Зачем разработчикам банковских услуг работать в колл-центре? Методы Сергея Чекалкина
Рекордное закрытие филиалов банков зафиксировано в России — 191 отделение прекратило работать только в мае 2022 года. Причина кроется в массовом переходе жителей страны на цифровые каналы получения банковских услуг, пишут «Известия» со ссылкой на статистику ЦБ РФ. Рост спроса на дистанционное обслуживание увеличивает роль профессиональной клиентской поддержки, которая должна быть всегда на связи и готова на расстоянии решить любую проблему клиента.
О том, как обеспечить поддержку на высоком уровне, мы поговорили с Сергеем Чекалкиным, экспертом, который занимался этим, будучи директором департамента связи с клиентами в Тинькофф Банке. Сергей проработал в поддержке 15 лет. За это время он успел пройти путь от работника колл-центра до топ-менеджера и разработал собственные подходы к обеспечению наилучшего клиентского опыта. Его департамент без единого офиса обеспечивал поддержку миллионов пользователей по десяткам продуктов компании. Почему на работу в колл-центр должны выходить и разработчики услуг — в интервью с Сергеем Чекалкиным.
— Сергей, сотрудник центра поддержки — это человек, который фактически становится лицом всей компании, когда у клиента возникает какая-то проблема. Вы лично выстраивали схему обучения этих сотрудников. Расскажите, чему вы обучали своих сотрудников, чтобы они могли максимально удовлетворить запрос пользователя?
— Важно обучить сотрудников тому, как работает продукт глазами клиента, а не «изнутри», чтобы они сами были пользователями тех продуктов, по которым консультируют. Мы всегда старались оформлять сотрудникам разные продукты компании бесплатно как раз с этой целью. Безусловно, важно обучить их продуктам компании и инструментам, которые они будут использовать: CRM, база знаний и так далее.
Но в случае поддержки не менее, а может и более важны так называемые soft skills, навыки работы с людьми: умение выслушать, включить эмпатию, относиться с пониманием к разному негативу, который идет от клиента, уметь с ним работать, не «пропускать через себя», понимая, что клиент имеет претензии из-за своей ситуации, а не из-за сотрудника лично. Всему этому можно при желании научиться, но постепенно мы перестали разделять обучение на две составляющие и стали добавлять блоки по общению в рамках «продуктового» обучения.
— Значит ли это, что работать в вашей службе может любой?
— Не совсем так. Нужен довольно понятный набор качеств, чтобы в будущем быть хорошим сотрудником поддержки. Это простые, но очень важные критерии: желание помогать людям, терпимость к непониманию чего-то, желание учиться и развиваться, работать в команде. Способность быть подходящим сотрудником для работы с клиентами нужно проверять еще при наборе, на собеседованиях, тестах.
— Ваш банк работал и продолжает работать без офисов, исключительно «в цифре». Такая работа требует особого инструментария для работников поддержки. Известно, что в вашем банке он довольно продвинутый, и сотрудники видят всё, с чем сталкивается обратившийся клиент. Как это устроено?
В первую очередь особенность этого софта в том, что в него включен поиск ошибок, исходя из текста внутри обращений. Для облегчения работы сотрудников мы также внедряли в нашу CRM-систему интерактивные процедуры с обратной связью. То есть сотрудник, кроме карточки клиента с информацией, видит или слышит его вопрос и видит возможные сценарии решения этой ситуации. По ходу движения внутри сценария сотрудник видит конкретные статусы, суммы по клиенту. Также система подсвечивает сотруднику ряд критериев, из-за которых могла произойти проблема, и сразу же предлагает их поменять. Например, клиент уперся в какой-то лимит. Возможность сотрудника не читать базу знаний о каком-то процессе в целом, а видеть, что именно происходит с конкретным клиентом, существенно снижает время на поиск проблемы.
— Насколько мне известно, именно вы были инициатором внедрения онлайн-тренажеров для обучения сотрудников поддержки. Расскажите, насколько точно они моделируют реальные ситуации, помогает ли это на практике?
Верно. Мы сделали тренажер для сотрудников, где они могут открывать для себя разные продукты компании и на тестовых сотрудниках отрабатывать решение различных проблем. В целом интерфейс этого тренажера аналогичен системе, с которой работнику предстоит столкнуться при решении реальных задач. Единственная разница в том, что любые действия на тренажере сотрудник проводит без реальных последствий. Такой подход помогает человеку быстрее понимать работу различных процессов и вникать в работу без лишнего стресса, ведь раньше сотрудникам поддержки во многом приходилось обучаться на ходу.
— И тем не менее, сотрудники техподдержки могут совершить ошибку, и важно, чтобы они их не повторяли. Вы придумали целую систему по исключению повторных ошибок, в результате чего их количество сократилось на треть. Расскажите, работает эта система?
— Мы развивали систему поиска ошибок благодаря модели, которая могла с высокой долей вероятности проанализировать текст, который мы в том числе преобразовывали из голоса, и подкрасить «красным» коммуникации, где скорее всего что-то пошло не так, исходя из слов клиента и сотрудника. Так мы могли находить ошибки и старались делать это раньше, чем клиент получит какие-либо последствия от этих ошибок.
