервис видел нижнюю часть: сколько клиентов доехало. Связующего звена не хватало, поэтому команда не могла в полной мере понять, что произошло с клиентом после звонка и почему он записался или не записался.

В итоге компания решила автоматизировать именно этот участок.

Как Аихаб настроили под послепродажное обслуживание

Компания искала решение под послепродажное обслуживание, но большинство продуктов предлагали уже готовую логику, которую было сложно быстро менять под специфику клиента.

Для «Аксель-Сити Невский» это было критично: сервисная воронка в компании отличается от обычных продаж автомобилей, а внутри неё много разных типов обращений.

Поэтому при выборе смотрели прежде всего на четыре вещи:

1. гибкость — возможность оперативно менять систему под процессы компании;
2. постоянную обратную связь — чтобы команда подрядчика не пропадала после запуска;
3. вовлеченность команды — готовность разобраться в специфике послепродажного обслуживания;
4. удобство интерфейса — возможность собирать нужные отчёты из готовых блоков.

Аихаб соответствовал этим требованиям, поэтому в итоге компания выбрала именно его.

Михаил Алексеенко 

CTO «Аксель-Сити Невский»

Ваш проект подходил больше всего, потому что ваша компания уже работала с продажей автомобилей. Нас подкупило также то, что ваши ребята достаточно активные и гибкие: уже на этапе знакомства и демо команда активно включалась в обсуждение наших задач, отвечала на вопросы и была готова разбираться в специфике нашего бизнеса, а не просто показывала готовое решение.

Техническое подключение прошло быстро и заняло не более 2 недель. После этого команда несколько месяцев вместе с клиентом дорабатывала систему под специфику сервиса.

Воронка и конверсия по видам работ

В Аихаб настроили воронку по сервису: все входящие обращения разделяются на целевые и нецелевые, а затем по результату — записался клиент или нет.

Отдельно настроили тегирование по видам работ:

1. техническое обслуживание;
2. диагностика;
3. диагностика электронных компонентов;
4. шиномонтаж;
5. кузовной ремонт;
6. текущий ремонт.

По каждому направлению компания получила возможность смотреть собственную конверсию. Теперь руководитель может видеть:

Все источники входящего трафика в одной системе

У компании несколько источников звонков: прямые номера и подменные номера, в том числе через Asterisk и Calltouch. Раньше полного объема входящего трафика не видели. 

Теперь Аихаб собирает звонки из всех источников и объединяет их в единую аналитику. Для анализа используются звонки длительностью более одной минуты. Руководитель видит весь целевой входящий поток в одной системе Аихаб.

Разделение звонков рецепции и отдела продаж

Технически проект оказался сложнее обычной интеграции. Входящий звонок содержит два разговора в одной стереозаписи: сначала клиент общается с сотрудником рецепции, а затем может переходить к менеджеру отдела продаж.

Чтобы корректно анализировать эти коммуникации, один и тот же массив звонков система забирает из двух источников и анализирует в разных проектах:

1. звонки из Bitrix24 используются для оценки менеджеров отдела продаж;
2. звонки из UIS — для оценки сотрудников рецепции.

Исходящие звонки берутся из Bitrix24 отдельно и не проходят через рецепцию. Разделение входящих и исходящих происходит автоматически по метаданным звонка.

Для каждого направления настроили собственные чек-листы. Клиент предоставил их на этапе внедрения, а команда Аихаб адаптировала систему под заданную логику. У каждого критерия чек-листа есть собственный вес, а итоговая оценка формируется из 100 баллов.

Какие проблемы специфики сервиса Аихаб проработал

Поскольку готовой оболочки под послепродажное обслуживание не было, решение собирали итеративно. 

Работали по циклу PDCA («Plan-Do-Check-Act»), или циклу Деминга: 

1. команда Аихаб добавляла очередной блок и передавала его клиенту на проверку;
2. Михаил и его команда собирали отчёты, проверяли результаты и возвращали замечания;
3. затем логику корректировали и переходили к следующей итерации.

