Кейс ТК «Энергия»: повторные заказы +28%, нагрузка на операторов −40%

Задача

С чем пришёл клиент

Три задачи, ради которых начиналась работа.

1Снять нагрузку с операторовШтат перестал справляться с потоком даже после расширения: в высокий сезон заявки копились быстрее, чем их успевали разбирать.

2Закрыть типовые обращенияДо 80% вопросов повторялись слово в слово: статус доставки, стоимость перевозки, сроки, условия сотрудничества.

3Поднять повторные заказыУдержание клиента стало важнее гонки за новым: клиенты забывали о предложениях и уходили к тем, кто напомнил о себе первым.

Что было до

Рост компании упирался в человеческий фактор

При таком масштабе любая неэффективность видна сразу: поток однотипных обращений, ручное управление повторными продажами и перегруженные операторы в высокий сезон.

1 млн+

обращений разобрали и разложили по категориям

80%

вопросов клиентов повторялись

35 000+

населённых пунктов в географии перевозок

Что сделали

Агент отвечает клиенту и берёт данные из учётной системы

Готовые чат-боты со сценариями закрывали только базовые вопросы, а внедрение тяжёлой системы заняло бы месяцы. Собрали решение на генеративном ИИ: оно понимает свободные формулировки и учится на новых обращениях.

Разобрали обращения клиентов за год — больше миллиона заявок — и разложили их по категориям: статусы, стоимость, сроки, условия, возвраты и рекламации

Собрали скрипты операторов, регламенты и обучающие материалы в единую базу знаний и проверили каждый документ на актуальность

Запустили агента в мессенджерах, где общаются 80% клиентов, и сравнили его ответы с ответами операторов

Подключили интеграцию с ERP: статус заказа приходит клиенту в реальном времени

Научили агента распознавать негатив и передавать разговор живому оператору

Включили функцию продавца: напоминания об акциях, новые маршруты и дополнительные услуги

Внесли больше 200 правок по итогам первых тестов и разбираем диалоги ежедневно

Изнутри проекта

Как это выглядит в работе

Слева — переписка клиента с агентом в мессенджере, дальше — сценарий, по которому агент ведёт разговор.

Агент отвечает по статусу накладной, срокам и стоимости доставки и сам формирует счёт

Дерево сценария: агент ведёт диалог по веткам, а не по одному жёсткому скрипту

Ветки сценария: статус отправления, таможня, оплата, подтверждение контактов

Результат

Что изменилось за три месяца

Замеры сняты клиентом по своей CRM и отчётам агента.

+28%повторных заказов: клиенты вернулись с цикла раз в два месяца на цикл раз в три недели

40%нагрузки снято с операторов — рутину забрал агент

+22%к лояльности: оценили и B2C, и B2B клиенты

80%однотипных запросов агент закрывает сам

200+правок сценария по итогам первых тестов

24/7агент отвечает вне графика отдела и в сезонный пик

Отдельно клиент отметил эффект внутри команды: операторы перестали разбирать однотипные вопросы и занимаются сложными обращениями.

Решения из кейса

Что из этого можно взять себе

Задачи этого проекта сегодня закрывают три наших направления.

Голосовые агентыТот же сценарий голосом: приём входящих, обзвон базы, квалификация и напоминания.Смотреть решение Автоматизация и внедрение ИИБаза знаний, интеграция с ERP и учётными системами, разбор обращений.Смотреть решение Реактивация базыНапоминания о предложениях и допродажа тем, кто перестал заказывать.Смотреть решение

Вопросы

У вас остались вопросы?

Достаточно того, что у вас уже есть: скрипты операторов, регламенты, обучающие материалы и переписка за последний период. В этом проекте мы разобрали больше миллиона обращений за год и собрали из них базу знаний.

Агент распознаёт негатив и передаёт разговор живому оператору вместе с историей переписки. Оператор видит контекст и продолжает с того же места.

Да, через интеграцию. Здесь агент забирает данные о заказах напрямую из ERP и отвечает клиенту актуальным статусом, а не заготовкой.

Начали с малого: агент в мессенджерах и A/B-сравнение с ответами операторов. Дальше — адаптация, интеграция и еженедельная доработка сценариев. Результат по повторным заказам клиент увидел за три месяца.

Другие кейсы