Как автосервис «Аксель-Сити Невский» увеличил конверсию звонков в заезд на 10% и освободил 30 часов руководителя с помощью ИИ

«Аксель-Сити Невский» — одна из площадок холдинга «Аксель», где представлены Volkswagen, Škoda, Audi, Mazda, Mitsubishi и KGM. Конкретно на неё приходится около 500 входящих звонков в месяц. Раньше руководитель подразделения мог подробно разобрать только 70−100 из них и тратил на это около трёх рабочих дней.

С помощью Аихаб компания перевела под контроль весь входящий поток, настроила воронку от звонка до записи на сервис и автоматизировала поиск причин отказов. В результате конверсия из звонка в заезд выросла в среднем на 10% по площадкам, а у руководителя высвободилось около 30 часов в месяц.

В статье рассказываем, как ИИ помог «Аксель-Сити Невский» оцифровать входящие обращения в сервис, увидеть слабые места первой линии и превратить анализ звонков в инструмент управления послепродажным обслуживанием.

«Аксель-Сити Невский» — дилерский центр в Санкт-Петербурге, официальный
дилер Volkswagen с 12 площадками сервиса. Часть брендов ушла из России,
парк их автомобилей не пополняется, поэтому каждый клиент, потерянный
на звонке в сервис, сразу бьёт по выручке.

Компания занимается продажей автомобилей, trade-in, кредитованием и лизингом, а также сервисным обслуживанием, ремонтом, продажей запчастей и дополнительного оборудования.

В послепродажном обслуживании холдинг «Аксель» работает с 12 площадками. На каждой входящие звонки принимают от 2 до 4 сотрудников. На «Аксель-Сити Невский» приходится около 500 входящих звонков в месяц. Одна площадка получает 600−800 входящих звонков в месяц. Чаще всего это обращения клиентов, которые хотят записаться на техническое обслуживание, диагностику, ремонт, шиномонтаж или кузовные работы.

В такой ситуации компании важно эффективнее работать с уже существующим парком автомобилей и не терять клиентов на этапе обращения в сервис. Поэтому «Аксель-Сити Невский» решил сфокусироваться на конверсии входящего потока в запись на обслуживание.

Но для начала нужно было понять, какая конверсия есть на самом деле и где именно теряются клиенты.

В дилерском центре было две основные проблемы:

1. Выборочный контроль звонков. На «Аксель-Сити Невский» приходило около 500 звонков в месяц, но руководитель успевал подробно разобрать только 70−100 случайных звонков из них. На такой анализ уходило около трех рабочих дней, а выборка не превышала 20% от общего потока. Поэтому было сложно понять, насколько выявленные проблемы характерны для всех звонков.

2. Неточная аналитика конверсии. Клиенты приходили в сервис пешком, обращались по телефону и через онлайн-заявки, но корректно разделить обращения по типам трафика не получалось. Поэтому компания не могла точно связать входящий звонок с последующей записью и понять, где именно клиент выпадает из воронки. На тот момент ориентиром была конверсия около 50% из звонка в зафиксированный заезд.

Маркетинг видел верхнюю часть воронки: сколько обращений привели контекст, SEO или конкретный лендинг. Сервис видел нижнюю часть: сколько клиентов доехало. Связующего звена не хватало, поэтому команда не могла в полной мере понять, что произошло с клиентом после звонка и почему он записался или не записался.

В итоге компания решила автоматизировать именно этот участок.

Компания искала решение под послепродажное обслуживание, но большинство продуктов предлагали уже готовую логику, которую было сложно быстро менять под специфику клиента.

Для «Аксель-Сити Невский» это было критично: сервисная воронка в компании отличается от обычных продаж автомобилей, а внутри неё много разных типов обращений.

Поэтому при выборе смотрели прежде всего на четыре вещи:

• гибкость — возможность оперативно менять систему под процессы компании;
• постоянную обратную связь — чтобы команда подрядчика не пропадала после запуска;
• вовлеченность команды — готовность разобраться в специфике послепродажного обслуживания;
• удобство интерфейса — возможность собирать нужные отчёты из готовых блоков.

Аихаб соответствовал этим требованиям, поэтому в итоге компания выбрала именно его.

Техническое подключение прошло быстро и заняло не более 2 недель. После этого команда несколько месяцев вместе с клиентом дорабатывала систему под специфику сервиса.

Воронка и конверсия по видам работ

В Аихаб настроили воронку по сервису: все входящие обращения разделяются на целевые и нецелевые, а затем по результату — записался клиент или нет.

Отдельно настроили тегирование по видам работ:

• техническое обслуживание;
• диагностика;
• диагностика электронных компонентов;
• шиномонтаж;
• кузовной ремонт;
• текущий ремонт.

По каждому направлению компания получила возможность смотреть собственную конверсию. Теперь руководитель может видеть:

• какие услуги продаются хуже;
• на каком этапе теряются клиенты;
• какие сотрудники чаще всего не доводят обращение до записи.

Все источники входящего трафика в одной системе

У компании несколько источников звонков: прямые номера и подменные номера, в том числе через Asterisk и Calltouch. Раньше полного объема входящего трафика не видели.

Теперь Аихаб собирает звонки из всех источников и объединяет их в единую аналитику. Для анализа используются звонки длительностью более одной минуты. Руководитель видит весь целевой входящий поток в одной системе Аихаб.

Разделение звонков рецепции и отдела продаж

Технически проект оказался сложнее обычной интеграции. Входящий звонок содержит два разговора в одной стереозаписи: сначала клиент общается с сотрудником рецепции, а затем может переходить к менеджеру отдела продаж.

Чтобы корректно анализировать эти коммуникации, один и тот же массив звонков система забирает из двух источников и анализирует в разных проектах:

• звонки из Bitrix24 используются для оценки менеджеров отдела продаж;
• звонки из UIS — для оценки сотрудников рецепции.

Исходящие звонки берутся из Bitrix24 отдельно и не проходят через рецепцию. Разделение входящих и исходящих происходит автоматически по метаданным звонка.

Для каждого направления настроили собственные чек-листы. Клиент предоставил их на этапе внедрения, а команда Аихаб адаптировала систему под заданную логику. У каждого критерия чек-листа есть собственный вес, а итоговая оценка формируется из 100 баллов.

Какие проблемы специфики сервиса Аихаб проработал

Поскольку готовой оболочки под послепродажное обслуживание не было, решение собирали итеративно.

Работали по циклу PDCA («Plan-Do-Check-Act»), или циклу Деминга:

1. команда Аихаб добавляла очередной блок и передавала его клиенту на проверку;
2. Михаил и его команда собирали отчёты, проверяли результаты и возвращали замечания;
3. затем логику корректировали и переходили к следующей итерации.

На старте невозможно предусмотреть все особенности конкретного бизнеса, поэтому модель и правила оценки последовательно проверяются на реальных данных и корректируются.

Так постепенно устранили несколько ключевых ошибок.

1. ИИ не всегда правильно определял результат звонка

Иногда система определяла, что клиент не записался, хотя он просил перезвонить и оформлял запись уже на следующий день.

Поскольку Аихаб пока не интегрирован с 1С, система не видит запись, которая произошла после звонка. Поэтому в интерфейсе добавили возможность оспорить вывод ИИ: если руководитель знает, что результат определен неправильно, он может вручную указать несогласие с оценкой.

2. Система могла неправильно определить площадку

В отдельных случаях звонок привязывался не к той площадке, на которую фактически поступил. Поскольку площадка является одним из параметров аналитики, такая ошибка могла искажать данные по входящему потоку и конверсии.

Проблему выявили в ходе проверки отчетов и последовательно скорректировали логику определения площадки и распределения звонков.

3. Из-за первых двух ошибок искажалась конверсия

Ошибки в определении результата звонка и площадки напрямую влияли на расчёт конверсии.

Поэтому команда последовательно дорабатывала чек-листы, формулировки критериев и логику расчетов. После каждой итерации клиент заново проверял отчеты и возвращал замечания.

Так постепенно удалось привести аналитику к нужному виду.

После внедрения руководитель получил несколько инструментов для ежедневной работы:

1. Личный кабинет с показателями отдела, коммуникациями и рейтингом сотрудников.

В личном кабинете доступны:

• эффективность отдела;
• доля успешных звонков;
• количество и длительность коммуникаций;
• краткое содержание каждого звонка;
• полный чек-лист и итоговая оценка;
• сильные и слабые стороны сотрудника;
• рекомендации по улучшению;
• рейтинг менеджеров;
• сравнительная матрица по критериям;
• цепочки звонков;
• ежедневные и еженедельные отчёты.

2. ИИ-аналитика и отчёты по всему массиву звонков.

Руководитель может получить:

• аналитический отчёт по звонкам — какие паттерны характерны для успешных и неуспешных обращений;
• клиентский анализ — какие потребности и возражения чаще всего возникают у клиентов;
• операционный анализ — на каком этапе воронки возникают потери;
• анализ менеджеров — кто работает лучше или хуже и почему;
• произвольный ИИ-анализ под конкретный управленческий вопрос.

3. Бот с уведомлениями об отказах в Telegram и MAX.

Если клиент не записался, руководитель получает в Telegram и MAX аудиозапись звонка, расшифровку и имя сотрудника.

Это позволяет не ждать планового разбора и оперативно понять, почему клиент отказался. Если руководитель видит, что клиенту можно сделать дополнительное предложение, сотруднику дают задачу связаться с ним повторно.

