Сотни отзывов в день, разрозненные площадки
Покупатели оставляли обратную связь на картах, маркетплейсах, в социальных сетях и на сайтах отзывов. Ручной разбор занимал у сотрудников 5–7 дней в месяц.
Компания продавала товары для дома, ремонта и сада через интернет-магазин, офлайн-точки, маркетплейсы и внешние площадки. Ассортимент насчитывал 150 000 товаров, а ежедневно поступали сотни отзывов.
Сотрудники анализировали обратную связь вручную. При таком объёме данных было сложно оперативно выявлять повторяющиеся проблемы и видеть общую картину клиентского опыта.
Собрать обратную связь и быстрее находить проблемы
Нужно было автоматизировать сбор, классификацию и анализ отзывов, чтобы специалисты клиентского опыта быстрее реагировали на обращения и определяли, что следует улучшить в товарах и обслуживании.
Система должна была обрабатывать большой объём данных, подключать новые площадки и позволять настраивать анализ под бизнес-задачи компании.
Одна панель вместо ручного разбора площадок
Внедрили систему на основе языковой модели. Она агрегирует отзывы, выделяет их содержание и показывает динамику в общем интерфейсе.
- 1
Объединили источники отзывов
Система собирает обратную связь из более чем 15 источников. В общий поток вошли отзывы с карт, маркетплейсов, социальных сетей и других внешних площадок.
- 2
Настроили анализ содержания
ИИ определяет тональность, темы, эмоции и упоминания брендов. Система выявляет повторяющиеся паттерны и тренды в отзывах покупателей.
- 3
Создали аналитическую панель
Специалисты клиентского опыта видят динамику обратной связи в едином интерфейсе. Фильтры позволяют разбирать отзывы по регионам, категориям товаров и площадкам.
- 4
Подготовили систему к расширению
Гибкая архитектура позволяет быстро подключать новые источники данных и настраивать анализ под цели компании. Модели оптимизируют на основе накопленных отзывов.
После внедрения анализ занимает 1 день в месяц
До запуска сотрудники тратили на обработку и анализ отзывов 5–7 дней в месяц. После внедрения этот объём работы занимает 1 день в месяц.
Время сотрудников на анализ
Фактический результат после внедрения: 1 день в месяц вместо прежних 5–7 дней. Показатель относится к работе сотрудников с отзывами.
Реакция на негативные сценарии
Компания быстрее реагирует на негативные сценарии, предотвращает их развитие и повышает удовлетворённость клиентов.
Качество товаров и обслуживания
Оперативная обработка обратной связи и быстрое внедрение улучшений повысили качество обслуживания и товаров.
Что получил клиент после запуска
- 1
Специалисты клиентского опыта тратят меньше времени на ежемесячный анализ обратной связи.
- 2
Команда видит повторяющиеся темы и негативные сценарии в общем интерфейсе и быстрее включается в работу с проблемой.
- 3
Данные покупателей используются для улучшения товаров и сервиса. Анализ можно расширять за счёт новых площадок.