На старте невозможно предусмотреть все особенности конкретного бизнеса, поэтому модель и правила оценки последовательно проверяются на реальных данных и корректируются. 

Так постепенно устранили несколько ключевых ошибок.

1. ИИ не всегда правильно определял результат звонка

Иногда система определяла, что клиент не записался, хотя он просил перезвонить и оформлял запись уже на следующий день.

Поскольку Аихаб пока не интегрирован с 1С, система не видит запись, которая произошла после звонка. Поэтому в интерфейсе добавили возможность оспорить вывод ИИ: если руководитель знает, что результат определен неправильно, он может вручную указать несогласие с оценкой.

2. Система могла неправильно определить площадку

В отдельных случаях звонок привязывался не к той площадке, на которую фактически поступил. Поскольку площадка является одним из параметров аналитики, такая ошибка могла искажать данные по входящему потоку и конверсии.

Проблему выявили в ходе проверки отчетов и последовательно скорректировали логику определения площадки и распределения звонков.

3. Из-за первых двух ошибок искажалась конверсия

Ошибки в определении результата звонка и площадки напрямую влияли на расчёт конверсии.

Поэтому команда последовательно дорабатывала чек-листы, формулировки критериев и логику расчетов. После каждой итерации клиент заново проверял отчеты и возвращал замечания.

Так постепенно удалось привести аналитику к нужному виду.

Как руководитель использует аналитику Аихаб

После внедрения руководитель получил несколько инструментов для ежедневной работы:

1. Личный кабинет с показателями отдела, коммуникациями и рейтингом сотрудников.В личном кабинете доступны:

1. эффективность отдела;
2. доля успешных звонков;
3. количество и длительность коммуникаций;
4. краткое содержание каждого звонка;
5. полный чек-лист и итоговая оценка;
6. сильные и слабые стороны сотрудника;
7. рекомендации по улучшению;
8. рейтинг менеджеров;
9. сравнительная матрица по критериям;
10. цепочки звонков;
11. ежедневные и еженедельные отчёты.

2. ИИ-аналитика и отчёты по всему массиву звонков.

Руководитель может получить:

1. аналитический отчёт по звонкам — какие паттерны характерны для успешных и неуспешных обращений;
2. клиентский анализ — какие потребности и возражения чаще всего возникают у клиентов;
3. операционный анализ — на каком этапе воронки возникают потери;
4. анализ менеджеров — кто работает лучше или хуже и почему;
5. произвольный ИИ-анализ под конкретный управленческий вопрос.

3. Бот с уведомлениями об отказах в Telegram и MAX.

Если клиент не записался, руководитель получает в Telegram и MAX аудиозапись звонка, расшифровку и имя сотрудника.

Это позволяет не ждать планового разбора и оперативно понять, почему клиент отказался. Если руководитель видит, что клиенту можно сделать дополнительное предложение, сотруднику дают задачу связаться с ним повторно.

Михаил Алексеенко

CTO «Аксель-Сити Невский»

Руководители чаще всего работают в пятидневку. Тем не менее даже в выходные либо вечером можно посмотреть, почему звонок не увенчался успехом, и вовремя дать обратную связь — пока клиент не позвонил в другое место — и сделать ему предложение, чтобы он всё-таки приехал к нам.

Результаты после внедрения Аихаб

После настройки системы «Аксель-Сити Невский» получил возможность управлять входящим потоком на основе всех целевых обращений, что дало результат как в операционной работе руководителя, так и в конверсии.

1. Конверсия из звонка в запись выросла на 10%

Исходным ориентиром была конверсия около 50% из звонка в заезд. После внедрения и работы с аналитикой конверсия выросла в среднем примерно на 10% по площадкам: где-то больше, где-то меньше.

Рост стал результатом системной работы с причинами отказов: теперь руководители видят конкретные ошибки сотрудников, разбирают звонки и быстрее возвращаются к клиентам, которые не записались.

2. Покрытие контроля выросло с 20% до 100%

Раньше руководитель анализировал выборочно не более 20% звонков. Теперь в систему попадают все 100% входящего потока, а каждый звонок автоматически тегируется по типу обращения и результату.