После настройки системы «Аксель-Сити Невский» получил возможность управлять входящим потоком на основе всех целевых обращений, что дало результат как в операционной работе руководителя, так и в конверсии.

1. Конверсия из звонка в запись выросла на 10%

Исходным ориентиром была конверсия около 50% из звонка в заезд. После внедрения и работы с аналитикой конверсия выросла в среднем примерно на 10% по площадкам: где-то больше, где-то меньше.

Рост стал результатом системной работы с причинами отказов: теперь руководители видят конкретные ошибки сотрудников, разбирают звонки и быстрее возвращаются к клиентам, которые не записались.

2. Покрытие контроля выросло с 20% до 100%

Раньше руководитель анализировал выборочно не более 20% звонков. Теперь в систему попадают все 100% входящего потока, а каждый звонок автоматически тегируется по типу обращения и результату.

3. У руководителя высвободилось около 30 часов

Раньше 70−100 звонков требовали около трёх рабочих дней детального разбора. При рабочем дне примерно 11 часов это около 30 часов времени руководителя.

Теперь эту работу выполняет система, а высвободившееся время Михаил направляет на работу с людьми на приёмке и в цехе.

4. Руководитель быстрее реагирует на отказы

Раньше информация о причине отказа оставалась со слов сотрудника. Теперь руководитель получает запись и расшифровку разговора, самостоятельно оценивает ситуацию и при необходимости дает сотруднику задачу связаться с клиентом повторно.

5. Компания получила прозрачность по каждому сотруднику

Руководитель видит вклад конкретного сотрудника: кто работает лучше, кто отстаёт, на каком этапе возникает проблема, конкретные звонки, в которых сотрудник допустил ошибку, рекомендации по улучшению.

Нововведения позволяют по-разному работать с сотрудниками: слабых обучать и мотивировать, а сильные практики распространять на остальных.

6. Конверсия по видам работ стала инструментом для маркетинга и ценообразования

Аихаб позволяет смотреть конверсию отдельно по каждому виду работ, поэтому компания может видеть, какие услуги конвертируются хуже и где есть потенциал для роста.

На основе этих данных «Аксель-Сити Невский» пересматривает предложения и прайсы, а также точечно планирует маркетинговые кампании.

7. Изменилась работа команды

Система не воспринимается сотрудниками исключительно как инструмент контроля. Для многих она стала новым инструментом работы: вместо субъективного «клиент не захотел» сотрудник получает конкретный разбор коммуникации и понимает, что можно было сделать иначе.

По оценке Михаила, вместе с вовлеченностью сотрудников выросла и клиентоориентированность команды: после отказа клиент быстрее получает обратную связь, а руководитель может оперативно подключиться к ситуации.

Сейчас «Аксель-Сити Невский» перестраивает бизнес-процессы и переходит к модели единого колл-центра.

Вместо того, чтобы принимать звонки отдельно на каждой площадке, единая команда будет обрабатывать входящий трафик по всем брендам. Для этого Аихаб будет пересматривать чек-листы и обучать систему учитывать специфику разных брендов. По оценке Михаила, на эту перенастройку потребуется около 3−4 месяцев.

Вторым направлением компания выделяет анализ исходящих звонков. Оболочку для них уже начали разрабатывать, но пока поставили работу на паузу: приоритетом остаются входящий трафик и перестройка бизнес-процессов.

Ещё одной задачей компания ставит перед собой накопить данные на длинной дистанции. Сервисный спрос сильно зависит от сезонности, поэтому для полноценной оценки динамики компании нужен годовой массив данных.

В итоге на следующем этапе Аихаб продолжит адаптировать аналитику под новую структуру колл-центра, а затем расширит её на исходящие коммуникации и позволит компании сравнивать результаты на длинной дистанции с учётом сезонности.

«Аксель-Сити Невский» пришёл в Аихаб с двумя проблемами: руководитель не успевал контролировать весь поток входящих звонков, а компания не могла точно определить, где и почему теряются клиенты. Раньше под детальный контроль попадало не более 20% коммуникаций, а разбор 70−100 звонков занимал около трёх рабочих дней.

После внедрения система анализирует 100% входящего потока, тегирует обращения по видам работ и результатам, показывает эффективность сотрудников и помогает оперативно отрабатывать отказы. В результате конверсия из звонка в заезд выросла в среднем примерно на 10% по площадкам, а у руководителя высвободилось около 30 часов. При этом данные из звонков стали использоваться не только для контроля сотрудников, но и для корректировки процессов, предложений, цен и маркетинговых кампаний.

Если ваш отдел сервиса получает сотни звонков в месяц и руководитель уже не успевает контролировать их вручную, то оставляйте заявку на демо. Уже на этом этапе мы поможем вам увидеть причины отказов и найти точки роста конверсии на вашем потоке звонков.