С точки зрения работы с сотрудниками, мы фиксировали зоны, в которых они хуже разбирались и назначали самостоятельное обучение: тестирование или разбор с руководителем для избежания повторной ошибки в том же вопросе. Хотя на самом деле повтор ошибки — это довольно редкое явление у одного и того же сотрудника. По собранной статистике мы понимаем, в каких блоках люди чаще совершают ложные шаги, и уделяем этим моментам больше внимания на первичном и постоянном обучении.
— Сергей, вы внедряли инструмент аналитики причин обращений клиентов, и это нововведение позволило сократить число обращений в поддержку на 10 %, что крайне существенно, когда речь идёт о службе, обрабатывающей сотни тысяч обращений в месяц. Был ли у данного сокращения столь же серьёзный экономический эффект?
— Для начала объясню, как это работает. Инструмент аналитики причин обращения позволяет намного четче анализировать причины обращений количественно и качественно. Видеть, на каких этапах «клиентского пути» больше проблем, каких именно и в каких продуктах. Это позволяет видеть «низко висящие фрукты» в улучшении продукта через метрику обращаемости, а также видеть редкие, но больные кейсы, которые приносят наибольший негативный эффект для клиентов. При работе с тысячами сотрудников поддержки и миллионами клиентов, уменьшение обращаемости даже на 10 % приводит к огромным результатам с точки зрения экономии денег, снижая стоимость обслуживания одного клиента. Кроме того, с улучшением продукта постоянно растет виральность, сарафанное радио, позитивный эффект в социальных сетях, который улучшает мнение о компании и позволяет проще привлекать новых клиентов. Это сложно измерить в деньгах точно, но если все делать правильно, доля «органики» и самотёка в привлечении новых клиентов растёт.
— В своем департаменте вы проводили уникальную практику: отправляли работать в колл-центрах самих разработчиков банковских продуктов, чтобы они могли напрямую получить фидбек от клиентов. Это было разовой акцией или это системный инструмент повышения качества продуктов?
— Одной из важных частей обучения в нашем департаменте была практика сотрудников из других подразделений, не техподдержки. Её проходили владельцы продукта, аналитики, финансисты или технологи — сотрудники, которые создают продукты. Они проходили обучение в колл-центрах: высаживались под присмотром наставника на линию и работали с клиентом. Тем самым они лучше видели, что не так в тех продуктах и процессах, которые они делают. Эта практика позволяла им понять, что можно улучшить и оптимизировать как с точки зрения работников поддержки, так и с точки зрения клиентов.
— Банк, в котором вы работали использует концепт супер-приложения, в котором собраны разные услуги и продукты компании. При этом Вы организовали единую службу клиентского обслуживания для всех продуктов компании: по всем вопросам клиент обращается в один чат. Расскажите, как удалось этого добиться?
— Всегда должен быть баланс между желанием все делать в одном месте, включая поддержку, и оставаться экспертами в том или ином продукте. Концепция экосистемы или супераппа должна упрощать для клиента доступ к тому или иному сервису, в том числе и к поддержке. Я не должен думать о том, куда мне позвонить или написать, если вопрос коснулся кредитной карты или покупки авиабилета. Я хочу простой доступ к окну чата, где я могу получить информацию, которая мне нужна. Поэтому для клиента мы старались сделать понятное место приземления своего вопроса и подбора нужного сотрудника для его решения.
Под капотом же, внутри нашей системы, была сложная логика набора параметров клиента, который к нам обратился: какие у него продукты, в каких они статусах, есть ли какие-то сигналы того, что с одним из них есть проблема, что-то не работает? Все эти критерии выдавали некое предположение относительно того, на какую группу экспертов нужно отправить клиента. Разумеется, учитывался контекст — сам вопрос и формулировка от клиента и «место», из которого он к нам обратился: будь то приложение или web-страница. Таким образом мы старались распределить клиента на лучшего сотрудника для экспертного решения конкретной проблемы.
В этом смысле с супераппом сложность повышается, ведь ты как сотрудник поддержки не можешь быть экспертом по всем продуктам группы, которых более десяти, но должен качественно разбираться в том, о чем тебя спрашивают. В то же время нельзя перекладывать на клиента сложность выбора «куда и к кому обратиться», клиент не должен об этом думать.
— Сейчас мы видим тренд не только на цифровизацию, но и на автоматизацию всего, что связано с клиентской поддержкой. Вы имеете большой опыт в этой области, отмеченный премией CNews в номинации «ИИ-проект года в работе с обращениями клиентов». Что вы думаете о перспективах внедрения чат-ботов?
Действительно, последние годы наблюдается активное внедрение технологий искусственного интеллекта в сферу клиентского обслуживания. Чат-боты могут обрабатывать простые рутинные запросы, освобождая время операторов для решения более сложных вопросов клиентов.
Однако полностью заменить живое общение пока не удастся. Во-первых, не все клиенты готовы взаимодействовать с ботами. Во-вторых, человеческий фактор остается критически важным — умение выслушать, посочувствовать, найти индивидуальный подход.
Поэтому в ближайшие 5-10 лет я вижу оптимальную модель как гибридную — часть простых вопросов берут на себя боты, а сложные по-прежнему обрабатывают люди. Это позволит повысить скорость обслуживания и освободить операторов от рутины.
Но ключевым остается подбор эмпатичных сотрудников и их постоянное обучение, чтобы они могли оказывать по-настоящему индивидуальную поддержку клиентам в нестандартных ситуациях. Технологии — это инструмент, а не замена человеческому общению.
Анна Попова
