B2B B2E B2С
Задачи
Глобальная миссия стрима — повышение качества клиентского опыта в голосовом и текстовом каналах. В рамках этой миссии я занималась следующими задачами:
- Развитие Виртуального ассистента Салют в приложении
- Улучшение чата поддержки в приложении и веб версии
- Проектирование Единого Рабочего Места операторов поддержки банка
Мои обязанности
- Генерация гипотез совместно с аналитиками и продуктом команды, работа с беклогом
- Проведения колличественных и качественных исследований, составление джоб, юзер стори
- Проектирование юзер флоу, прототипирование и юзабилити тестирования
- Дизайн-ревью макетов вместе с разработчиками
- Защита своих решений перед командой и стейкхолдерами
- Доработка и улучшение компонентов дизайн-системы ЕРМ
Метрики
- Основной задачей нашей команды было улучшение пользовательского опыта в чате поддержки, поэтому рост CSI — одна из наиболее важных метрик
- AFRT (Average First Response Time) — Среднее время первого ответа
- AHT (Average Handle Time) — Среднее время обработки вопроса (решение вопроса)
- TRIM-индекс
- Автоматизация - доля решенный вопросов без подключения оператора поддержки
Исследования
Для формирования беклога и плана развития стрима мы провели несколько серий глубинных интервью и бренчмаркингов, чтобы понять текущие «боли» пользователей и выявить лучшие решения на рынке. Я руководила полным циклом исследований, включая генерацию гипотез, составление дизайна гайда исследования, ректутинг и процесс интервью
Бенчмаркинг чатов поддержки РФ и Европа
Я рассмотрела 9 банков, предоставляющих услуги физическим и юридическим: СберБизнес, Т-Банк, Альфа, ПочтаБанк, СберБанк, ВТБ, Монобанк, N26, Monzo. Оценка проводилась по параметрам связанным с чатом поддержки по критериям:
- Наличие бота (виртуального ассистента)
- Скорость перехода на оператора и триггеров к этому переходу
- Качество и «заспамленность» ответа бота
- Наличие нестандартных средств коммуникации в чате (эмодзи, стикеры и др)
- Стиль общения оператора и форма ответа (шаблонная/ свободная)
- Возможность решения проблемы e2e в чате (альтернатива — перевод на звонок)
Общие тенденции, которые можно отследить:
Автоматизация и использование ИИ
Чат-боты становятся более распространенными для в чатах банковских приложений. Они позволяют снизить нагрузку на сотрудников и обеспечить круглосуточную поддержку. При этом ответы не выглядят шаблонными, что позволяет пользователям более позитивно воспринимать их.
Персонализация обслуживания.
Использование данных о клиентах для персонализации взаимодействия. Включает в себя обращение по имени, предложение услуг на основе предыдущих взаимодействий и учет предпочтений пользователя. Присутствует тенденция к ответам оператора в свободной и менее формальной форме, что делает информацию доступнее и понятнее для клиента
Далее мы детальнее изучали функциональность чатов, чтобы отследить текущие тенденции и сравнив топ-7 конкурентов в РФ.
Были проанализированы чаты поддержки мобильных приложений российских банков в B2B сегменте по 12 параметрам, включающим:
- Функциональности чата
- Видимости состояния системы
- Удобству использования
- Работе с ошибками
- Эстетике и стилю общения
- Техническим параметрам
- Общей удовлетворенности
Таким образом можно сделать вывод, что СберБизнес, занимает высокие позиции по характеристикам: скорость ответа и непрерывные диалоги. Также преимуществом, повышающим метрику автоматизации, является наличие чат-бота. Из зон развития: стиль общения оператора в чате (уменьшить количество шаблонных ответов и длинных текстов, добавить возможность отправлять эмодзи), а также улучшение UX при работе с файлами (возможность просмотра файла при отправке, возможность его удаления из чата в случае ошибки).
Еще одно исследование в рамках анализа функциональности чатов – оценка в виртуальных ассистентах. Я проанализировала 13 ассистентов: Альф (Альфа банк), ассистент Т-банка, Алиса, Маруся, Салют (Сбер), Google Assistant, Microsoft Cortana, МТС, Мегафон, Siri, Bixby, Intercom. Параметры анализа:
- Возможность оценить бота
- Виды оценок: Оценка в виде тегов (да/нет), оценка в виде звезд
- В каких каналах существует (МП, web)
- Наличие чата в неавторизованной зоне и возможность оценки
- Ключевые особенности
По результатам исследования можно сделать вывод: бренды использующие оценку, внутри помощников, делают это в виде тегов, после каждого ответа бота. У ассистента Сбер в приложении для физических лиц присутствует "Умная оценка": Она появляется не всегда, например при "разговоре по душам" она появляется только после команды "хватит", при переводе денег и при ответе "Какая сейчас погода" оценки нет вообще. Это удобно, так как пользователь оценивает то, что действительно важно.
Бенчмаркинг плейсментов
При проведении первичных проблемных интервью и анализа аналогичных разработок возникла гипотеза «Внедрение персонализированных плейсментов в чате улучшит навигацию в чате и сократит время клиента в чате на 3%».
С точки зрения бизнеса эффект измеряется увеличением CSI, сокращением среднего время первого ответа в чате AFRT (Average First Response Time и сокращением среднего время ответа ART (Average resolution time).
Я начала работу над задачей с проведения сравнительного анализа плейсментов. Были проанализированы плейсменты в чатах поддержки физических и юридических лиц, всего 18 приложений.
В результате анализа было выявлено, что конкуренты используют плейсменты и внедряют их в интерфейс виртуальных помощников (ботов) и в чаты с оператором в банках для физических лиц. Они служат навигацией по функциональности и не отражают статус по процессам и заявкам. В сфере юр лиц плейсменты на момент исследования не использовал ни один из рассматриваемых банков, но потенциально развитие плейсментов может положительно повлиять на CSI и скорость обслуживания клиента (по примеру физ лиц). Далее мы продолжили работу с гипотезой и перешли к созданию MVP версии фичи.
За время работы в Сбере я руководила процессом проведения 15+ глубинных интервью и 20+ коридорных и юзабилити тестирований.
Подробнее с исследованиями можно ознакомиться тут
MVP по внедрению плейсментов в web-версию СберБизнес
Свою работу над задачей я выстраивала по методологии дизайн мышления и фреймворку DoubleDiamond. Он включает в себя 4 основных шага:
- Исследование и определение. Понимание в чем заключается проблема.
- Разработка и реализация. Как бы будет исправлять/решать проблему
На начальном этапе предварительного исследования, мы изучили обратную связь, которую регулярно получаем от пользователей и выделили наиболее частотные, которые также влияют на метрики. Для нас это была: скорость и качество ответа с возможностью решить вопроса в чате e2e.
Полный анализ
Далее был проведен бенчмаркинг функциональности чатов поддержки. Где мы рассмотрели прямых и косвенных конкурентов по критериям:
- Функциональности чата
- Видимости состояния системы
- Удобству использования
- Работе с ошибками
- Эстетике и стилю общения
После анализа обратной связи CSI и бенчмаркинга мы с командой ушли в генерацию гипотез. Одна из наиболее перспективных гипотез была связана с разработкой персонализированных плейсментов и навыков Виртуального ассистента.
Внедрение персонализированных плейсментов в чате поддержки улучшит навигацию ( ↑ CSI ) и сократит время клиента в чате на 3% ( ↓ ART - Average resolution time, ↓ AFRT - Average First Response Time).
Мы провели еще одно исследование, где подробно рассмотрели плейсменты. Было выявлено, что косвенные конкуренты используют плейсменты, внедряют их в интерфейс виртуальных помощников (ботов) и в чаты с оператором. Плейсменты на данных момент в большей степени исполняют навигирующую и разводящую роль, что хорошо сказывается на времени решения вопроса. Обогащение плейсментов «умными» персонализированными подсказками, может еще больше сократить время ответа и увеличит автоматизацию.
Гипотезы
Помимо основной гипотезы с добавлением плейсментов в чат и процессе решения задачи появились и другие:
- Персонализированные навыки. Если добавить в плейсменты навыки по регулярным действиям (шаблонная выписка), то увеличится Open Rate, потому что клиенты будут регулярно открыть Витрину и совершать действия, и снизится ART.
- Отражение статусов. Если добавить в чат отражение статусов по текущим платежам, то увеличится скорость ответа, тк отслеживание статуса — это наиболее частотная причина обращения в поддержку
- Добавление умных подсказок от ассистента. Если клиенту нужно совершить действие связанное с финансовой операцией (например отмена платежа) и он уже ранее ошибался на каком то шаге, подсказка от ассистента поможет сократить время заполнения полей и повысит CSI
Макеты
Умные подсказки от ассистента — Выпуск бизнес карты
Персонализированные навыки — Информация о количестве платежей физ. лицу
Виртуальный ассистент в мобильном приложении Салют — кейс «Меры гос. поддержки»
Как я оптимизировала процесс дизайн-ревью
В процессе прохождения дизайн ревью у нас часто возникали сложности, ВП хотел чтобы мы согласовывали макеты как можно раньше, но в последующем случались сложности в реализации у разработки и изменение требований бизнеса — повторные правки и пересогласования. Процесс мог растянуться на несколько недель. В итоге я проявила инициативу и решила залидировать процесс по оптимизации: составила план процесса и обратилась к куратору от дизайн системы, чтобы прояснить моменты о ревью. В итоге презентовала схему на всю команду: бизнес и системных аналитиков, разработчиков, ВП и дизайнеров. В результате время на прохождение ревью сократилось более чем в 2 раза, с трех недель до одной.
Итоги
В результате работы над гипотезами, я происследовала, реализовала и вывела в пром более 10 кейсов Виртуального ассистента для веб версии и приложения СберБизнес. За первый месяц мои решения достигли высоких показателей: увеличили CSI на 5%, автоматизацию на 17% и долю клиентов в чате на 23%
Made with Bullet