3. У руководителя высвободилось около 30 часов

Раньше 70–100 звонков требовали около трёх рабочих дней детального разбора. При рабочем дне примерно 11 часов это около 30 часов времени руководителя.

Теперь эту работу выполняет система, а высвободившееся время Михаил направляет на работу с людьми на приёмке и в цехе.

4. Руководитель быстрее реагирует на отказы

Раньше информация о причине отказа оставалась со слов сотрудника. Теперь руководитель получает запись и расшифровку разговора, самостоятельно оценивает ситуацию и при необходимости дает сотруднику задачу связаться с клиентом повторно.

5. Компания получила прозрачность по каждому сотруднику

Руководитель видит вклад конкретного сотрудника: кто работает лучше, кто отстаёт, на каком этапе возникает проблема, конкретные звонки, в которых сотрудник допустил ошибку, рекомендации по улучшению.

Нововведения позволяют по-разному работать с сотрудниками: слабых обучать и мотивировать, а сильные практики распространять на остальных.

6. Конверсия по видам работ стала инструментом для маркетинга и ценообразования

Аихаб позволяет смотреть конверсию отдельно по каждому виду работ, поэтому компания может видеть, какие услуги конвертируются хуже и где есть потенциал для роста.

На основе этих данных «Аксель-Сити Невский» пересматривает предложения и прайсы, а также точечно планирует маркетинговые кампании.

7. Изменилась работа команды

Система не воспринимается сотрудниками исключительно как инструмент контроля. Для многих она стала новым инструментом работы: вместо субъективного «клиент не захотел» сотрудник получает конкретный разбор коммуникации и понимает, что можно было сделать иначе.

По оценке Михаила, вместе с вовлеченностью сотрудников выросла и клиентоориентированность команды: после отказа клиент быстрее получает обратную связь, а руководитель может оперативно подключиться к ситуации.

Планы на будущее

Сейчас «Аксель-Сити Невский» перестраивает бизнес-процессы и переходит к модели единого колл-центра.

Вместо того, чтобы принимать звонки отдельно на каждой площадке, единая команда будет обрабатывать входящий трафик по всем брендам. Для этого Аихаб будет пересматривать чек-листы и обучать систему учитывать специфику разных брендов. По оценке Михаила, на эту перенастройку потребуется около 3-4 месяцев.

Вторым направлением компания выделяет анализ исходящих звонков. Оболочку для них уже начали разрабатывать, но пока поставили работу на паузу: приоритетом остаются входящий трафик и перестройка бизнес-процессов.

Ещё одной задачей компания ставит перед собой накопить данные на длинной дистанции. Сервисный спрос сильно зависит от сезонности, поэтому для полноценной оценки динамики компании нужен годовой массив данных.

В итоге на следующем этапе Аихаб продолжит адаптировать аналитику под новую структуру колл-центра, а затем расширит её на исходящие коммуникации и позволит компании сравнивать результаты на длинной дистанции с учётом сезонности.

Резюме

«Аксель-Сити Невский» пришёл в Аихаб с двумя проблемами: руководитель не успевал контролировать весь поток входящих звонков, а компания не могла точно определить, где и почему теряются клиенты. Раньше под детальный контроль попадало не более 20% коммуникаций, а разбор 70–100 звонков занимал около трёх рабочих дней.

После внедрения система анализирует 100% входящего потока, тегирует обращения по видам работ и результатам, показывает эффективность сотрудников и помогает оперативно отрабатывать отказы. В результате конверсия из звонка в заезд выросла в среднем примерно на 10% по площадкам, а у руководителя высвободилось около 30 часов. При этом данные из звонков стали использоваться не только для контроля сотрудников, но и для корректировки процессов, предложений, цен и маркетинговых кампаний.

Если ваш отдел сервиса получает сотни звонков в месяц и руководитель уже не успевает контролировать их вручную, то оставляйте заявку на демо. Уже на этом этапе мы поможем вам увидеть причины отказов и найти точки роста конверсии на вашем потоке звонков.