Як ШІ допоміг нам зекономити 12% бюджету на підтримку — Experiments Hub

💡 Усі статті, обговорення, новини про продукти — в одному місці. Приєднуйтесь до Product спільноти!

Дисклеймер: Цей допис є частиною добірки продуктових експериментів — Experiments Hub. Проводили A/B тести або якесь інше продуктове дослідження? Заповнюйте форму і діліться своїм досвідом та інсайтами!

Коротко про компанію та продукт

Getmancar — це перший український сервіс каршерингу, який працює в Україні (Дніпро, Київ, Львів), Грузії (Батумі, Тбілісі), Молдові (Кишинів), а також у Німеччині та Румунії. В Україні, Молдові та Грузії компанія працює за каршеринговою моделлю (оренда похвилинно, погодинно та подобово), а в ЄС — за схемою звичайного прокату автомобілів. Користувачі можуть орендувати авто через мобільний застосунок, а інвестори можуть заробляти, надаючи свої автомобілі в оренду.

Контекст кейсу

Як і більшість сервісів у сфері мобільності, ми стикалися з високим навантаженням на службу підтримки клієнтів. Користувачі звертаються з різноманітними запитами: від технічних проблем з автомобілями до питань щодо оплати та бронювання.

Команда підтримки витрачала значні ресурси на обробку рутинних запитів, які могли б бути вирішені автоматично. При цьому частина звернень потребувала індивідуального підходу та людського втручання.

Перед нами постала задача оптимізувати процес обробки звернень клієнтів, зберігаючи високий рівень сервісу та одночасно знижуючи операційні витрати.

Гіпотеза

Гіпотеза: якщо ми впровадимо ШІ-систему для обробки звернень клієнтів, яка зможе:

• автоматично відповідати на типові запити;
• правильно класифікувати складність звернення;
• передавати складні кейси живим операторам;
• працювати цілодобово.

...то таким чином зможемо зменшити навантаження на команду підтримки, скоротити час відповіді клієнтам та оптимізувати операційні витрати без втрати якості сервісу.

Метод тестування

Перший етап впровадження ШІ у нас стартував у 2021 році з системи безпеки. Ми зробили так, щоб він не тільки аналізував обличчя при первинній ідентифікації, а й будував портрет людини — фізичний і поведінковий. Система чітко визначає, чи саме ця людина використовує машину, чи відбулася підміна.

Другий етап — аналітика big data — запустили близько пів року тому. ШІ аналізує дохідність різних моделей авто, завантаженість локацій і підсвічує інвесторам, яка модель працює краще. Наприклад, система може виявити, що одна Toyota заробляє €1000 на місяць, а ідентична модель в іншій локації — лише €300. Наступний крок, який ми плануємо — система почне давати конкретні рекомендації: зробити хімчистку, змінити локацію або навіть замінити модель на більш популярну в цьому районі.

Нещодавно ми розпочали третій етап — впровадили ШІ у клієнтську підтримку. Відтепер в Україні ШІ обробляє 56% звернень наших користувачів, а в Грузії — вже 67%. Але ми помічаємо і там, і там упереджене ставлення до ШІ. Варто нам лише повідомити користувача, що він спілкується ШІ, він ймовірно попросить оператора.

Та ми бачимо, що це чисто психологічний момент. Ми ж люди, і нам подобається, коли нам приділяють увагу такі ж самі люди.

Самарі

Наразі результати вже перевершили очікування:

• В Україні: ШІ обробляє 56% звернень клієнтів.
• В Грузії: ШІ обробляє 67% звернень клієнтів.

Економічний ефект: 12% економії бюджету на підтримку за два тижні після повного впровадження.

Реінвестиція: 70% заощаджених коштів направлено на підвищення зарплат команди.

Додаткові переваги:

• Цілодобова підтримка клієнтів.
• Зростання продуктивності команди.

Ключовий інсайт: користувачі демонструють психологічний опір до ШІ, але об’єктивно отримують якісний сервіс. Коли клієнти не знають, що спілкуються з ШІ, рівень задоволеності залишається високим.

Вартість рішення: обладнати одну машину GPS-системою, яка читає рівень палива, натискання педалей, швидкість, крени — коштує від 100 до 500 доларів. Але дорого коштує не саме обладнання, а обробка даних та інфраструктура. Як з iPhone: сам пристрій може коштує і 200-300 доларів, але продають за 1500, бо платиш за екосистему.

Первинна розробка ШІ-рішення для підтримки коштує як дві-три річні зарплати техспеціалістів. Якщо у вас 10 людей в підтримці, а ШІ обробляє 35-40% запитів, то рішення окупається за місяць. Тобто, наприклад, якщо ваша support-команда отримує близько $10 тисяч на місяць, а ШІ забирає на себе 35% їхньої роботи — то це $3,5 тисяч економії щомісяця.

Рекомендації іншим командам на майбутнє:

1. Не автоматизуйте все одразу — впроваджуйте поетапно.
2. Інвестуйте в навчання команди паралельно з розробкою.
3. Плануйте fallback-сценарії для критичних ситуацій.
4. Розглядайте ШІ як інструмент підсилення команди, а не її заміну.