В2В

Колл-центр

Медицина

Кейс внедрения от партнёра Imot.io: компания «ИнЛаб»

От контроля к результату: следующие шаги

Задача

Без детального анализа разговоров операторов невозможно было выявить проблемные зоны и скорректировать скрипты общения

03. Сложность улучшения сервиса

У руководства не было четкого понимания, на каком этапе теряются пациенты, какие ошибки допускают администраторы, и как это влияет на конверсию

02. Отсутствие прозрачности разговоров с клиентами

Директор информационно-аналитического центра

Кира Плосконосова

«Нам не хватало ресурсов, чтобы обработать больше звонков, повысить качество сервиса и глубже проанализировать работу контактного центра, выявляя точки для улучшения»

Операторы обрабатывали небольшое количество звонков, а ручная проверка охватывала не более 20% разговоров

01. Ограниченные человеческие ресурсы

Основные трудности, с которыми столкнулась клиника и почему приняла решение о внедрении речевой аналитики

Проблема

Клиника ежедневно принимает до 400 пациентов, в ее составе 10+ центров компетенции, 3 операционные и команда из 100+ врачей-экспертов.

Многопрофильная клиника, сочетающая в себе современные медицинские технологии, научные исследования и программы по развитию профессионально-образовательной деятельности.

многопрофильность клиники

пропускная способность клиники в день

штат колл-центра
клиники

среднее время разговоров
на 1-го администратора

О клиенте

IT-специалисты клиники протестировали несколько решений и выбрали imot.io благодаря комфортному бюджету, мощной аналитике на основе GPT и возможностям интеграции со своими сервисами

Основной функционал сервиса imot. io включает в себя перевод аудиозаписей в текст, поиск ключевых фраз и последовательностей действий в диалогах, а также детальную оценку качества общения и формирование этой информации в удобный формат для отслеживания изменений

Реализация

Чек-лист* – это инструмент для автоматической оценки каждой коммуникации. Формируется на основе речевого модуля клиента. Гибко адаптируется под запрос

Для того, чтобы добиться цели, первым шагом было внедрение речевых стандартов клиники, по которым администраторы должны проводить разговор и запись клиентов, и на его основе был создан чек-лист* ​​​​​с оценками каждого пункта скрипта

А также быстро удалось зафиксировать грубость одного из администраторов

Правила (тег)* – это метка, которая автоматически присваивается разговору для его классификации, поиска и анализа

Правила* для оценки построены на точных фразах, нужной последовательности действий и аналитике на основе ИИ, которая учитывает весь контекст коммуникации. С помощью автоматической оценки были обнаружены слабые места в разговорах администраторов, которые:

Директор информационно-аналитического центра

Кира Плосконосова

охват прослушивания телефонных разговоров контактного центра

100%

выросла средняя годовая выручка клиники (рост с 35% до 44%)

повысилась доходимость за счёт работы администраторов КЦ

в среднем выросла выручка по повторным визитам на 1-го врача

выросла конверсия по целевым записям (с 59% до 70%)

повысилась эффективность отработки возражений

снизилось количество отмененных записей пациентами (с 22% до 10%)

«С внедрением сервиса Imot.io мы значительно стали экономить время на оцифровку больших массивов информации для подготовки данных и отчетности в короткие сроки»

+9%

+25%

+11%

+22%

-12%

За 4 месяца внедрения речевой аналитики Imot.io клиника достигла следующих показателей:

Результат

на 60 000 руб.

На основе полученных данных усиливался скрипт администраторов — руководство проводило обучение исходя из отчетов по рейтингам сотрудников и общих данных по потребностям клиентов. Речевая аналитика вместе с интенсивным обучением руководства клиники на основе чтения романов и стихов и игрушками-антистрессами показали свою эффективность

Кроме информации по каждому сотруднику, собирались данные по общим отказам от записи и выделены самые частые причины: